Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras

Detalhes bibliográficos
Autor(a) principal: Oliveira, Sandra Maria Capuano de
Data de Publicação: 2002
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/92/92131/tde-16022022-152120/
Resumo: Neste trabalho avaliamos a habilidade de um modelo conexionista no reconhecimento de possíveis padrões apresentados em séries financeiras. Através da abordagem de um problema de divisão em classes, utilizamos uma rede multicamada do tipo Êeed-6orward tendo como algoritmo de aprendizado back-propagation otimizado pelo método gradiente conjugado escalonado. Tomando como entrada os retornos diários das séries de lbovespa, Telemar PN e Petrobrás PN em períodos semanais, diversas topologias coram treinadas, variando pelo número de unidades ocultas e o número de iterações no critério de parada, gerando como saída ordens de compra e venda dadas pela previsão do movimento do preço do ativo para a semana seguinte. As arquiteturas treinadas foram avaliadas com base na taxa de classificação e lucratividade, e os resultados obtidos confirmaram a validação do modelo proposto.
id USP_f4257340bc073d82f03fed8c4a42b273
oai_identifier_str oai:teses.usp.br:tde-16022022-152120
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeirasNeural networks applied to the recognition and classification of patterns in financial seriesFinançasFinanceFinancial marketsMercado financeiroNeural networksRedes neuraisNeste trabalho avaliamos a habilidade de um modelo conexionista no reconhecimento de possíveis padrões apresentados em séries financeiras. Através da abordagem de um problema de divisão em classes, utilizamos uma rede multicamada do tipo Êeed-6orward tendo como algoritmo de aprendizado back-propagation otimizado pelo método gradiente conjugado escalonado. Tomando como entrada os retornos diários das séries de lbovespa, Telemar PN e Petrobrás PN em períodos semanais, diversas topologias coram treinadas, variando pelo número de unidades ocultas e o número de iterações no critério de parada, gerando como saída ordens de compra e venda dadas pela previsão do movimento do preço do ativo para a semana seguinte. As arquiteturas treinadas foram avaliadas com base na taxa de classificação e lucratividade, e os resultados obtidos confirmaram a validação do modelo proposto.This work presents the performance valuation of a conexionist model for the pattern recognition of financial series. We adopted the approach of classification problem for a back-propagation feed-forward multi-layer network optimized by the scaled conjugated gradient method, applied to the lbovespa, Telemar PN and Petrobrás PN daily retums series, grouped in weekly periods, as input. Several topologies were trained with different number of hidden units and iterations, which was the stop criterion. The output was the buy or self predicted order of the specinic asset for next week. We evaluated the trained architectures based on the classification and pronitability values. The results provided the validation of the proposed modal.Biblioteca Digitais de Teses e Dissertações da USPDreifus, Henrique VonOliveira, Sandra Maria Capuano de2002-07-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/92/92131/tde-16022022-152120/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-02-16T17:55:02Zoai:teses.usp.br:tde-16022022-152120Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-02-16T17:55:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
Neural networks applied to the recognition and classification of patterns in financial series
title Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
spellingShingle Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
Oliveira, Sandra Maria Capuano de
Finanças
Finance
Financial markets
Mercado financeiro
Neural networks
Redes neurais
title_short Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
title_full Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
title_fullStr Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
title_full_unstemmed Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
title_sort Redes neurais aplicadas ao reconhecimento e classificação de padrões em séries financeiras
author Oliveira, Sandra Maria Capuano de
author_facet Oliveira, Sandra Maria Capuano de
author_role author
dc.contributor.none.fl_str_mv Dreifus, Henrique Von
dc.contributor.author.fl_str_mv Oliveira, Sandra Maria Capuano de
dc.subject.por.fl_str_mv Finanças
Finance
Financial markets
Mercado financeiro
Neural networks
Redes neurais
topic Finanças
Finance
Financial markets
Mercado financeiro
Neural networks
Redes neurais
description Neste trabalho avaliamos a habilidade de um modelo conexionista no reconhecimento de possíveis padrões apresentados em séries financeiras. Através da abordagem de um problema de divisão em classes, utilizamos uma rede multicamada do tipo Êeed-6orward tendo como algoritmo de aprendizado back-propagation otimizado pelo método gradiente conjugado escalonado. Tomando como entrada os retornos diários das séries de lbovespa, Telemar PN e Petrobrás PN em períodos semanais, diversas topologias coram treinadas, variando pelo número de unidades ocultas e o número de iterações no critério de parada, gerando como saída ordens de compra e venda dadas pela previsão do movimento do preço do ativo para a semana seguinte. As arquiteturas treinadas foram avaliadas com base na taxa de classificação e lucratividade, e os resultados obtidos confirmaram a validação do modelo proposto.
publishDate 2002
dc.date.none.fl_str_mv 2002-07-11
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 https://www.teses.usp.br/teses/disponiveis/92/92131/tde-16022022-152120/
url https://www.teses.usp.br/teses/disponiveis/92/92131/tde-16022022-152120/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090760696397824

Registros relacionados