Exportação concluída — 

Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade

Detalhes bibliográficos
Ano de defesa: 2026
Autor(a) principal: Girard, Lívia Barreto Carvalhaes
Orientador(a): Barbedo, Claudio Henrique da Silveira lattes
Banca de defesa: Peixoto, Mariana Marinho da Costa Lima lattes, Benevides, Mario Roberto Folhadela lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://app.uff.br/riuff/handle/1/44578
Resumo: Com o avanço das tecnologias, métodos de aprendizado profundo, como o modelo LSTM (Long Short-Term Memory) e GRU (Gated Recurrent Unit), surgiram como alternativas promissoras para melhorar a precisão das previsões e o aumento do retorno. Esta pesquisa explora a eficácia comparativa entre a análise técnica, a LSTM e a GRU na previsão do mini índice Ibovespa com estratégia day trade. O objetivo geral é determinar qual método oferece os melhores retornos em operações day traders para o ativo mencionado. A metodologia utilizada para conferir o desempenho de previsão de preços foram os retornos acumulados dos indicadores técnicos, LSTM e GRU. A conclusão foi que o modelo GRU apresentou o melhor desempenho geral, embora o LSTM também tenha demonstrado resultados notáveis, com destaque para a série temporal de 5 minutos, que obteve retornos expressivos.
id UFF-2_3a3fbb2b81af1ddca9664adcb27ab9cf
oai_identifier_str oai:app.uff.br:1/44578
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str
spelling Girard, Lívia Barreto CarvalhaesBarbedo, Claudio Henrique da Silveirahttp://lattes.cnpq.br/3267365014750728Silva, Eduardo Camilo dahttp://lattes.cnpq.br/9087575507274411Peixoto, Mariana Marinho da Costa Limahttp://lattes.cnpq.br/8741813788834776Benevides, Mario Roberto Folhadelahttp://lattes.cnpq.br/7279612728721005http://lattes.cnpq.br/01015510201733382026-09-30T15:06:45Z2026-09-30T15:06:45ZGIRARD, Lívia Barreto Carvalhaes. Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade. 2025. 100 f. Dissertação (Mestrado em Administração) – Programa de Pós-Graduação em Administração, Faculdade de Administração e Ciências Contábeis, Universidade Federal Fluminense, Niterói, 2025.https://app.uff.br/riuff/handle/1/44578Com o avanço das tecnologias, métodos de aprendizado profundo, como o modelo LSTM (Long Short-Term Memory) e GRU (Gated Recurrent Unit), surgiram como alternativas promissoras para melhorar a precisão das previsões e o aumento do retorno. Esta pesquisa explora a eficácia comparativa entre a análise técnica, a LSTM e a GRU na previsão do mini índice Ibovespa com estratégia day trade. O objetivo geral é determinar qual método oferece os melhores retornos em operações day traders para o ativo mencionado. A metodologia utilizada para conferir o desempenho de previsão de preços foram os retornos acumulados dos indicadores técnicos, LSTM e GRU. A conclusão foi que o modelo GRU apresentou o melhor desempenho geral, embora o LSTM também tenha demonstrado resultados notáveis, com destaque para a série temporal de 5 minutos, que obteve retornos expressivos.With technological advancements, deep learning methods like Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) have emerged as promising alternatives to improve prediction accuracy and increase returns. This research explores the comparative effectiveness of technical analysis, LSTM, and GRU in forecasting the mini Ibovespa index using a day trade strategy. The main objective is to determine which method provides the best returns for day trade operations with the mentioned asset. The methodology used to evaluate price prediction performance was the accumulated returns of technical indicators, LSTM, and GRU. The conclusion was that the GRU model demonstrated the best overall performance, although LSTM also showed notable results, particularly in the 5-minute time series, which achieved significant returns.100 f.CC-BY-NCinfo:eu-repo/semantics/openAccessAnálise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day TradeTechnical Analysis, LSTM, or GRU: A Comparative Study on Predicting the Ibovespa Mini-Index for Day Tradinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAnálise técnicaLSTMGRUDay TradeMini Índice IbovespaPrevisãoRetornoGRU (Unidade Recorrente Controlada por Portões)LSTM (Memória de Longa e Curta Duração - Unificada)Previsão de séries temporais e financeirasRedes neuraisRetorno acumuladoTechnical analysesLong Short-Term MemoryGated Recurrent UnitDay TradingMini Ibovespa Index FuturesForecastingReturnMestrado acadêmicoUniversidade Federal FluminenseFaculdade de Administração e Ciências ContábeisPrograma de Pós-graduação em Administração2025Niterói, RJObjetivo 17. Fortalecer os meios de implementação e revitalizar a parceria global para o desenvolvimento sustentávelporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFFORIGINALDISSERTAÇÃO LÍVIA - VERSÃO FINAL.pdfDISSERTAÇÃO LÍVIA - VERSÃO FINAL.pdfapplication/pdf3083139https://app.uff.br/riuff/bitstream/1/44578/1/DISSERTA%c3%87%c3%83O%20L%c3%8dVIA%20-%20VERS%c3%83O%20FINAL.pdfd56b44231fca7d5ee6c9dd5878c61e1bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81866https://app.uff.br/riuff/bitstream/1/44578/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD521/445782026-09-30 12:06:45.849oai:app.uff.br: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ório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202026-09-30T15:06:45Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.pt_BR.fl_str_mv Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
dc.title.alternative.pt_BR.fl_str_mv Technical Analysis, LSTM, or GRU: A Comparative Study on Predicting the Ibovespa Mini-Index for Day Trading
title Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
spellingShingle Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
Girard, Lívia Barreto Carvalhaes
Análise técnica
LSTM
GRU
Day Trade
Mini Índice Ibovespa
Previsão
Retorno
GRU (Unidade Recorrente Controlada por Portões)
LSTM (Memória de Longa e Curta Duração - Unificada)
Previsão de séries temporais e financeiras
Redes neurais
Retorno acumulado
Technical analyses
Long Short-Term Memory
Gated Recurrent Unit
Day Trading
Mini Ibovespa Index Futures
Forecasting
Return
title_short Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
title_full Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
title_fullStr Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
title_full_unstemmed Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
title_sort Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade
author Girard, Lívia Barreto Carvalhaes
author_facet Girard, Lívia Barreto Carvalhaes
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0101551020173338
dc.contributor.author.fl_str_mv Girard, Lívia Barreto Carvalhaes
dc.contributor.advisor1.fl_str_mv Barbedo, Claudio Henrique da Silveira
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/3267365014750728
dc.contributor.advisor-co1.fl_str_mv Silva, Eduardo Camilo da
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/9087575507274411
dc.contributor.referee1.fl_str_mv Peixoto, Mariana Marinho da Costa Lima
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/8741813788834776
dc.contributor.referee2.fl_str_mv Benevides, Mario Roberto Folhadela
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/7279612728721005
contributor_str_mv Barbedo, Claudio Henrique da Silveira
Silva, Eduardo Camilo da
Peixoto, Mariana Marinho da Costa Lima
Benevides, Mario Roberto Folhadela
dc.subject.keyword.pt_BR.fl_str_mv Análise técnica
LSTM
GRU
Day Trade
Mini Índice Ibovespa
Previsão
Retorno
topic Análise técnica
LSTM
GRU
Day Trade
Mini Índice Ibovespa
Previsão
Retorno
GRU (Unidade Recorrente Controlada por Portões)
LSTM (Memória de Longa e Curta Duração - Unificada)
Previsão de séries temporais e financeiras
Redes neurais
Retorno acumulado
Technical analyses
Long Short-Term Memory
Gated Recurrent Unit
Day Trading
Mini Ibovespa Index Futures
Forecasting
Return
dc.subject.descriptor.pt_BR.fl_str_mv GRU (Unidade Recorrente Controlada por Portões)
LSTM (Memória de Longa e Curta Duração - Unificada)
Previsão de séries temporais e financeiras
Redes neurais
Retorno acumulado
dc.subject.keywordother.pt_BR.fl_str_mv Technical analyses
Long Short-Term Memory
Gated Recurrent Unit
Day Trading
Mini Ibovespa Index Futures
Forecasting
Return
description Com o avanço das tecnologias, métodos de aprendizado profundo, como o modelo LSTM (Long Short-Term Memory) e GRU (Gated Recurrent Unit), surgiram como alternativas promissoras para melhorar a precisão das previsões e o aumento do retorno. Esta pesquisa explora a eficácia comparativa entre a análise técnica, a LSTM e a GRU na previsão do mini índice Ibovespa com estratégia day trade. O objetivo geral é determinar qual método oferece os melhores retornos em operações day traders para o ativo mencionado. A metodologia utilizada para conferir o desempenho de previsão de preços foram os retornos acumulados dos indicadores técnicos, LSTM e GRU. A conclusão foi que o modelo GRU apresentou o melhor desempenho geral, embora o LSTM também tenha demonstrado resultados notáveis, com destaque para a série temporal de 5 minutos, que obteve retornos expressivos.
publishDate 2026
dc.date.accessioned.fl_str_mv 2026-09-30T15:06:45Z
dc.date.available.fl_str_mv 2026-09-30T15:06:45Z
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.citation.fl_str_mv GIRARD, Lívia Barreto Carvalhaes. Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade. 2025. 100 f. Dissertação (Mestrado em Administração) – Programa de Pós-Graduação em Administração, Faculdade de Administração e Ciências Contábeis, Universidade Federal Fluminense, Niterói, 2025.
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/44578
identifier_str_mv GIRARD, Lívia Barreto Carvalhaes. Análise Técnica, LSTM ou GRU: um estudo comparativo na predição de Mini Índice Ibovespa para Day Trade. 2025. 100 f. Dissertação (Mestrado em Administração) – Programa de Pós-Graduação em Administração, Faculdade de Administração e Ciências Contábeis, Universidade Federal Fluminense, Niterói, 2025.
url https://app.uff.br/riuff/handle/1/44578
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-NC
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-NC
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
bitstream.url.fl_str_mv https://app.uff.br/riuff/bitstream/1/44578/1/DISSERTA%c3%87%c3%83O%20L%c3%8dVIA%20-%20VERS%c3%83O%20FINAL.pdf
https://app.uff.br/riuff/bitstream/1/44578/2/license.txt
bitstream.checksum.fl_str_mv d56b44231fca7d5ee6c9dd5878c61e1b
43cd690d6a359e86c1fe3d5b7cba0c9b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1882027818052747264