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 | Santos, Bruno Samways dos | - |
Autor(es): dc.contributor | Rambalducci, Marcos Jeronimo Goroski | - |
Autor(es): dc.contributor | Tondato, Rogério | - |
Autor(es): dc.contributor | Santos, Bruno Samways dos | - |
Autor(es): dc.creator | Lins, Raísa Natalia França | - |
Data de aceite: dc.date.accessioned | 2022-02-21T21:37:17Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T21:37:17Z | - |
Data de envio: dc.date.issued | 2021-04-07 | - |
Data de envio: dc.date.issued | 2021-04-07 | - |
Data de envio: dc.date.issued | 2020-11-29 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/24679 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/656730 | - |
Descrição: dc.description | The financial market is broad and provides to the investor with several investment options, such as fixed income products, stocks and investment funds, for example. For the case of Brazilians, the security of its application and its profitability are taken into account. However, for investment funds it is possible to estimate the future profitability of the application, using only historical data as a reference for its behavior. In this context, the present study aimed to analyze the Machine Learning techniques to forecast future variations of shares in three fund types: conservative, moderate and aggressive. For this purpose, Neural Network and Linear Regression were used, with different training sets, i.e., a total of nine data sets of historical series of quota and destination variation were separated by three different metrics: mean absolute error, mean square error and root of the mean square error. Using the software Weka (Waikato Environment for Knowledge Analysis), with the Forecast extension, the algorithms were trained and tested, the Neural Networks technique stands out, which had a better performance for the different funds and training sets. However, the Linear Regression obtained interesting results when forecasting the quota variation with the training sets using one year of historical data. | - |
Descrição: dc.description | O mercado financeiro é amplo e entrega ao investidor diversas opções de investimentos, como os produtos de renda fixa, ações e fundos de investimentos, por exemplo. Para o caso dos brasileiros, leva-se em consideração a segurança de sua aplicação e sua rentabilidade. Porém, para os fundos de investimentos é possível, estimar qual será a rentabilidade futura da aplicação, tendo apenas os dados históricos como uma referência de comportamento. Neste contexto, o presente trabalho teve como objetivo analisar técnicas de Machine Learning para estimar variações futuras de cotas em três características de fundos: conservador, moderado e agressivo. Para tal, foram utilizadas Rede Neural e Regressão Linear, com diferentes conjuntos de treinamento, ou seja, foram separados um total de nove conjunto de dados de séries históricas de variação de cota e analisados por três métricas diferentes: erro absoluto médio, erro quadrático médio e raiz do erro quadrático médio. A partir da ferramenta Weka (Waikato Environment for Knowledge Analysis), com a extensão Forecast, os algoritmos foram treinados e testados, destaca-se a técnica de Redes Neurais a qual teve um melhor desempenho para os diferentes fundos e conjuntos de treinamento. Entretanto, a Regressão Linear obteve resultados significativos para a previsão da variação da cota com os conjuntos de treinamento com um ano de dados de séries históricas. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Londrina | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia de Produção | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Fundos de investimentos | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Análise de regressão | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Mutual funds | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Regression analysis | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
Título: dc.title | Previsão de fundos de investimentos com o uso de machine learning | - |
Título: dc.title | Forecasting investment funds using machine learning | - |
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: