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 | Pacheco, César Cunha | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/./4977724521165246 | - |
Autor(es): dc.contributor | Pinheiro, Isabela Florindo | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/./4244258573417514 | - |
Autor(es): dc.contributor | Kanizawa, Fábio Toshio | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/./3224415356655580 | - |
Autor(es): dc.creator | Siqueira, Guilherme da Silva | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:05:32Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:05:32Z | - |
Data de envio: dc.date.issued | 2023-01-08 | - |
Data de envio: dc.date.issued | 2023-01-08 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/27494 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/763344 | - |
Descrição: dc.description | O mercado de capitais é atualmente um dos principais elementos na economia de um país, onde indivíduos podem tornar-se sócios de empresas e fundos de investimento, aumentando os recursos e o valor de mercado desses ativos, em troca de potenciais ganhos de capital e/ou dividendos. Em particular, o mercado de ações é a área de maior interesse, principalmente no Brasil. Sendo assim, pesquisadores e estudiosos têm buscado formas de se prever movimentos de mercado, quantificando informações para uma tomada de decisão apropriada. Com isso, ao longo dos anos, diversos indicadores de análise técnica vêm sendo desenvolvidos, mas até hoje, nenhum é suficiente por si só para esta tomada de decisão, requerendo que o investidor consulte diversos indicadores e faça uma análise de conjuntura. Por outro lado, os avanços recentes nas áreas de inteligência artificial têm criado diversas oportunidades de se desenvolver modelos preditivos, que se tornam bastante atrativos nesta situação, devido à abundância e acessibilidade de dados sobre o movimento dos preços. Portanto, este trabalho busca empregar técnicas e conceitos de aprendizado de máquina, um subgrupo da inteligência artificial, com o objetivo de predizer o movimento de ações da bolsa de valores, através da coleta de dados, aplicação de indicadores técnicos já conhecidos pelo mercado, seleção dos atributos que possuem maior impacto no movimento das ações, agrupamento dos dados e classificação do movimento através de um comitê de classificação. Para o desenvolvimento deste trabalho, foram implementados no comitê de classificação os algoritmos K-vizinhos mais próximos, perceptron multicamadas, máquina de vetor de suporte, árvore de decisão e floresta de decisão, que em conjunto atingiram acurácias superiores a 90% no conjunto de teste para períodos de previsão superiores a 60 dias. | - |
Descrição: dc.description | The stock market is currently one of the main elements in a country economy, where individuals can become partners in companies and investment funds, increasing the resources and market value of these assets, for potential capital gains and dividends. In particular, the stock market is the area of greatest interest, particularly in Brazil. Therefore, researchers and scholars have been looking for ways to predict market movements, quantifying information for appropriate decision making. Thus, over the years, several technical analysis indicators have been developed, but until today, none of them is enough by itself, requiring the investor to consult several indicators and conjuncture. On the other hand, recent advances in artificial intelligence have created several opportunities to develop predictive models, which become quite attractive in this situation, due to the abundance and accessibility of data on stock. With this, this work seeks to apply techniques and concepts of machine learning, a subgroup of artificial intelligence, with the objective of predicting the movement of stocks on the stock exchange, through data collection, implementation of technical indicators already known by the market, selection of attributes that have the greatest impact on the movement of the shares, grouping of data and classification of the movement through a classification ensemble. For the development of this work, the K-nearest neighbor, multilayer perceptron, support vector machine, decision tree and random forest were implemented in the classification ensemble, which together reached accuracies greater than 90% in the test set for forecast periods longer than 60 days. | - |
Descrição: dc.description | 92 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 | Inteligência artificial | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Bolsa de valores | - |
Palavras-chave: dc.subject | Classificação | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Bolsa de Valores | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Machine Learning | - |
Palavras-chave: dc.subject | Stock exchange | - |
Palavras-chave: dc.subject | Classification | - |
Título: dc.title | Análise de aplicação de algoritmos de aprendizado de máquina e análise técnica na predição de tendência de ações da bolsa de valores | - |
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: