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 | Macedo, Evandro Luiz Cardoso | - |
Autor(es): dc.creator | Silva, Luis Otávio Guedes Lobo e | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:35:43Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:35:43Z | - |
Data de envio: dc.date.issued | 2023-11-05 | - |
Data de envio: dc.date.issued | 2023-11-05 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/31057 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/753473 | - |
Descrição: dc.description | Realizar previsões no mercado financeiro é uma tarefa complexa, pois as oscilações do mercado são imprevisíveis e não seguem um padrão. O presente estudo tem como objetivo utilizar a ciência de dados para realizar previsões no preço de uma ação com base nos seus valores históricos. Esses dados foram analisados como uma série temporal, implementados nos modelos autorregressivo integrado de médias móveis (ARIMA) e redes neurais artificiais autorregressivas (NNAR) para realizar as previsões, utilizando o software RStudio e a linguagem R. Os resultados mostraram que ambos os modelos previram valores acima do valor real, mas dentro do erro esperado. Com a realização dessa simulação, constatou-se que prever o mercado de ações com base na cotação histórica é uma tarefa complexa, mas que é possível implementar modelos da ciência de dados para este fim | - |
Descrição: dc.description | The forecasting stock market is a complex task because prices oscillations are unpredictable and do not follow a pattern. This study aims use data science to forecasting stock market based on its historical prices values. These data have been analyzed as a time series and implemented on integrated autoregressive of moving averages model and autoregressive artificial neural networks model in order to perform predictions using the RStudio software and the R language. The results obtained in this study showed predicted values above the actual value, but within expected error. In this simulation it was found forecasting stock market based on historical prices is a complex task, but it is possible to implement data science models for this purpose | - |
Descrição: dc.description | 50 p. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Ciência de dados | - |
Palavras-chave: dc.subject | Ações | - |
Palavras-chave: dc.subject | Arima | - |
Palavras-chave: dc.subject | Redes neurais | - |
Palavras-chave: dc.subject | Ações (Finanças) | - |
Palavras-chave: dc.subject | Rede neural | - |
Palavras-chave: dc.subject | Teste (Computação) | - |
Palavras-chave: dc.subject | Data science | - |
Palavras-chave: dc.subject | Stock market | - |
Palavras-chave: dc.subject | Neural networks | - |
Título: dc.title | Implementação dos modelos autorregressivos integrados de médias móveis e redes neurais artificiais para previsão do preço de ações utilizando R | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: