Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Dametto, Ronaldo César
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: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/157058
Resumo: O aprendizado de máquina vem sendo utilizado em diferentes segmentos da área financeira, como na previsão de preços de ações, mercado de câmbio, índices de mercado e composição de carteira de investimento. Este trabalho busca comparar e combinar três tipos de algoritmos de aprendizagem de máquina, mais especificamente, o método Ensemble de Redes Neurais Artificias com as redes Multilayer Perceptrons (MLP), auto-regressiva com entradas exógenas (NARX) e Long Short-Term Memory (LSTM) para predição do Índice Bovespa. A amostra da série do Ibovespa foi obtida pelo Yahoo!Finance no período de 04 de janeiro de 2010 a 28 de dezembro de 2017, de periodicidade diária. Foram utilizadas as séries temporais referentes a cotação do Dólar, além de indicadores numéricos da Análise Técnica como variáveis independentes para compor a predição. Os algoritmos foram desenvolvidos através da linguagem Python usando framework Keras. Para avaliação dos algoritmos foram utilizadas as métricas de desempenho MSE, RMSE e MAPE, além da comparação entre as previsões obtidas e os valores reais. Os resultados das métricas indicam bom desempenho de predição pelo modelo Ensemble proposto, obtendo 70% de acerto no movimento do índice, porém, não conseguiu atingir melhores resultados que as redes MLP e NARX, ambas com 80% de acerto.
id UNSP_cc8f977adef94c1e514ad9ce449119ba
oai_identifier_str oai:repositorio.unesp.br:11449/157058
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeirasStudy of the application of artificial neural networks for the prediction of financial time seriesRedes neurais artificiaisPrevisão séries temporais financeirasEnsemble de redes neuraisLong short-term memory (LSTM)Artificial neural networksFinancial time series forecastEnsemble of neural networksO aprendizado de máquina vem sendo utilizado em diferentes segmentos da área financeira, como na previsão de preços de ações, mercado de câmbio, índices de mercado e composição de carteira de investimento. Este trabalho busca comparar e combinar três tipos de algoritmos de aprendizagem de máquina, mais especificamente, o método Ensemble de Redes Neurais Artificias com as redes Multilayer Perceptrons (MLP), auto-regressiva com entradas exógenas (NARX) e Long Short-Term Memory (LSTM) para predição do Índice Bovespa. A amostra da série do Ibovespa foi obtida pelo Yahoo!Finance no período de 04 de janeiro de 2010 a 28 de dezembro de 2017, de periodicidade diária. Foram utilizadas as séries temporais referentes a cotação do Dólar, além de indicadores numéricos da Análise Técnica como variáveis independentes para compor a predição. Os algoritmos foram desenvolvidos através da linguagem Python usando framework Keras. Para avaliação dos algoritmos foram utilizadas as métricas de desempenho MSE, RMSE e MAPE, além da comparação entre as previsões obtidas e os valores reais. Os resultados das métricas indicam bom desempenho de predição pelo modelo Ensemble proposto, obtendo 70% de acerto no movimento do índice, porém, não conseguiu atingir melhores resultados que as redes MLP e NARX, ambas com 80% de acerto.Different segments of the financial area, such as the forecast of stock prices, the foreign exchange market, the market indices and the composition of investment portfolio, use machine learning. This work aims to compare and combine two types of machine learning algorithms, the Artificial Neural Network Ensemble method with Multilayer Perceptrons (MLP), auto-regressive with exogenous inputs (NARX) and Long Short-Term Memory (LSTM) for prediction of the Bovespa Index. The Bovespa time series samples were obtained daily, using Yahoo! Finance, from January 4th, 2010 to December 28th, 2017. Dollar quotation, Google trends and numerical indicators of the Technical Analysis were used as independent variables to compose the prediction. The algorithms were developed using Python and Keras framework. Finally, in order to evaluate the algorithms, the MSE, RMSE and MAPE performance metrics, as well as the comparison between the obtained predictions and the actual values, were used. The results of the metrics indicate good prediction performance by the proposed Ensemble model, obtaining a 70% accuracy in the index movement, but failed to achieve better results than the MLP and NARX networks, both with 80% accuracy.Universidade Estadual Paulista (Unesp)Crepaldi, Antonio Fernando [UNESP]Universidade Estadual Paulista (Unesp)Dametto, Ronaldo César2018-09-20T12:19:07Z2018-09-20T12:19:07Z2018-08-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/15705800090803633004056086P6porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-06-28T19:05:40Zoai:repositorio.unesp.br:11449/157058Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-06T00:05:51.164891Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
Study of the application of artificial neural networks for the prediction of financial time series
title Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
spellingShingle Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
Dametto, Ronaldo César
Redes neurais artificiais
Previsão séries temporais financeiras
Ensemble de redes neurais
Long short-term memory (LSTM)
Artificial neural networks
Financial time series forecast
Ensemble of neural networks
title_short Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
title_full Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
title_fullStr Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
title_full_unstemmed Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
title_sort Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras
author Dametto, Ronaldo César
author_facet Dametto, Ronaldo César
author_role author
dc.contributor.none.fl_str_mv Crepaldi, Antonio Fernando [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Dametto, Ronaldo César
dc.subject.por.fl_str_mv Redes neurais artificiais
Previsão séries temporais financeiras
Ensemble de redes neurais
Long short-term memory (LSTM)
Artificial neural networks
Financial time series forecast
Ensemble of neural networks
topic Redes neurais artificiais
Previsão séries temporais financeiras
Ensemble de redes neurais
Long short-term memory (LSTM)
Artificial neural networks
Financial time series forecast
Ensemble of neural networks
description O aprendizado de máquina vem sendo utilizado em diferentes segmentos da área financeira, como na previsão de preços de ações, mercado de câmbio, índices de mercado e composição de carteira de investimento. Este trabalho busca comparar e combinar três tipos de algoritmos de aprendizagem de máquina, mais especificamente, o método Ensemble de Redes Neurais Artificias com as redes Multilayer Perceptrons (MLP), auto-regressiva com entradas exógenas (NARX) e Long Short-Term Memory (LSTM) para predição do Índice Bovespa. A amostra da série do Ibovespa foi obtida pelo Yahoo!Finance no período de 04 de janeiro de 2010 a 28 de dezembro de 2017, de periodicidade diária. Foram utilizadas as séries temporais referentes a cotação do Dólar, além de indicadores numéricos da Análise Técnica como variáveis independentes para compor a predição. Os algoritmos foram desenvolvidos através da linguagem Python usando framework Keras. Para avaliação dos algoritmos foram utilizadas as métricas de desempenho MSE, RMSE e MAPE, além da comparação entre as previsões obtidas e os valores reais. Os resultados das métricas indicam bom desempenho de predição pelo modelo Ensemble proposto, obtendo 70% de acerto no movimento do índice, porém, não conseguiu atingir melhores resultados que as redes MLP e NARX, ambas com 80% de acerto.
publishDate 2018
dc.date.none.fl_str_mv 2018-09-20T12:19:07Z
2018-09-20T12:19:07Z
2018-08-06
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 http://hdl.handle.net/11449/157058
000908036
33004056086P6
url http://hdl.handle.net/11449/157058
identifier_str_mv 000908036
33004056086P6
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.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808130404236918784