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 | Menezes, Paulo Lopes de | - |
Autor(es): dc.contributor | Menezes, Paulo Lopes de | - |
Autor(es): dc.contributor | Angonese, Cesar | - |
Autor(es): dc.contributor | Betzek, Nelson Miguel | - |
Autor(es): dc.creator | Mello, Talyson Rodrigues de | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:19:03Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:19:03Z | - |
Data de envio: dc.date.issued | 2022-10-23 | - |
Data de envio: dc.date.issued | 2022-10-23 | - |
Data de envio: dc.date.issued | 2021-05-04 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/29985 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1111110 | - |
Descrição: dc.description | This work aims to compare two models of recurrent neural networks, for the prediction of quotation of financial instruments, considering criteria such as coefficient of determination and correlation coefficient of predicted versus actual data. Comparative analysis of the LSTM (Long short-term memory) and GRU (Gated Recurrent Unit) model was performed based on a recurrent neural network. The work compared the two models in an identical recurrent neural network architecture for both models. Python-based algorithms using the Keras, Numpy Pandas and Scikit-learn libraries were used. The quotation of the Ibovespa Index for the period from April 28, 1993 to April 1, 2021, broken down by the daily quotation, served as input. The research results showed a better performance of the GRU model, which using the 200 previous closings of the Ibovespa Index as predictors, 300 times for training and using the Relu activation function was able to explain about 98% of the variations of the real data. | - |
Descrição: dc.description | Este trabalho visa comparar dois modelos de redes neurais recorrentes, para a predição de cotação de instrumentos financeiros, considerando critérios como coeficiente de determinação e coeficiente de correlação dos dados previstos versus dados reais. Se realizaram a análise comparativa do modelo LSTM (Long short-term memory) e GRU (Gated Recurrent Unit) baseados em uma rede neural recorrente. O trabalho fez a comparação dos dois modelos em uma arquitetura idêntica de rede neural recorrente para ambos os modelos. Foram utilizados algoritmos baseados em Python que usam as bibliotecas Keras, Numpy Pandas e Scikit-learn. A cotação do Índice Ibovespa para o período de 28 de abril de 1993 a 01 de abril de 2021, discriminadas pela cotação diária, serviu como dado de entrada. Os resultados da pesquisa apontaram um desempenho melhor do modelo GRU, o qual utilizando os 200 fechamentos anteriores do índice Ibovespa como previsores, 300 épocas para treinamento e utilizando a função de ativação Relu conseguiu explicar cerca de 98% das variações dos dados reais. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Medianeira | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Análise de séries temporais | - |
Palavras-chave: dc.subject | Mercado financeiro | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Time-series analysis | - |
Palavras-chave: dc.subject | Money market | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Comparativo entre redes neurais recorrentes GRU e LSTM para a predição de instrumentos financeiros | - |
Título: dc.title | Comparison between recurrent neural networks GRU and LSTM for the prediction of financial instruments | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: