Previsão de Preço de Ações Baseada em Redes Neurais Recorrentes: LSTM e GRU

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBernardini, Flávia Cristina-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5935862634033333-
Autor(es): dc.contributorVolotão, Jane Vieira-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1620199412126561-
Autor(es): dc.contributorSobral, Ana Paula Barbosa-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4370410680845541-
Autor(es): dc.contributorFilho, José Viterbo-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8721187139726277-
Autor(es): dc.creatorRibeiro, Marcos Vinicius de Oliveira-
Autor(es): dc.creatorCorrea, Matheus Morgado-
Data de aceite: dc.date.accessioned2024-07-11T17:44:36Z-
Data de disponibilização: dc.date.available2024-07-11T17:44:36Z-
Data de envio: dc.date.issued2022-10-30-
Data de envio: dc.date.issued2022-10-30-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/26733-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/756596-
Descrição: dc.descriptionPrevisão de valores no mercado financeiro é algo muito discutido e buscado por muitas pessoas, afinal, prever os movimentos do mercado pode significar maiores lucros em suas transações. Sua imprevisibilidade, no entanto, é bem significativa e envolve muitos fatores, principalmente externos. Com esse trabalho, objetiva-se prever os valores de algumas ações do mercado brasileiro, utilizando redes neurais recorrentes, mais especificamente LSTM e GRU. Para isso, foi desenvolvido diferentes cenários, combinando as redes neurais com as métricas da análise técnica do mercado financeiro, utilizando médias móveis e bandas de Bollinger para verificarmos os resultados de diferentes cenários combinados. Além disso, foram utilizados os valores do Índice Bovespa e o volume do índice e das respectivas ações para identificar alguma melhora no comportamento de cada uma das redes neurais. Foi possível, através dos testes nos cenários determinados, detectar uma melhora nas médias de erro percentuais em cenários com outras métricas além dos valores da ação em si, principalmente nas redes LSTM.-
Descrição: dc.descriptionPredicting values on stock markets is thoroughly discussed and searched by a lot of people. After all, by predicting the market movements it may lead to more profit on your transactions. Your unpredictability however, is highly significant and is affected by others factors, especially external ones. With this work, it is intended to predict the stock values of a few companies from the Brazilian market, using recurrent neural networks, more specifically LSTM and GRU. In order to do that, there was a development of different scenarios, combining the neural networks with technical analysis metrics from financial markets, using moving averages and Bollinger bands to check the results for those scenarios. It was also added the values from Bovespa Index, the volume from it and the volume from each stock to try and identify any improvement on the neural networks behaviour. It was accomplished, through the tests, to identify an improvement on the mean absolute percentage error when added the Bovespa Index in our tests, especially when training the LSTM networks.-
Descrição: dc.description49 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectMercado financeiro-
Palavras-chave: dc.subjectRede neural-
Palavras-chave: dc.subjectSérie temporal-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectMercado financeiro-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectNeural network-
Palavras-chave: dc.subjectStock market-
Palavras-chave: dc.subjectTime serie-
Título: dc.titlePrevisão de Preço de Ações Baseada em Redes Neurais Recorrentes: LSTM e GRU-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.