Comparativo entre rede neural artificial de alimentação recorrente e para frente na previsão da cotação do contrato futuro do mini índice Bovespa

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMenezes, Paulo Lopes de-
Autor(es): dc.contributorCandido Junior, Arnaldo-
Autor(es): dc.contributorMenezes, Paulo Lopes de-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorBetzek, Nelson Miguel-
Autor(es): dc.creatorLuz, Paulo Henrique dos Santos-
Data de aceite: dc.date.accessioned2022-02-21T22:01:00Z-
Data de disponibilização: dc.date.available2022-02-21T22:01:00Z-
Data de envio: dc.date.issued2021-09-10-
Data de envio: dc.date.issued2021-09-10-
Data de envio: dc.date.issued2020-11-25-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/25978-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/665935-
Descrição: dc.descriptionArtificial neural networks that use forward and recurrent feeding approach in their architecturesare great tools to be used in analysis and prediction in time series, and therefore, in thismonograph it was investigated which one is the most suitable to be used in a stock exchange environment. A comparison was made between the forward and recurrent feeding approach inartificial neural networks, with predictions made by a Long Short Term Memory and Multilayer Perceptron network for the quotation of the future contract of the mini Bovespa Index in November 2019, to be later calculated the Pearson correlation coefficient and the determination coefficient R2of the set of its predictions with the set of the price negotiated in the month. Withthe results of the experiments, the recurrent feeding neural network obtained the best Pearsoncorrelation coefficient being better than the forward feeding network and also better than thepredictors chosen to be used as baseline.-
Descrição: dc.descriptionRedes neurais artificiais que contém alimentação recorrente e para frente em suas arquiteturas são ótimas ferramentas para serem utilizados em análise e predição de séries temporais, e por isso, nesta monografia foi investigado qual delas é a mais apta a ser usada em um ambiente de bolsa de valores. Foi realizado o comparativo entre a abordagem de alimentação para frente e recorrente em redes neurais artificiais sendo realizado predições por uma rede Long ShortTerm Memory e Multilayer Perceptron para prever a cotação do contrato futuro do mini Índice Bovespa no mês de novembro de 2019 para depois ser calculado o coeficiente de correlação de Pearson e coeficiente de determinação R2do conjunto de suas predições com o conjunto da cotação negociada no mês. Com os resultados dos experimentos a rede neural de alimentação recorrente obteve o maior coeficiente de correlação de Pearson quando comparada a rede de alimentação para frente e maior também que os preditores escolhidos para serem utilizados como linha de base.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectMercado futuro-
Palavras-chave: dc.subjectBolsa de valores-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectFutures market-
Palavras-chave: dc.subjectStock exchanges-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleComparativo entre rede neural artificial de alimentação recorrente e para frente na previsão da cotação do contrato futuro do mini índice Bovespa-
Título: dc.titleComparison of a recurrent and feedfoward artificial neuronal network in the forecast of the future of the mini Bovespa index quotes-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.