Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Chaves Neto, Anselmo 1945- | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia | - |
Autor(es): dc.creator | Musial, Nayane Thais Krespi | - |
Data de aceite: dc.date.accessioned | 2019-08-22T00:33:40Z | - |
Data de disponibilização: dc.date.available | 2019-08-22T00:33:40Z | - |
Data de envio: dc.date.issued | 2018-03-14 | - |
Data de envio: dc.date.issued | 2018-03-14 | - |
Data de envio: dc.date.issued | 2016 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/1884/46073 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/46073 | - |
Descrição: dc.description | Orientador : Prof. Dr. Anselmo Chaves Neto | - |
Descrição: dc.description | Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 13/12/2016 | - |
Descrição: dc.description | Inclui referências : f. 115-118 | - |
Descrição: dc.description | Área de concentração : Programação matetemática | - |
Descrição: dc.description | Linha de pesquisa : Métodos estatísticos aplicados à Engenharia | - |
Descrição: dc.description | Resumo: Este trabalho tem como objetivo avaliar qual o melhor modelo de previsão do preço das ações da carteira teórica composta pelas empresas integrantes do IBrX-50 entre as técnicas: análise de séries temporais, modelos ARCH-GARCH, redes neurais de camada recorrente ou análise de dados em painel. O ineditismo do trabalho consiste em utilizar o modelo multivariado de análise de dados em painel para prever um conjunto de séries temporais univariadas. Para isso pesquisou-se a literatura relacionada aos modelos de previsão, bem como aquela que tange o mercado acionário e seu mecanismo de funcionamento, foram ainda descritos alguns estudos já realizados nessa área. Em relação aos procedimentos metodológicos foram pesquisadas 20 empresas componentes do índice IBRX-50 listadas na BM&FBovespa desde ao menos 2014 até 2016. A variável utilizada em todas as análises foi o preço de diário de fechamento da ação (portanto dados diários) e o período de análise inicia em 02/01/2004 e encerra em 31/08/2016, sendo que o mês de agosto de 2016 foi destinado às previsões. Ao fazer as previsões com os modelos ARIMA evidenciou-se erros bastante altos, indicando que este modelo não é adequado para a previsão de séries financeiras. Com o intuito de melhorar os resultados encontrados, realizou-se as previsões utilizando modelos ARCH-GARCH e os resultados encontrados melhoraram bastante e passaram a ser satisfatórios. Em relação as previsões utilizando redes de Elman, encontrou-se resultados satisfatórios, tanto quanto com os modelos heterocedásticos. A contribuição do trabalho está nos resultados encontrados para as previsões realizadas com o modelo multivariado de dados em painel. Os resultados foram promissores, melhores do que aqueles encontrados com os três modelos anteriores. Este resultado evidencia que com menos trabalho e de forma mais rápida é possível alcançar previsões mais próximas dos preços observados, o que corrobora com a teoria de Markovitz que prevê a diversificação das carteiras. Em resumo é possível afirmar, que com a realização deste estudo, mostrou-se que o modelo de Dados em Painel foi mais eficiente para prever o preço das ações das empresas analisadas. Palavras-chave: ARIMA. ARCH-GARCH. Redes de Elman. Dados em Painel. Preço de ações. Modelo de Markovitz. | - |
Descrição: dc.description | Abstract: The objective of this work is to evaluate the best predictive model of the stock price of the theoretical portfolio composed by the companies integrating IBrX-50 among the techniques: time series analysis, ARCH-GARCH models, recurrent layer neural networks or data analysis On panel. The novelty of the work is to use the multivariate model of panel data analysis to predict a set of univariate time series. In order to do this, the literature related to forecasting models, as well as those related to the stock market and its mechanism of operation, were also described. In relation to the methodological procedures, 20 companies were included in the IBRX-50 index listed on the BM&FBovespa from at least 2014 until 2016. The variable used in all analyzes was the stock closing daily price (thus daily data) and the analysis begins on 01/02/2004 and ends on 08/31/2016, and the month of august 2016 was destined to the forecasts. When making the forecasts with the ARIMA models it was evidenced quite high errors, indicating that this model is not suitable for the prediction of financial series. In order to improve the results found, the predictions were made using ARCH-GARCH models and the results found improved and became satisfactory. Regarding the predictions using Elman networks, satisfactory results were found, as well as with the heterocedastic models. The contribution of the work is in the results found for the predictions made with the multivariate panel data model. The results were promising, better than those found with the three previous models. This result shows that with less work and faster it is possible to reach forecasts closer to observed prices, which corroborates Markovitz's theory of portfolio diversification. In summary, it is possible to affirm that with the accomplishment of this study, it was shown that the Panel Data model was more efficient to predict the stock price of the analyzed companies. Keywords: ARIMA. ARCH-GARCH. Neural Networks. Panel Data. Stock price. Markovitz model. | - |
Formato: dc.format | 123 f. : il. algumas color., tabs., grafs. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Relação: dc.relation | Disponível em formato digital | - |
Palavras-chave: dc.subject | Análise numérica | - |
Palavras-chave: dc.subject | Analise de series temporais | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Previsão com Metodologia de Box-Jenkins | - |
Palavras-chave: dc.subject | Teses | - |
Título: dc.title | Metodologia Box & Jenkins, modelos arch-garch, redes neurais de camada recorrente e análise de dados em painel na previsão de séries financeiras | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
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: