Previsão de fundos de investimentos com o uso de machine learning

Detalhes bibliográficos
Autor(a) principal: Lins, Raísa Natalia França
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/24679
Resumo: O mercado financeiro é amplo e entrega ao investidor diversas opções de investimentos, como os produtos de renda fixa, ações e fundos de investimentos, por exemplo. Para o caso dos brasileiros, leva-se em consideração a segurança de sua aplicação e sua rentabilidade. Porém, para os fundos de investimentos é possível, estimar qual será a rentabilidade futura da aplicação, tendo apenas os dados históricos como uma referência de comportamento. Neste contexto, o presente trabalho teve como objetivo analisar técnicas de Machine Learning para estimar variações futuras de cotas em três características de fundos: conservador, moderado e agressivo. Para tal, foram utilizadas Rede Neural e Regressão Linear, com diferentes conjuntos de treinamento, ou seja, foram separados um total de nove conjunto de dados de séries históricas de variação de cota e analisados por três métricas diferentes: erro absoluto médio, erro quadrático médio e raiz do erro quadrático médio. A partir da ferramenta Weka (Waikato Environment for Knowledge Analysis), com a extensão Forecast, os algoritmos foram treinados e testados, destaca-se a técnica de Redes Neurais a qual teve um melhor desempenho para os diferentes fundos e conjuntos de treinamento. Entretanto, a Regressão Linear obteve resultados significativos para a previsão da variação da cota com os conjuntos de treinamento com um ano de dados de séries históricas.
id UTFPR-12_746a32f5b597d73560fbec21671ea8dd
oai_identifier_str oai:repositorio.utfpr.edu.br:1/24679
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling 2021-04-07T19:04:51Z2021-04-07T19:04:51Z2020-11-30LINS, Raísa Natalia França. Previsão de fundos de investimentos com o uso de machine learning. 74 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Londrina, 2020.http://repositorio.utfpr.edu.br/jspui/handle/1/24679O mercado financeiro é amplo e entrega ao investidor diversas opções de investimentos, como os produtos de renda fixa, ações e fundos de investimentos, por exemplo. Para o caso dos brasileiros, leva-se em consideração a segurança de sua aplicação e sua rentabilidade. Porém, para os fundos de investimentos é possível, estimar qual será a rentabilidade futura da aplicação, tendo apenas os dados históricos como uma referência de comportamento. Neste contexto, o presente trabalho teve como objetivo analisar técnicas de Machine Learning para estimar variações futuras de cotas em três características de fundos: conservador, moderado e agressivo. Para tal, foram utilizadas Rede Neural e Regressão Linear, com diferentes conjuntos de treinamento, ou seja, foram separados um total de nove conjunto de dados de séries históricas de variação de cota e analisados por três métricas diferentes: erro absoluto médio, erro quadrático médio e raiz do erro quadrático médio. A partir da ferramenta Weka (Waikato Environment for Knowledge Analysis), com a extensão Forecast, os algoritmos foram treinados e testados, destaca-se a técnica de Redes Neurais a qual teve um melhor desempenho para os diferentes fundos e conjuntos de treinamento. Entretanto, a Regressão Linear obteve resultados significativos para a previsão da variação da cota com os conjuntos de treinamento com um ano de dados de séries históricas.The financial market is broad and provides to the investor with several investment options, such as fixed income products, stocks and investment funds, for example. For the case of Brazilians, the security of its application and its profitability are taken into account. However, for investment funds it is possible to estimate the future profitability of the application, using only historical data as a reference for its behavior. In this context, the present study aimed to analyze the Machine Learning techniques to forecast future variations of shares in three fund types: conservative, moderate and aggressive. For this purpose, Neural Network and Linear Regression were used, with different training sets, i.e., a total of nine data sets of historical series of quota and destination variation were separated by three different metrics: mean absolute error, mean square error and root of the mean square error. Using the software Weka (Waikato Environment for Knowledge Analysis), with the Forecast extension, the algorithms were trained and tested, the Neural Networks technique stands out, which had a better performance for the different funds and training sets. However, the Linear Regression obtained interesting results when forecasting the quota variation with the training sets using one year of historical data.porUniversidade Tecnológica Federal do ParanáLondrinaEngenharia de ProduçãoUTFPRBrasilCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOFundos de investimentosRedes neurais (Computação)Análise de regressãoAprendizado do computadorMutual fundsNeural networks (Computer science)Regression analysisMachine learningPrevisão de fundos de investimentos com o uso de machine learningForecasting investment funds using machine learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisLondrinaSantos, Bruno Samways dosRambalducci, Marcos Jeronimo GoroskiTondato, RogérioSantos, Bruno Samways dosLins, Raísa Natalia Françainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRLICENSElicense.txtlicense.txttext/plain; charset=utf-81290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52ORIGINALfundosinvestimentosmachinelearning.pdffundosinvestimentosmachinelearning.pdfapplication/pdf4413032http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/1/fundosinvestimentosmachinelearning.pdfac53394a9ac98c24abdb6e5c00f480efMD51TEXTfundosinvestimentosmachinelearning.pdf.txtfundosinvestimentosmachinelearning.pdf.txtExtracted texttext/plain139407http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/3/fundosinvestimentosmachinelearning.pdf.txt5638d162f1502f60651f2168a422da81MD53THUMBNAILfundosinvestimentosmachinelearning.pdf.jpgfundosinvestimentosmachinelearning.pdf.jpgGenerated Thumbnailimage/jpeg1280http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/4/fundosinvestimentosmachinelearning.pdf.jpgc27aed39c462c9f0a7724717c92db947MD541/246792021-04-08 03:11:59.018oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2021-04-08T06:11:59Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.pt_BR.fl_str_mv Previsão de fundos de investimentos com o uso de machine learning
dc.title.alternative.pt_BR.fl_str_mv Forecasting investment funds using machine learning
title Previsão de fundos de investimentos com o uso de machine learning
spellingShingle Previsão de fundos de investimentos com o uso de machine learning
Lins, Raísa Natalia França
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
Fundos de investimentos
Redes neurais (Computação)
Análise de regressão
Aprendizado do computador
Mutual funds
Neural networks (Computer science)
Regression analysis
Machine learning
title_short Previsão de fundos de investimentos com o uso de machine learning
title_full Previsão de fundos de investimentos com o uso de machine learning
title_fullStr Previsão de fundos de investimentos com o uso de machine learning
title_full_unstemmed Previsão de fundos de investimentos com o uso de machine learning
title_sort Previsão de fundos de investimentos com o uso de machine learning
author Lins, Raísa Natalia França
author_facet Lins, Raísa Natalia França
author_role author
dc.contributor.advisor1.fl_str_mv Santos, Bruno Samways dos
dc.contributor.referee1.fl_str_mv Rambalducci, Marcos Jeronimo Goroski
dc.contributor.referee2.fl_str_mv Tondato, Rogério
dc.contributor.referee3.fl_str_mv Santos, Bruno Samways dos
dc.contributor.author.fl_str_mv Lins, Raísa Natalia França
contributor_str_mv Santos, Bruno Samways dos
Rambalducci, Marcos Jeronimo Goroski
Tondato, Rogério
Santos, Bruno Samways dos
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
topic CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
Fundos de investimentos
Redes neurais (Computação)
Análise de regressão
Aprendizado do computador
Mutual funds
Neural networks (Computer science)
Regression analysis
Machine learning
dc.subject.por.fl_str_mv Fundos de investimentos
Redes neurais (Computação)
Análise de regressão
Aprendizado do computador
Mutual funds
Neural networks (Computer science)
Regression analysis
Machine learning
description O mercado financeiro é amplo e entrega ao investidor diversas opções de investimentos, como os produtos de renda fixa, ações e fundos de investimentos, por exemplo. Para o caso dos brasileiros, leva-se em consideração a segurança de sua aplicação e sua rentabilidade. Porém, para os fundos de investimentos é possível, estimar qual será a rentabilidade futura da aplicação, tendo apenas os dados históricos como uma referência de comportamento. Neste contexto, o presente trabalho teve como objetivo analisar técnicas de Machine Learning para estimar variações futuras de cotas em três características de fundos: conservador, moderado e agressivo. Para tal, foram utilizadas Rede Neural e Regressão Linear, com diferentes conjuntos de treinamento, ou seja, foram separados um total de nove conjunto de dados de séries históricas de variação de cota e analisados por três métricas diferentes: erro absoluto médio, erro quadrático médio e raiz do erro quadrático médio. A partir da ferramenta Weka (Waikato Environment for Knowledge Analysis), com a extensão Forecast, os algoritmos foram treinados e testados, destaca-se a técnica de Redes Neurais a qual teve um melhor desempenho para os diferentes fundos e conjuntos de treinamento. Entretanto, a Regressão Linear obteve resultados significativos para a previsão da variação da cota com os conjuntos de treinamento com um ano de dados de séries históricas.
publishDate 2020
dc.date.issued.fl_str_mv 2020-11-30
dc.date.accessioned.fl_str_mv 2021-04-07T19:04:51Z
dc.date.available.fl_str_mv 2021-04-07T19:04:51Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LINS, Raísa Natalia França. Previsão de fundos de investimentos com o uso de machine learning. 74 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Londrina, 2020.
dc.identifier.uri.fl_str_mv http://repositorio.utfpr.edu.br/jspui/handle/1/24679
identifier_str_mv LINS, Raísa Natalia França. Previsão de fundos de investimentos com o uso de machine learning. 74 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Londrina, 2020.
url http://repositorio.utfpr.edu.br/jspui/handle/1/24679
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.publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Londrina
dc.publisher.program.fl_str_mv Engenharia de Produção
dc.publisher.initials.fl_str_mv UTFPR
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Londrina
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
bitstream.url.fl_str_mv http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/2/license.txt
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/1/fundosinvestimentosmachinelearning.pdf
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/3/fundosinvestimentosmachinelearning.pdf.txt
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/24679/4/fundosinvestimentosmachinelearning.pdf.jpg
bitstream.checksum.fl_str_mv b9d82215ab23456fa2d8b49c5df1b95b
ac53394a9ac98c24abdb6e5c00f480ef
5638d162f1502f60651f2168a422da81
c27aed39c462c9f0a7724717c92db947
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv
_version_ 1805922970453934080