Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Previsão do preço de ações da Petrobras utilizando redes neurais artificiais
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1110203
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0002-1278-4602 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/6904980376005290 | - |
| Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0002-1278-4602 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/6904980376005290 | - |
| Autor(es): dc.contributor | Santos, Dayvid Souza | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0003-1270-7014 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/6122017622317280 | - |
| Autor(es): dc.contributor | Trojan, Flavio | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0003-2274-5321 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/1688457940211697 | - |
| Autor(es): dc.contributor | Alves, Thiago Antonini | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0003-2950-7377 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/0763708094190677 | - |
| Autor(es): dc.creator | Moura, Gilvan Vieira | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:15:57Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:15:57Z | - |
| Data de envio: dc.date.issued | 2025-05-05 | - |
| Data de envio: dc.date.issued | 2025-05-05 | - |
| Data de envio: dc.date.issued | 2025-02-26 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36722 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1110203 | - |
| Descrição: dc.description | The stock market represents an investment alternative with high return potential, but permeated by inherent uncertainty and volatility. Conventional approaches, such as statistical methods and technical and fundamental analysis, prove to be limited in identifying non-linear relationships between the variables that affect stock prices and their upward and downward movements. Therefore, the application of more advanced techniques, such as Artificial Neural Networks (ANN), is necessary for a more comprehensive and accurate analysis of the stock market, which includes a wide variety of data, which is highly volatile and follows non-linear patterns over time, forming complex time series. Because of this, predicting market fluctuations becomes a significant challenge. In this study, the price of shares on the market serves as a source of information for investors in decisions relating to the allocation of resources, strategic planning and the execution of financial transactions. Thus, this paper investigates the application of artificiais neurais networks in forecasting the stock market of Petrobras, one of the world's largest energy companies. This is a challenging task due to the complex and highly volatile nature of the company, and the use of an ANN is justified by the difficulty of traditional statistical methods in achieving accurate long-term forecasts in economic time series. To this end, this paper describes the development and implementation of a recurrent neural network (RNN) model using the TensorFlow library, which employs a sequential architecture composed of bidirectional Long Short-Term Memory (LSTM) layers, interspersed with Batch Normalization and Dropout layers, in order to mitigate overfitting and promote maximization of generalization. The findings of this study reveal the significant potential of Artificial Neural Networks in predicting the performance of the Petrobras stock market. By capturing complex, non-linear patterns in financial data, it is possible to make informed financial decisions. The results obtained show the ability of a properly structured ANN to identify and represent intricate and non-linear mappings, often found in financial time series. The results of this study point to the RBF model as the most effective for predicting time series, due to its lower error and high consistency. The LSTM and ELM models also demonstrate high performance, combining accuracy and stability. Despite being a viable alternative, MLP has limitations in terms of robustness. ARIMA, on the other hand, has good stability but lower predictive reliability, making it a secondary option. RBF is therefore recommended as the preferred choice, with LSTM and ELM as promising alternatives. | - |
| Descrição: dc.description | O mercado de ações representa uma alternativa de investimento com potencial de retorno elevado, porém permeado pela incerteza e volatilidade inerentes. As abordagens convencionais, como métodos estatísticos e análises técnica e fundamentalista, revelam-se limitadas na identificação de relações não lineares entre as variáveis que afetam o preço das ações e seus movimentos de alta e baixa. Portanto, a aplicação de técnicas mais avançadas, como as Redes Neurais Artificiais (RNA), torna-se necessária para uma análise mais abrangente e precisa do mercado de ações, que comporta uma grande diversidade de dados, altamente voláteis e que seguem padrões não lineares ao longo do tempo, formando séries temporais complexas. Devido a isso, a previsão das flutuações do mercado se torna um desafio significativo. Neste estudo, o preço das ações no mercado serve como fonte de informação para os investidores nas decisões relacionadas à alocação de recursos, planejamento estratégico e execução de transações financeiras. Assim, este trabalho investiga a aplicação de redes neurais artificiais na previsão do mercado de ações da Petrobras, uma das maiores empresas de energia do mundo. Essa é uma tarefa desafiadora devido à natureza complexa e altamente volátil da empresa, e o uso de uma RNA se justifica pela dificuldade dos métodos estatísticos tradicionais em conseguir previsões acuradas a longo prazo em séries temporais econômicas. Para tanto, o presente trabalho descreve o desenvolvimento e a implementação de um modelo de rede neural recorrente (RNN) utilizando a biblioteca TensorFlow, que emprega uma arquitetura sequencial composta por camadas bidirecionais de Long Short-Term Memory (LSTM), intercaladas com camadas de normalização em lote (Batch Normalization) e Dropout, visando a mitigar o sobreajuste e promover a maximização da generalização. Os achados deste estudo revelam o potencial significativo das Redes Neurais Artificiais na previsão do desempenho do mercado de ações da Petrobras. Ao capturar padrões complexos e não lineares nos dados financeiros, é possível embasar decisões financeiras fundamentadas. Os resultados obtidos mostram a capacidade de uma RNA adequadamente estruturada em identificar e representar mapeamentos intrincados e não lineares, frequentemente encontrados em séries temporais financeiras. Os resultados deste estudo apontam o modelo RBF como o mais eficaz para previsão de séries temporais, devido ao menor erro e elevada consistência. Os modelos LSTM e ELM também demonstram alto desempenho, unindo precisão e estabilidade. Apesar de ser uma alternativa viável, o MLP apresenta limitações na robustez. O ARIMA, por sua vez, tem boa estabilidade, mas menor confiabilidade preditiva, posicionando-se como uma opção secundária. Dessa forma, o RBF é recomendado como a escolha preferencial, com LSTM e ELM como alternativas promissoras. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Ponta Grossa | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia de Produção | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Mercado de ações - Previsão | - |
| Palavras-chave: dc.subject | Mercado financeiro | - |
| Palavras-chave: dc.subject | Ações (Finanças) - Preços | - |
| Palavras-chave: dc.subject | PETROBRAS | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | Stock price forecasting | - |
| Palavras-chave: dc.subject | Money market | - |
| Palavras-chave: dc.subject | Stocks - Prices | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
| Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
| Título: dc.title | Previsão do preço de ações da Petrobras utilizando redes neurais artificiais | - |
| Título: dc.title | Forecasting Petrobras stock prices using artificial neural networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo