Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro

Detalhes bibliográficos
Ano de defesa: 2008
Autor(a) principal: Christovam de Amorim Neto, Manoel
Orientador(a): Darmiton da Cunha Cavalcanti, George
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Previsão
Séries temporais
Redes Neurais Artificiais
Combinação de classificadores
Séries exógenas
Link de acesso: https://repositorio.ufpe.br/handle/123456789/2298
Resumo: A previsão de séries temporais tem sido usada em diversos problemas do mundo real, tais como: meteorologia, previsão de carga em redes de computadores, análise de mercado, entre outras, com o objetivo de minimizar riscos, auxiliar no planejamento e na tomada de decisões. Nesta dissertação, as séries temporais são analisadas para realizar previsões de cotações de ações do mercado financeiro e, para tanto, uma metodologia baseada no uso de séries exógenas e de combinação de classificadores é proposta. As principais contribuições do presente trabalho são: i) utilização de séries exógenas como variáveis de entrada para o classificador a fim de capturar informações externas que influenciam na série a ser prevista; ii) utilização de combinação de classificadores, em especial, combinação de Redes Neurais do tipo MLP (Multi-Layer Perceptron); e, iii) concepção de uma nova medida de desempenho SLG (Sum of Loses and Gains), que é mais aderente na área de investimentos. Além disso, foram propostas diferentes abordagens para pré-processar os dados. Os estudos experimentais foram realizados utilizando a série temporal correspondente à ação preferencial da Petrobras (PETR4). Os resultados mostraram que o modelo proposto superou os modelos tradicionais, conseguindo prever a série com maior precisão e relevância para os investidores
id UFPE_a1040995fc58cf80d5306eea2021fc46
oai_identifier_str oai:repositorio.ufpe.br:123456789/2298
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Christovam de Amorim Neto, ManoelDarmiton da Cunha Cavalcanti, George 2014-06-12T15:56:23Z2014-06-12T15:56:23Z2008-01-31Christovam de Amorim Neto, Manoel; Darmiton da Cunha Cavalcanti, George. Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro. 2008. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2008.https://repositorio.ufpe.br/handle/123456789/2298A previsão de séries temporais tem sido usada em diversos problemas do mundo real, tais como: meteorologia, previsão de carga em redes de computadores, análise de mercado, entre outras, com o objetivo de minimizar riscos, auxiliar no planejamento e na tomada de decisões. Nesta dissertação, as séries temporais são analisadas para realizar previsões de cotações de ações do mercado financeiro e, para tanto, uma metodologia baseada no uso de séries exógenas e de combinação de classificadores é proposta. As principais contribuições do presente trabalho são: i) utilização de séries exógenas como variáveis de entrada para o classificador a fim de capturar informações externas que influenciam na série a ser prevista; ii) utilização de combinação de classificadores, em especial, combinação de Redes Neurais do tipo MLP (Multi-Layer Perceptron); e, iii) concepção de uma nova medida de desempenho SLG (Sum of Loses and Gains), que é mais aderente na área de investimentos. Além disso, foram propostas diferentes abordagens para pré-processar os dados. Os estudos experimentais foram realizados utilizando a série temporal correspondente à ação preferencial da Petrobras (PETR4). Os resultados mostraram que o modelo proposto superou os modelos tradicionais, conseguindo prever a série com maior precisão e relevância para os investidoresporUniversidade Federal de PernambucoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessPrevisãoSéries temporaisRedes Neurais ArtificiaisCombinação de classificadoresSéries exógenasPrevisão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiroinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALarquivo2920_1.pdfapplication/pdf2753004https://repositorio.ufpe.br/bitstream/123456789/2298/1/arquivo2920_1.pdfd9cabbcda1b022b793399cc38a9d033cMD51LICENSElicense.txttext/plain1748https://repositorio.ufpe.br/bitstream/123456789/2298/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTarquivo2920_1.pdf.txtarquivo2920_1.pdf.txtExtracted texttext/plain201935https://repositorio.ufpe.br/bitstream/123456789/2298/3/arquivo2920_1.pdf.txtca039e1627a28e3a4cee2b6c7d20e306MD53THUMBNAILarquivo2920_1.pdf.jpgarquivo2920_1.pdf.jpgGenerated Thumbnailimage/jpeg1423https://repositorio.ufpe.br/bitstream/123456789/2298/4/arquivo2920_1.pdf.jpgc64a4d6dc8bb06104b7a7a089fb1c099MD54123456789/22982019-10-25 02:47:49.395oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T05:47:49Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
title Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
spellingShingle Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
Christovam de Amorim Neto, Manoel
Previsão
Séries temporais
Redes Neurais Artificiais
Combinação de classificadores
Séries exógenas
title_short Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
title_full Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
title_fullStr Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
title_full_unstemmed Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
title_sort Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro
author Christovam de Amorim Neto, Manoel
author_facet Christovam de Amorim Neto, Manoel
author_role author
dc.contributor.author.fl_str_mv Christovam de Amorim Neto, Manoel
dc.contributor.advisor1.fl_str_mv Darmiton da Cunha Cavalcanti, George
contributor_str_mv Darmiton da Cunha Cavalcanti, George
dc.subject.por.fl_str_mv Previsão
Séries temporais
Redes Neurais Artificiais
Combinação de classificadores
Séries exógenas
topic Previsão
Séries temporais
Redes Neurais Artificiais
Combinação de classificadores
Séries exógenas
description A previsão de séries temporais tem sido usada em diversos problemas do mundo real, tais como: meteorologia, previsão de carga em redes de computadores, análise de mercado, entre outras, com o objetivo de minimizar riscos, auxiliar no planejamento e na tomada de decisões. Nesta dissertação, as séries temporais são analisadas para realizar previsões de cotações de ações do mercado financeiro e, para tanto, uma metodologia baseada no uso de séries exógenas e de combinação de classificadores é proposta. As principais contribuições do presente trabalho são: i) utilização de séries exógenas como variáveis de entrada para o classificador a fim de capturar informações externas que influenciam na série a ser prevista; ii) utilização de combinação de classificadores, em especial, combinação de Redes Neurais do tipo MLP (Multi-Layer Perceptron); e, iii) concepção de uma nova medida de desempenho SLG (Sum of Loses and Gains), que é mais aderente na área de investimentos. Além disso, foram propostas diferentes abordagens para pré-processar os dados. Os estudos experimentais foram realizados utilizando a série temporal correspondente à ação preferencial da Petrobras (PETR4). Os resultados mostraram que o modelo proposto superou os modelos tradicionais, conseguindo prever a série com maior precisão e relevância para os investidores
publishDate 2008
dc.date.issued.fl_str_mv 2008-01-31
dc.date.accessioned.fl_str_mv 2014-06-12T15:56:23Z
dc.date.available.fl_str_mv 2014-06-12T15:56:23Z
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 Christovam de Amorim Neto, Manoel; Darmiton da Cunha Cavalcanti, George. Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro. 2008. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2008.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/2298
identifier_str_mv Christovam de Amorim Neto, Manoel; Darmiton da Cunha Cavalcanti, George. Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro. 2008. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2008.
url https://repositorio.ufpe.br/handle/123456789/2298
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.publisher.none.fl_str_mv Universidade Federal de Pernambuco
publisher.none.fl_str_mv Universidade Federal de Pernambuco
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
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/2298/1/arquivo2920_1.pdf
https://repositorio.ufpe.br/bitstream/123456789/2298/2/license.txt
https://repositorio.ufpe.br/bitstream/123456789/2298/3/arquivo2920_1.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/2298/4/arquivo2920_1.pdf.jpg
bitstream.checksum.fl_str_mv d9cabbcda1b022b793399cc38a9d033c
8a4605be74aa9ea9d79846c1fba20a33
ca039e1627a28e3a4cee2b6c7d20e306
c64a4d6dc8bb06104b7a7a089fb1c099
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1802311314951897088

Registros relacionados