A máquina de suporte vetorial aplicada em análise de séries temporais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UnB |
Texto Completo: | http://repositorio.unb.br/handle/10482/24579 http://dx.doi.org/10.26512/2017.06.D.24579 |
Resumo: | Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. |
id |
UNB_076bfaa8ad8243c4794fa4e28d87701d |
---|---|
oai_identifier_str |
oai:repositorio.unb.br:10482/24579 |
network_acronym_str |
UNB |
network_name_str |
Repositório Institucional da UnB |
repository_id_str |
|
spelling |
A máquina de suporte vetorial aplicada em análise de séries temporaisMáquinas de vetores de suporteAprendizagem de máquinaModelos lineares (Estatística)Séries temporaisDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017.Os modelos de aprendizado de máquina vêm tomando espaço na literatura moderna. Diversos artigos os comparam a métodos de séries temporais, pois devido à sua maleabilidade e adaptabilidade, conseguem facilmente se ajustar a diversos tipos de dados, sejam provenientes de modelos lineares ou não (Tay & Cao, 2001; Zhao et al., 2012). Este trabalho visou comparar os modelos tradicionais ARMA e GARCH à máquina de suporte vetorial para previsões um passo à frente na análise da volatilidade de séries temporais financeiras. Aqui foi analisado o desempenho de um híbrido AR-GARCH, aplicando diversas distribuições de probabilidade ao seu termo de ruído et, em relação ao desempenho de um novo método proposto por Chen et al. (2010) chamado de SVR recorrente. Modificamos o critério de parada desse novo e pouco conhecido método, para que se ajustasse melhor aos critérios estatísticos considerados por Morettin & Toloi (2006), no que diz respeito à estrutura de autocorrelação serial. Por fim, o aplicamos a dados gerados pelo modelo ARGARCH e a dois bancos de dados reais, iguais aos utilizados por Chen et al. (2010), para compararmos o desempenho do SVR recorrente, com o novo critério de parada, aos modelos GARCH, ARMA e ARGARCH.Machine learning models have been taking space in modern literature. Several articles compare them to time series methods because, due to their malleability and adaptability, they can be easily adjusted to different types of data, whether linear or non-linear (Tay & Cao, 2001; Zhao et al., 2012). This work aimed to compare the traditional ARMA and GARCH models to the support vector machine for predictions one step ahead in the analysis of the volatility of financial time series. Here we analyzed the performance of an AR-GARCH hybrid applying several probability distributions to its noise term et, in relation to the performance of a new method proposed by Chen et al. (2010) called recurrent SVR. We modified the stopping criterion of this new and little-known method to better fit the statistical criteria considered by Morettin & Toloi (2006) regarding the serial autocorrelation structure. Finally, we applied it to data generated by the AR-GARCH model and to two real databases, the same as those used by Chen et al. (2010), to compare the performance of the recurrent SVR with the new criterion of GARCH, ARMA and AR-GARCH models.Instituto de Ciências Exatas (IE)Departamento de Estatística (IE EST)Programa de Pós-Graduação em EstatísticaMatsushita, Raul YukihiroAndrade, Yuri Medeiros de2017-09-19T16:37:37Z2017-09-19T16:37:37Z2017-09-192017-06-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfANDRADE, Yuri Medeiros de. A máquina de suporte vetorial aplicada em análise de séries temporais. 2017. 101 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2017.http://repositorio.unb.br/handle/10482/24579http://dx.doi.org/10.26512/2017.06.D.24579A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-09-30T17:26:45Zoai:repositorio.unb.br:10482/24579Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-09-30T17:26:45Repositório Institucional da UnB - Universidade de Brasília (UnB)false |
dc.title.none.fl_str_mv |
A máquina de suporte vetorial aplicada em análise de séries temporais |
title |
A máquina de suporte vetorial aplicada em análise de séries temporais |
spellingShingle |
A máquina de suporte vetorial aplicada em análise de séries temporais Andrade, Yuri Medeiros de Máquinas de vetores de suporte Aprendizagem de máquina Modelos lineares (Estatística) Séries temporais |
title_short |
A máquina de suporte vetorial aplicada em análise de séries temporais |
title_full |
A máquina de suporte vetorial aplicada em análise de séries temporais |
title_fullStr |
A máquina de suporte vetorial aplicada em análise de séries temporais |
title_full_unstemmed |
A máquina de suporte vetorial aplicada em análise de séries temporais |
title_sort |
A máquina de suporte vetorial aplicada em análise de séries temporais |
author |
Andrade, Yuri Medeiros de |
author_facet |
Andrade, Yuri Medeiros de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Matsushita, Raul Yukihiro |
dc.contributor.author.fl_str_mv |
Andrade, Yuri Medeiros de |
dc.subject.por.fl_str_mv |
Máquinas de vetores de suporte Aprendizagem de máquina Modelos lineares (Estatística) Séries temporais |
topic |
Máquinas de vetores de suporte Aprendizagem de máquina Modelos lineares (Estatística) Séries temporais |
description |
Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-09-19T16:37:37Z 2017-09-19T16:37:37Z 2017-09-19 2017-06-30 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
ANDRADE, Yuri Medeiros de. A máquina de suporte vetorial aplicada em análise de séries temporais. 2017. 101 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2017. http://repositorio.unb.br/handle/10482/24579 http://dx.doi.org/10.26512/2017.06.D.24579 |
identifier_str_mv |
ANDRADE, Yuri Medeiros de. A máquina de suporte vetorial aplicada em análise de séries temporais. 2017. 101 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2017. |
url |
http://repositorio.unb.br/handle/10482/24579 http://dx.doi.org/10.26512/2017.06.D.24579 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
instname_str |
Universidade de Brasília (UnB) |
instacron_str |
UNB |
institution |
UNB |
reponame_str |
Repositório Institucional da UnB |
collection |
Repositório Institucional da UnB |
repository.name.fl_str_mv |
Repositório Institucional da UnB - Universidade de Brasília (UnB) |
repository.mail.fl_str_mv |
repositorio@unb.br |
_version_ |
1814508276067336192 |