Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: CAMARA, Rômulo Calado Pantaleão
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Inteligência artificial
Previsão de séries temporais
Link de acesso: https://repositorio.ufpe.br/handle/123456789/31387
Resumo: Atualmente existe um grande interesse da sociedade em encontrar meios de prever o futuro do mercado de ações para otimizar o processo de tomada de decisão visando a maximi- zação do lucro em seus investimentos. Esta Tese apresenta um novo modelo de neurô- nio artificial morfológico-linear, denominado de Perceptron Morfológico Crescente Geral (Perceptron Morfológico Crescente Geral - General Increasing Morphological Perceptron (GIMP)), para previsão de séries temporais financeiras em baixa-frequência (diária, se- manal e quinzenal). O neurônio GIMP é composto por uma combinação balanceada entre um módulo linear e um módulo não-linear crescente. Além disso, para o projeto do modelo proposto, é apresentado um processo de aprendizagem baseado em gradiente descendente com ajuste automático de fase temporal. Também é realizada uma análise experimental utilizando um conjunto de séries temporais financeiras provenientes do mercado de ações brasileiro, em baixa-frequência e os resultados obtidos foram analisados, utilizando um conjunto relevante de medidas de desempenho, e comparados aqueles obtidos utilizando modelos clássicos da literatura de previsão de séries temporais financeiras. Os resultados mostraram ganhos de desempenho de previsão de mais de 200% em relação aos modelos classícos estudados.
id UFPE_7ead3220555c11342f11da6cd2ef2477
oai_identifier_str oai:repositorio.ufpe.br:123456789/31387
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequênciaInteligência artificialPrevisão de séries temporaisAtualmente existe um grande interesse da sociedade em encontrar meios de prever o futuro do mercado de ações para otimizar o processo de tomada de decisão visando a maximi- zação do lucro em seus investimentos. Esta Tese apresenta um novo modelo de neurô- nio artificial morfológico-linear, denominado de Perceptron Morfológico Crescente Geral (Perceptron Morfológico Crescente Geral - General Increasing Morphological Perceptron (GIMP)), para previsão de séries temporais financeiras em baixa-frequência (diária, se- manal e quinzenal). O neurônio GIMP é composto por uma combinação balanceada entre um módulo linear e um módulo não-linear crescente. Além disso, para o projeto do modelo proposto, é apresentado um processo de aprendizagem baseado em gradiente descendente com ajuste automático de fase temporal. Também é realizada uma análise experimental utilizando um conjunto de séries temporais financeiras provenientes do mercado de ações brasileiro, em baixa-frequência e os resultados obtidos foram analisados, utilizando um conjunto relevante de medidas de desempenho, e comparados aqueles obtidos utilizando modelos clássicos da literatura de previsão de séries temporais financeiras. Os resultados mostraram ganhos de desempenho de previsão de mais de 200% em relação aos modelos classícos estudados.FACEPEThere is a great interest in society to find ways to predict the future of the stock market to optimize the decision-making process in order to maximize profit on its investments. This Doctoral Thesis presents a new morphological-linear artificial neuron model, called the General Increasing Morphological Perceptron (GIMP), for low-frequency (daily, weekly and biweekly) financial time series forecasting. The neuron GIMP is composed of a bal- anced combination between a linear module and an increasing nonlinear module. In addi- tion to that, for the design of the proposed model, we present a descending gradient-based learning process with automatic time phase adjustment. Furthermore, an experimental analysis is conducted using relevant financial time series from the Brazilian stock market and the results is analyzed, according to a relevant set of performance measures, and compared to those obtained using classical models in the literature of financial time series prediction. The experimental results showed gains of more than 200% when compared with other classical models.Universidade Federal de PernambucoUFPEBrasilPrograma de Pos Graduacao em Ciencia da ComputacaoARAÚJO, Cristiano Coelho deARAÚJO, Ricardo de AndradeRômulo Calado Pantaleãohttp://lattes.cnpq.br/9638500605562489CAMARA, Rômulo Calado Pantaleão2019-07-09T14:17:25Z2019-07-09T14:17:25Z2017-06-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://repositorio.ufpe.br/handle/123456789/31387porAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2019-10-25T13:09:00Zoai:repositorio.ufpe.br:123456789/31387Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T13:09Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
title Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
spellingShingle Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
CAMARA, Rômulo Calado Pantaleão
Inteligência artificial
Previsão de séries temporais
title_short Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
title_full Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
title_fullStr Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
title_full_unstemmed Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
title_sort Um neurônio artificial morfológico-linear com aprendizagem baseada em gradiente descendente para previsão de séries temporais financeiras em baixa frequência
author CAMARA, Rômulo Calado Pantaleão
author_facet CAMARA, Rômulo Calado Pantaleão
author_role author
dc.contributor.none.fl_str_mv ARAÚJO, Cristiano Coelho de
ARAÚJO, Ricardo de Andrade
Rômulo Calado Pantaleão
http://lattes.cnpq.br/9638500605562489
dc.contributor.author.fl_str_mv CAMARA, Rômulo Calado Pantaleão
dc.subject.por.fl_str_mv Inteligência artificial
Previsão de séries temporais
topic Inteligência artificial
Previsão de séries temporais
description Atualmente existe um grande interesse da sociedade em encontrar meios de prever o futuro do mercado de ações para otimizar o processo de tomada de decisão visando a maximi- zação do lucro em seus investimentos. Esta Tese apresenta um novo modelo de neurô- nio artificial morfológico-linear, denominado de Perceptron Morfológico Crescente Geral (Perceptron Morfológico Crescente Geral - General Increasing Morphological Perceptron (GIMP)), para previsão de séries temporais financeiras em baixa-frequência (diária, se- manal e quinzenal). O neurônio GIMP é composto por uma combinação balanceada entre um módulo linear e um módulo não-linear crescente. Além disso, para o projeto do modelo proposto, é apresentado um processo de aprendizagem baseado em gradiente descendente com ajuste automático de fase temporal. Também é realizada uma análise experimental utilizando um conjunto de séries temporais financeiras provenientes do mercado de ações brasileiro, em baixa-frequência e os resultados obtidos foram analisados, utilizando um conjunto relevante de medidas de desempenho, e comparados aqueles obtidos utilizando modelos clássicos da literatura de previsão de séries temporais financeiras. Os resultados mostraram ganhos de desempenho de previsão de mais de 200% em relação aos modelos classícos estudados.
publishDate 2017
dc.date.none.fl_str_mv 2017-06-12
2019-07-09T14:17:25Z
2019-07-09T14:17:25Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/31387
url https://repositorio.ufpe.br/handle/123456789/31387
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856041934887321600

Registros relacionados