Previsão do preço de ações brasileiras utilizando redes neurais artificiais

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Torres, Sérgio lattes
Orientador(a): Hadad Junior, Eli lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Presbiteriana Mackenzie
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
GRU
LSTM
machine learning
MDA
redes neurais artificiais
Área do conhecimento CNPq:
CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS
Link de acesso: https://dspace.mackenzie.br/handle/10899/28379
Resumo: A análise do mercado de ações é influenciada pela tendência de alta e de queda do preço dos ativos em relação a curtos períodos de tempo, muitas vezes em virtude de sentimentos e expectativas de investidores, que podem afetar a movimentação das ações. Uma das possibilidades de maximizar os retornos na previsão de ações é prever o movimento direcional dos ativos em vez de prever os preços. Este artigo analisa o uso de redes neurais artificiais para prever o movimento direcional dos ativos e compara o desempenho de duas arquiteturas de redes neurais: LSTM e GRU. O índice Ibovespa e algumas ações são analisados em diversos horizontes de tempo visando a descoberta de padrões específicos. O desempenho das referidas arquiteturas é muito semelhante entre si: para horizontes de tempo curtos a arquitetura LSTM apresentou melhor precisão, e para horizontes de tempo longos a GRU é mais precisa que a LSTM.
id UPM_53a7da425bcdd73d1872fd1723508cbc
oai_identifier_str oai:dspace.mackenzie.br:10899/28379
network_acronym_str UPM
network_name_str Repositório Digital do Mackenzie
repository_id_str
spelling Torres, Sérgiohttp://lattes.cnpq.br/2030318390506756Hadad Junior, Elihttp://lattes.cnpq.br/57561904011040982021-12-13T18:18:48Z2021-12-13T18:18:48Z2021-08-06TORRES, Sérgio. Previsão do preço de ações brasileiras utilizando redes neurais artificiais. 2021. 51 f. Dissertação (Mestrado em Administração de Empresas) - Universidade Presbiteriana Mackenzie, São Paulo. 2021.https://dspace.mackenzie.br/handle/10899/28379A análise do mercado de ações é influenciada pela tendência de alta e de queda do preço dos ativos em relação a curtos períodos de tempo, muitas vezes em virtude de sentimentos e expectativas de investidores, que podem afetar a movimentação das ações. Uma das possibilidades de maximizar os retornos na previsão de ações é prever o movimento direcional dos ativos em vez de prever os preços. Este artigo analisa o uso de redes neurais artificiais para prever o movimento direcional dos ativos e compara o desempenho de duas arquiteturas de redes neurais: LSTM e GRU. O índice Ibovespa e algumas ações são analisados em diversos horizontes de tempo visando a descoberta de padrões específicos. O desempenho das referidas arquiteturas é muito semelhante entre si: para horizontes de tempo curtos a arquitetura LSTM apresentou melhor precisão, e para horizontes de tempo longos a GRU é mais precisa que a LSTM.The stock market analysis is influenced by the upward and downward trend related to the asset prices in relation to short periods. Due to the feelings and the expectations of investors, which can affect the movement of shares. One of the possibilities to maximize the returns in stock forecast is to predict the directional asset movement instead of forecasting the prices. This paper analyses the use of artificial neural networks to preview the directional asset movement and compares the performances of two architectures: LSTM and GRU. Shares and Ibovespa index are analyzed in several time horizons aiming at the observations of specific patterns. The performance of the said architectures is very similar to each other: for short time horizons, the LSTM architecture presented a better accuracy, and for long time horizons, the GRU is more accurate than LSTM.application/pdfporUniversidade Presbiteriana MackenzieGRULSTMmachine learningMDAredes neurais artificiaisCNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESASPrevisão do preço de ações brasileiras utilizando redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisartificial neural networkGRULSTMMDAmachine learninginfo:eu-repo/semantics/openAccessreponame:Repositório Digital do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIEBasso, Leonardo Fernando Cruzhttp://lattes.cnpq.br/1866154361601651Mendonça, Diogo de Princehttp://lattes.cnpq.br/3160691112817642BrasilCentro de Ciências Sociais e Aplicadas (CCSA)UPMAdministração de EmpresasORIGINALSERGIO TORRES.pdfSÉRGIO TORRESapplication/pdf5198011https://dspace.mackenzie.br/bitstreams/25193737-0686-4fac-9c26-c17cd960d8c1/download392713340d900c31f53c022482e534beMD51trueAnonymousREADLICENSElicense.txttext/plain2108https://dspace.mackenzie.br/bitstreams/8a6fac10-e5ab-4fdb-a544-aac4a15b4163/download1ca4f25d161e955cf4b7a4aa65b8e96eMD52falseAnonymousREADTEXTSERGIO TORRES.pdf.txtSERGIO TORRES.pdf.txtExtracted texttext/plain68904https://dspace.mackenzie.br/bitstreams/2ec26cbb-fb11-42df-8355-01e36ece04f5/download5d943856563e4b52c0e67dfa94d25410MD55falseAnonymousREADTHUMBNAILSERGIO TORRES.pdf.jpgSERGIO TORRES.pdf.jpgGenerated Thumbnailimage/jpeg1127https://dspace.mackenzie.br/bitstreams/c7b58a1a-c0b0-4cd1-9112-1e3a85ff07c2/downloadf3ddbfe2e7178bca04c287e984e64da2MD56falseAnonymousREAD10899/283792022-03-15T01:06:16.137Zopen.accessoai:dspace.mackenzie.br:10899/28379https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772022-03-15T01:06:16Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)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
dc.title.por.fl_str_mv Previsão do preço de ações brasileiras utilizando redes neurais artificiais
title Previsão do preço de ações brasileiras utilizando redes neurais artificiais
spellingShingle Previsão do preço de ações brasileiras utilizando redes neurais artificiais
Torres, Sérgio
GRU
LSTM
machine learning
MDA
redes neurais artificiais
CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS
title_short Previsão do preço de ações brasileiras utilizando redes neurais artificiais
title_full Previsão do preço de ações brasileiras utilizando redes neurais artificiais
title_fullStr Previsão do preço de ações brasileiras utilizando redes neurais artificiais
title_full_unstemmed Previsão do preço de ações brasileiras utilizando redes neurais artificiais
title_sort Previsão do preço de ações brasileiras utilizando redes neurais artificiais
author Torres, Sérgio
author_facet Torres, Sérgio
author_role author
dc.contributor.author.fl_str_mv Torres, Sérgio
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/2030318390506756
dc.contributor.advisor1.fl_str_mv Hadad Junior, Eli
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/5756190401104098
contributor_str_mv Hadad Junior, Eli
dc.subject.por.fl_str_mv GRU
LSTM
machine learning
MDA
redes neurais artificiais
topic GRU
LSTM
machine learning
MDA
redes neurais artificiais
CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS
description A análise do mercado de ações é influenciada pela tendência de alta e de queda do preço dos ativos em relação a curtos períodos de tempo, muitas vezes em virtude de sentimentos e expectativas de investidores, que podem afetar a movimentação das ações. Uma das possibilidades de maximizar os retornos na previsão de ações é prever o movimento direcional dos ativos em vez de prever os preços. Este artigo analisa o uso de redes neurais artificiais para prever o movimento direcional dos ativos e compara o desempenho de duas arquiteturas de redes neurais: LSTM e GRU. O índice Ibovespa e algumas ações são analisados em diversos horizontes de tempo visando a descoberta de padrões específicos. O desempenho das referidas arquiteturas é muito semelhante entre si: para horizontes de tempo curtos a arquitetura LSTM apresentou melhor precisão, e para horizontes de tempo longos a GRU é mais precisa que a LSTM.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-12-13T18:18:48Z
dc.date.available.fl_str_mv 2021-12-13T18:18:48Z
dc.date.issued.fl_str_mv 2021-08-06
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.citation.fl_str_mv TORRES, Sérgio. Previsão do preço de ações brasileiras utilizando redes neurais artificiais. 2021. 51 f. Dissertação (Mestrado em Administração de Empresas) - Universidade Presbiteriana Mackenzie, São Paulo. 2021.
dc.identifier.uri.fl_str_mv https://dspace.mackenzie.br/handle/10899/28379
identifier_str_mv TORRES, Sérgio. Previsão do preço de ações brasileiras utilizando redes neurais artificiais. 2021. 51 f. Dissertação (Mestrado em Administração de Empresas) - Universidade Presbiteriana Mackenzie, São Paulo. 2021.
url https://dspace.mackenzie.br/handle/10899/28379
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 Presbiteriana Mackenzie
publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
dc.source.none.fl_str_mv reponame:Repositório Digital do Mackenzie
instname:Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron:MACKENZIE
instname_str Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron_str MACKENZIE
institution MACKENZIE
reponame_str Repositório Digital do Mackenzie
collection Repositório Digital do Mackenzie
bitstream.url.fl_str_mv https://dspace.mackenzie.br/bitstreams/25193737-0686-4fac-9c26-c17cd960d8c1/download
https://dspace.mackenzie.br/bitstreams/8a6fac10-e5ab-4fdb-a544-aac4a15b4163/download
https://dspace.mackenzie.br/bitstreams/2ec26cbb-fb11-42df-8355-01e36ece04f5/download
https://dspace.mackenzie.br/bitstreams/c7b58a1a-c0b0-4cd1-9112-1e3a85ff07c2/download
bitstream.checksum.fl_str_mv 392713340d900c31f53c022482e534be
1ca4f25d161e955cf4b7a4aa65b8e96e
5d943856563e4b52c0e67dfa94d25410
f3ddbfe2e7178bca04c287e984e64da2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)
repository.mail.fl_str_mv repositorio@mackenzie.br||paola.damato@mackenzie.br
_version_ 1863649683648282624

Registros relacionados