Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão
Autor(a) principal: | |
---|---|
Data de Publicação: | 2004 |
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/12/12139/tde-07122021-095621/ |
Resumo: | O principal objetivo desse trabalho é estudar o processamento de séries temporais para a realização de previsão utilizando redes neurais artificiais e os modelos ARIMA-GARCH. Com relação as redes neurais foram estudados os algoritmos de processamento temporal utilizando redes neurais alimentadas adiante e as redes recorrentes. Sendo que nas redes recorrentes o algoritmo utilizado para análise da série temporal foi o algoritmo de aprendizagem recorrente em tempo real (RTRL). Para os modelos ARIMA foi utilizada a metodologia desenvolvida por Box e Jenkins. Foram utilizadas as séries temporais de retornos diários do IBOVESPA, Petrobrás, Nasdaq, IBM e saca de 60Kg de soja como exemplo de aplicação das metodologias |
id |
USP_fe4cc58e0eecc6ed6ca9f3f83c526c4b |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-07122021-095621 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsãoForecasting economic-financial chronological successions using real-time recurrent artificial neural networks and ARMA-GARCH processes: a comparative efficiency studyAnálise de séries temporaisEconometriaEconometricsNeural networksPrediction (time series analysis)Previsão (análise de séries temporais)Redes neuraisTime series analysisO principal objetivo desse trabalho é estudar o processamento de séries temporais para a realização de previsão utilizando redes neurais artificiais e os modelos ARIMA-GARCH. Com relação as redes neurais foram estudados os algoritmos de processamento temporal utilizando redes neurais alimentadas adiante e as redes recorrentes. Sendo que nas redes recorrentes o algoritmo utilizado para análise da série temporal foi o algoritmo de aprendizagem recorrente em tempo real (RTRL). Para os modelos ARIMA foi utilizada a metodologia desenvolvida por Box e Jenkins. Foram utilizadas as séries temporais de retornos diários do IBOVESPA, Petrobrás, Nasdaq, IBM e saca de 60Kg de soja como exemplo de aplicação das metodologiasThe main objective of this dissertation is the time series processing to perform forecasting using artificial neural networks and ARIMA models. Regarding to neural networks to perform time series processing my studies focused feedforward and recurrent networks. The main recurrent algorithm applied to time series analysis were real time recurrent learning (RTRL). The Box and Jenkins methodology was applied to ARIMA analysis. As an application example we analyzed the following daily returns time series: IBOVESPA, Petrobras, Nasdaq, IBM, 60Kg soybean bagBiblioteca Digitais de Teses e Dissertações da USPSiqueira, Jose de OliveiraOliveira, Mauri Aparecido de2004-01-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/12/12139/tde-07122021-095621/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/openAccesspor2021-12-09T20:05:20Zoai:teses.usp.br:tde-07122021-095621Biblioteca 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:27212021-12-09T20:05:20Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão Forecasting economic-financial chronological successions using real-time recurrent artificial neural networks and ARMA-GARCH processes: a comparative efficiency study |
title |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão |
spellingShingle |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão Oliveira, Mauri Aparecido de Análise de séries temporais Econometria Econometrics Neural networks Prediction (time series analysis) Previsão (análise de séries temporais) Redes neurais Time series analysis |
title_short |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão |
title_full |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão |
title_fullStr |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão |
title_full_unstemmed |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão |
title_sort |
Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão |
author |
Oliveira, Mauri Aparecido de |
author_facet |
Oliveira, Mauri Aparecido de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Siqueira, Jose de Oliveira |
dc.contributor.author.fl_str_mv |
Oliveira, Mauri Aparecido de |
dc.subject.por.fl_str_mv |
Análise de séries temporais Econometria Econometrics Neural networks Prediction (time series analysis) Previsão (análise de séries temporais) Redes neurais Time series analysis |
topic |
Análise de séries temporais Econometria Econometrics Neural networks Prediction (time series analysis) Previsão (análise de séries temporais) Redes neurais Time series analysis |
description |
O principal objetivo desse trabalho é estudar o processamento de séries temporais para a realização de previsão utilizando redes neurais artificiais e os modelos ARIMA-GARCH. Com relação as redes neurais foram estudados os algoritmos de processamento temporal utilizando redes neurais alimentadas adiante e as redes recorrentes. Sendo que nas redes recorrentes o algoritmo utilizado para análise da série temporal foi o algoritmo de aprendizagem recorrente em tempo real (RTRL). Para os modelos ARIMA foi utilizada a metodologia desenvolvida por Box e Jenkins. Foram utilizadas as séries temporais de retornos diários do IBOVESPA, Petrobrás, Nasdaq, IBM e saca de 60Kg de soja como exemplo de aplicação das metodologias |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004-01-19 |
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/12/12139/tde-07122021-095621/ |
url |
https://www.teses.usp.br/teses/disponiveis/12/12139/tde-07122021-095621/ |
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_ |
1809090493910351872 |