Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Oliveira, Israel da Silva
Orientador(a): Não Informado pela instituição
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:
Modelo de Ising
Mercado financeiro
Redes complexas
Aprendizagem por reforço
Séries temporais
Link de acesso: http://repositorio.unb.br/handle/10482/52363
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2025.
id UNB_7bd9ab58f34c4bc62582cffe1d37b88e
oai_identifier_str oai:repositorio.unb.br:10482/52363
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruídoIsing model in complex networks : characterization and prediction in noisy time seriesModelo de IsingMercado financeiroRedes complexasAprendizagem por reforçoSéries temporaisDissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2025.Este trabalho propõe a integração do modelo de Ising, amplamente utilizado em física estatística para descrever transições de fase, com aprendizado por reforço, técnica de inteligência artificial, para modelar o comportamento de séries temporais. O objetivo é explorar a dinâmica complexa desses sistemas, onde decisões individuais de agentes interagem para formar padrões coletivos. O modelo de Ising é aplicado em uma rede livre de escala, onde os spins são representados pelos nós e as interações entre vizinhos pelas arestas, que reflete a heterogeneidade e a conectividade assimétrica observada em diversos contextos, enquanto o aprendizado por reforço, especificamente o algoritmo Q-learning, é utilizado para prever tendências em séries temporais. A pesquisa desenvolve um modelo híbrido, denominado Q-Ising, que combina a capacidade do modelo de Ising de capturar interações locais entre agentes (representados como spins) com a habilidade do Q-learning de otimizar decisões com base em recompensas. O campo externo no modelo de Ising é influenciado pelas previsões do Q-learning, permitindo que o sistema simule padrões dinâmicos em séries temporais. Em particular, este trabalho aplica o modelo às séries temporais do mercado financeiro, analisando o comportamento de diferentes tipos de ativos financeiros. Os resultados indicam que o modelo Q-Ising supera o Q-learning em ativos com maior risco associado, enquanto o Q-learning tem melhor desempenho em ativos com melhores retornos ajustados ao risco. A análise dos parâmetros físicos do modelo de Ising, como temperatura e interação entre spins, sugere uma correlação com a dispersão de opiniões e a coesão entre investidores no mercado. Conclui-se que a abordagem híbrida proposta oferece uma nova perspectiva para a caracterização de séries temporais, especialmente no contexto dos mercados financeiros, com potenciais aplicações em análise de risco e tomada de decisões estratégicas.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).This work proposes the integration of the Ising model, widely used in statistical physics to describe phase transitions, with reinforcement learning, an artificial intelligence technique, to model the behavior of time series. The objective is to explore the complex dynamics of these systems, where individual agent decisions interact to form collective patterns. The Ising model is applied to a scale-free network, where the spins are represented by the nodes and the interactions between neighbors by the edges, reflecting the heterogeneity and asymmetric connectivity observed in various contexts. Meanwhile, reinforcement learning, specifically the Q-learning algorithm, is employed to predict trends in time series. This research develops a hybrid model, termed Q-Ising, which combines the ability of the Ising model to capture local interactions among agents (represented as spins) with the capability of Q-learning to optimize decisions based on rewards. The external field in the Ising model is influenced by the predictions of Q-learning, allowing the system to simulate dynamic patterns in time series. In particular, this study applies the model to financial market time series, analyzing the behavior of different types of financial assets. The results indicate that the Q-Ising model outperforms Q-learning in assets with higher associated risk, whereas Q-learning performs better in assets with higher risk-adjusted returns. The analysis of the physical parameters of the Ising model, such as temperature and spin interactions, suggests a correlation with opinion dispersion and investor cohesion in the market. It is concluded that the proposed hybrid approach offers a novel perspective for characterizing time series, particularly in the context of financial markets, with potential applications in risk analysis and strategic decision-making.Instituto de Física (IF)Programa de Pós-Graduação em FísicaRocha Filho, Tarcísio Marciano daOliveira, Israel da Silva2025-07-08T13:51:33Z2025-07-08T13:51:33Z2025-07-082025-03-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfOLIVEIRA, Israel da Silva. Modelo de Ising em redes complexas: caracterização e predição em séries temporais com ruído. 2025. 81 f., il. Dissertação (Mestrado em Física) — Universidade de Brasília, Brasília, 2025.http://repositorio.unb.br/handle/10482/52363porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-07-08T13:51:33Zoai:repositorio.unb.br:10482/52363Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-07-08T13:51:33Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
Ising model in complex networks : characterization and prediction in noisy time series
title Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
spellingShingle Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
Oliveira, Israel da Silva
Modelo de Ising
Mercado financeiro
Redes complexas
Aprendizagem por reforço
Séries temporais
title_short Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
title_full Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
title_fullStr Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
title_full_unstemmed Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
title_sort Modelo de Ising em redes complexas : caracterização e predição em séries temporais com ruído
author Oliveira, Israel da Silva
author_facet Oliveira, Israel da Silva
author_role author
dc.contributor.none.fl_str_mv Rocha Filho, Tarcísio Marciano da
dc.contributor.author.fl_str_mv Oliveira, Israel da Silva
dc.subject.por.fl_str_mv Modelo de Ising
Mercado financeiro
Redes complexas
Aprendizagem por reforço
Séries temporais
topic Modelo de Ising
Mercado financeiro
Redes complexas
Aprendizagem por reforço
Séries temporais
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2025.
publishDate 2025
dc.date.none.fl_str_mv 2025-07-08T13:51:33Z
2025-07-08T13:51:33Z
2025-07-08
2025-03-17
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 OLIVEIRA, Israel da Silva. Modelo de Ising em redes complexas: caracterização e predição em séries temporais com ruído. 2025. 81 f., il. Dissertação (Mestrado em Física) — Universidade de Brasília, Brasília, 2025.
http://repositorio.unb.br/handle/10482/52363
identifier_str_mv OLIVEIRA, Israel da Silva. Modelo de Ising em redes complexas: caracterização e predição em séries temporais com ruído. 2025. 81 f., il. Dissertação (Mestrado em Física) — Universidade de Brasília, Brasília, 2025.
url http://repositorio.unb.br/handle/10482/52363
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1844338811714142208

Registros relacionados