Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Finkler, Aline Cristiane
Orientador(a): Grapiglia, Geovani Nunes, 1987-
Banca de defesa: Não Informado pela instituição
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
Palavras-chave em Português:
Matematica
Redes neurais (Computação)
Bolsa de valores
Otimização matemática
Link de acesso: https://hdl.handle.net/1884/49395
Resumo: Orientador: Prof. Dr. Geovani Nunes Grapiglia
id UFPR_2a8935804a405805e59b655f6d2ab0bb
oai_identifier_str oai:acervodigital.ufpr.br:1884/49395
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em MatemáticaGrapiglia, Geovani Nunes, 1987-Finkler, Aline Cristiane2024-04-29T19:11:00Z2024-04-29T19:11:00Z2017https://hdl.handle.net/1884/49395Orientador: Prof. Dr. Geovani Nunes GrapigliaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Matemática. Defesa: Curitiba, 31/07/2017Inclui referências : f. 93-95Resumo: Neste trabalho investiga-se o uso de técnicas de Aprendizagem de Máquina para a previsão dos movimentos do Ibovespa, .índice que representa o desempenho geral das ações negociadas na BM&FBovespa. Especificamente, só considerados modelos de Regressão Linear, Regressão Logística, C-SVM e Redes Neurais Artificiais. A partir de dados hist. Ricos mensais do Ibovespa, esses modelos só treinados para realizarem previsões binárias sobre o .índice (de alta ou baixa), com horizontes de 1, 3, 6 e 12 meses. Nos testes realizados, com o modelo C-SVM chega-se a uma taxa de acerto de 72,7% para previsões de 6 meses. Essa taxa e melhorada para 78,8% usando-se um modelo que combina Regressão Linear, Regressão Logística e C-SVM. Tal modelo híbrido e então incorporado a uma estratégia de investimento com manutenção semestral para negociação do fundo de .índices BOVA11, o qual busca replicar os movimentos do Ibovespa. Simulações sugerem que essa estratégia de investimento baseada em previsões e capaz de fornecer retornos significativamente maiores do que aqueles obtidos com uma estratégia simples conhecida como buy and hold. Esses resultados ilustram o grande potencial do uso de técnicas de aprendizagem de maquina como suporte para a tomada de decisões de compra e venda em bolsas de valores. Além disso, abordam-se aspectos teóricos referentes à alguns métodos de otimização. Em particular, um estudo unificado de complexidade para métodos de descida é apresentado.Abstract: This work investigates the use of Machine Learning models for predicting the movements of Ibovespa, which is the index that represents the overall performance of the stocks negotiated in the BM&FBovespa. Specifically, the models considered are Linear Regression, Logistic Regression, C-SVM and Artificial Neural Networks. Using monthly data about Ibovespa, these models are trained to the task of predicting the index movements (up and down) for horizons of 1, 3, 6 and 12 months ahead. In the experiments performed, with a C-SVM it was possible to reach an accuracy of 72,7% for predictions 6 months ahead. This accuracy was improved up to 78,8% by using a suitable combination of Linear Regression, Logistic Regression and C-SVM. Then, this hybrid model was incorporated to a trading strategy for negotiation of index fund BOVA11, which tries to replicate the movements of Ibovespa. Numerical simulations suggest that this trading strategy based on forecasts is able to provide gains significantly higher than those obtained with a simple strategy known as buy and hold. These results illustrate the great potential of Machine Learning as support for trading decisions in the stock market. In addition, theoretical approaches to some optimization methods are discussed. In particular, a unified complexity study for descent methods is presented.97 f. : gráfs., tabs.application/pdfDisponível em formato digitalMatematicaRedes neurais (Computação)Bolsa de valoresOtimização matemáticaAprendizagem de máquina aplicada à previsão dos movimentos do Ibovespainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ALINE CRISTIANE FINKLER.pdfapplication/pdf1598476https://acervodigital.ufpr.br/bitstream/1884/49395/1/R%20-%20D%20-%20ALINE%20CRISTIANE%20FINKLER.pdfe9d946c7f593c0d74d296cac2a42c9a7MD51open access1884/493952024-04-29 16:11:00.485open accessoai:acervodigital.ufpr.br:1884/49395Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-04-29T19:11Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
title Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
spellingShingle Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
Finkler, Aline Cristiane
Matematica
Redes neurais (Computação)
Bolsa de valores
Otimização matemática
title_short Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
title_full Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
title_fullStr Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
title_full_unstemmed Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
title_sort Aprendizagem de máquina aplicada à previsão dos movimentos do Ibovespa
author Finkler, Aline Cristiane
author_facet Finkler, Aline Cristiane
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Matemática
dc.contributor.advisor1.fl_str_mv Grapiglia, Geovani Nunes, 1987-
dc.contributor.author.fl_str_mv Finkler, Aline Cristiane
contributor_str_mv Grapiglia, Geovani Nunes, 1987-
dc.subject.por.fl_str_mv Matematica
Redes neurais (Computação)
Bolsa de valores
Otimização matemática
topic Matematica
Redes neurais (Computação)
Bolsa de valores
Otimização matemática
description Orientador: Prof. Dr. Geovani Nunes Grapiglia
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2024-04-29T19:11:00Z
dc.date.available.fl_str_mv 2024-04-29T19:11:00Z
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://hdl.handle.net/1884/49395
url https://hdl.handle.net/1884/49395
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 97 f. : gráfs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/49395/1/R%20-%20D%20-%20ALINE%20CRISTIANE%20FINKLER.pdf
bitstream.checksum.fl_str_mv e9d946c7f593c0d74d296cac2a42c9a7
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526218968072192

Registros relacionados