Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Faria, Elisangela Lopes de
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 do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia Civil
UFRJ
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes Neurais de Aprendizado Profundo
Word2vec
Mercados Financeiros
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
Link de acesso: http://hdl.handle.net/11422/11418
Resumo: This work presents a predictive study of the main index of the Brazilian stock market (Ibovespa) by using economic and financial information extracted from important financial news providers in Brazil. A hybrid model is proposed combining the potentialities of two distinct artificial neural network architectures, a convolutional neural network (deep learning architecture) and an extreme learning machine, together with techniques of Natural Language Processing, more precisely techniques of distributed representation of words (word embeddings). The influence on the results of the different parameters intrinsic to the proposed model is show and discussed. The maximum accuracy obtained with the predictive model was 60,2%. A trading strategy was developed according to the model predictions, reporting superior profitability as compared to the buy and hold strategy. Finally, the results obtained on this emerging market are similar to the other found in studies reported in the literature, although performed on well developed markets.
id UFRJ_a84dde2cc2c64c89831bc52ae483f486
oai_identifier_str oai:pantheon.ufrj.br:11422/11418
network_acronym_str UFRJ
network_name_str Repositório Institucional da UFRJ
repository_id_str
spelling Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiroConvolution neural network and extreme learning machine applied to the Brazilian financial marketRedes Neurais de Aprendizado ProfundoWord2vecMercados FinanceirosCNPQ::ENGENHARIAS::ENGENHARIA CIVILThis work presents a predictive study of the main index of the Brazilian stock market (Ibovespa) by using economic and financial information extracted from important financial news providers in Brazil. A hybrid model is proposed combining the potentialities of two distinct artificial neural network architectures, a convolutional neural network (deep learning architecture) and an extreme learning machine, together with techniques of Natural Language Processing, more precisely techniques of distributed representation of words (word embeddings). The influence on the results of the different parameters intrinsic to the proposed model is show and discussed. The maximum accuracy obtained with the predictive model was 60,2%. A trading strategy was developed according to the model predictions, reporting superior profitability as compared to the buy and hold strategy. Finally, the results obtained on this emerging market are similar to the other found in studies reported in the literature, although performed on well developed markets.Este trabalho apresenta um estudo preditivo do principal índice do mercado acionário brasileiro (Ibovespa) utilizando informações econômicas e financeiras extraídas de importantes provedores de notícias financeiras do Brasil. Um modelo híbrido é proposto combinando as potencialidades de duas arquiteturas de redes neurais artificiais distintas, uma rede neural Convolucional (arquitetura de aprendizado profundo) e uma máquina de aprendizado extremo, juntamente com técnicas de Processamento de Linguagem Natural, mais precisamente as técnicas de representação distribuída das palavras (word embeddings). A influência nos resultados dos principais parâmetros intrínsecos ao modelo proposto é mostrada e discutida. A acurácia máxima obtida com o modelo preditivo foi de 60,2%. Uma estratégia de negociação foi desenvolvida conforme as previsões do modelo reportando lucratividade superior quando comparada com a estratégia buy and hold. Por fim, os resultados obtidos sobre este mercado emergente são equivalentes a outros similares reportados na literatura, porém em mercados bem desenvolvidos.Universidade Federal do Rio de JaneiroBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaPrograma de Pós-Graduação em Engenharia CivilUFRJEbecken, Nelson Francisco Favillahttp://lattes.cnpq.br/2703716951709834http://lattes.cnpq.br/3467601534464539Albuquerque, Marcelo Portes dehttp://lattes.cnpq.br/6430879459326899Alves, Jose Luiz DrummondDantas, Mario Antonio RibeiroFernandes, EltonFaria, Elisangela Lopes de2020-03-06T12:27:07Z2023-12-21T03:06:53Z2018-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://hdl.handle.net/11422/11418porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJ2023-12-21T03:06:53Zoai:pantheon.ufrj.br:11422/11418Repositório InstitucionalPUBhttp://www.pantheon.ufrj.br/oai/requestpantheon@sibi.ufrj.bropendoar:2023-12-21T03:06:53Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.none.fl_str_mv Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
Convolution neural network and extreme learning machine applied to the Brazilian financial market
title Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
spellingShingle Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
Faria, Elisangela Lopes de
Redes Neurais de Aprendizado Profundo
Word2vec
Mercados Financeiros
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
title_short Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
title_full Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
title_fullStr Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
title_full_unstemmed Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
title_sort Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
author Faria, Elisangela Lopes de
author_facet Faria, Elisangela Lopes de
author_role author
dc.contributor.none.fl_str_mv Ebecken, Nelson Francisco Favilla
http://lattes.cnpq.br/2703716951709834
http://lattes.cnpq.br/3467601534464539
Albuquerque, Marcelo Portes de
http://lattes.cnpq.br/6430879459326899
Alves, Jose Luiz Drummond
Dantas, Mario Antonio Ribeiro
Fernandes, Elton
dc.contributor.author.fl_str_mv Faria, Elisangela Lopes de
dc.subject.por.fl_str_mv Redes Neurais de Aprendizado Profundo
Word2vec
Mercados Financeiros
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
topic Redes Neurais de Aprendizado Profundo
Word2vec
Mercados Financeiros
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
description This work presents a predictive study of the main index of the Brazilian stock market (Ibovespa) by using economic and financial information extracted from important financial news providers in Brazil. A hybrid model is proposed combining the potentialities of two distinct artificial neural network architectures, a convolutional neural network (deep learning architecture) and an extreme learning machine, together with techniques of Natural Language Processing, more precisely techniques of distributed representation of words (word embeddings). The influence on the results of the different parameters intrinsic to the proposed model is show and discussed. The maximum accuracy obtained with the predictive model was 60,2%. A trading strategy was developed according to the model predictions, reporting superior profitability as compared to the buy and hold strategy. Finally, the results obtained on this emerging market are similar to the other found in studies reported in the literature, although performed on well developed markets.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
2020-03-06T12:27:07Z
2023-12-21T03:06:53Z
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 http://hdl.handle.net/11422/11418
url http://hdl.handle.net/11422/11418
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 Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia Civil
UFRJ
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia Civil
UFRJ
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRJ
instname:Universidade Federal do Rio de Janeiro (UFRJ)
instacron:UFRJ
instname_str Universidade Federal do Rio de Janeiro (UFRJ)
instacron_str UFRJ
institution UFRJ
reponame_str Repositório Institucional da UFRJ
collection Repositório Institucional da UFRJ
repository.name.fl_str_mv Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)
repository.mail.fl_str_mv pantheon@sibi.ufrj.br
_version_ 1861279099257880576

Registros relacionados