Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | Mato Grosso State University | - |
Autor(es): dc.creator | Contreras, Rodrigo Colnago | - |
Autor(es): dc.creator | Xavier da Silva, Vitor Trevelin | - |
Autor(es): dc.creator | Xavier da Silva, Igor Trevelin | - |
Autor(es): dc.creator | Viana, Monique Simplicio | - |
Autor(es): dc.creator | Santos, Francisco Lledo dos | - |
Autor(es): dc.creator | Zanin, Rodrigo Bruno | - |
Autor(es): dc.creator | Martins, Erico Fernandes Oliveira | - |
Autor(es): dc.creator | Guido, Rodrigo Capobianco | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:49:43Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:49:43Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-03-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/e26030177 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298194 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298194 | - |
Descrição: dc.description | Since financial assets on stock exchanges were created, investors have sought to predict their future values. Currently, cryptocurrencies are also seen as assets. Machine learning is increasingly adopted to assist and automate investments. The main objective of this paper is to make daily predictions about the movement direction of financial time series through classification models, financial time series preprocessing methods, and feature selection with genetic algorithms. The target time series are Bitcoin, Ibovespa, and Vale. The methodology of this paper includes the following steps: collecting time series of financial assets; data preprocessing; feature selection with genetic algorithms; and the training and testing of machine learning models. The results were obtained by evaluating the models with the area under the ROC curve metric. For the best prediction models for Bitcoin, Ibovespa, and Vale, values of 0.61, 0.62, and 0.58 were obtained, respectively. In conclusion, the feature selection allowed the improvement of performance in most models, and the input series in the form of percentage variation obtained a good performance, although it was composed of fewer attributes in relation to the other sets tested. | - |
Descrição: dc.description | Department of Computer Science and Statistics Institute of Biosciences Letters and Exact Sciences São Paulo State University (UNESP), SP | - |
Descrição: dc.description | Department of Applied Mathematics and Statistics Institute of Mathematical and Computer Sciences University of São Paulo, SP | - |
Descrição: dc.description | Department of Computing Federal University of São Carlos, SP | - |
Descrição: dc.description | Faculty of Architecture and Engineering Mato Grosso State University, MT | - |
Descrição: dc.description | Department of Computer Science and Statistics Institute of Biosciences Letters and Exact Sciences São Paulo State University (UNESP), SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Entropy | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Bitcoin | - |
Palavras-chave: dc.subject | feature selection | - |
Palavras-chave: dc.subject | forecasting | - |
Palavras-chave: dc.subject | genetic algorithm | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | time series | - |
Título: dc.title | Genetic Algorithm for Feature Selection Applied to Financial Time Series Monotonicity Prediction: Experimental Cases in Cryptocurrencies and Brazilian Assets | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: