Redes neurais, filtragem e programação aplicadas a finanças

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFerreira, Tadeu Nagashima-
Autor(es): dc.contributorHarboe, Paula Brandão-
Autor(es): dc.contributorPereira, Jacqueline Silva-
Autor(es): dc.creatorSiqueira, Felipe Carvalho-
Data de aceite: dc.date.accessioned2024-07-11T18:17:44Z-
Data de disponibilização: dc.date.available2024-07-11T18:17:44Z-
Data de envio: dc.date.issued2019-07-22-
Data de envio: dc.date.issued2019-07-22-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/10480-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/767675-
Descrição: dc.descriptionO trabalho apresentado a seguir tem como objetivo unir os aprendizados do curso de Engenharia de telecomunicações com os conhecimentos almejados e obtidos no Mercado Financeiro durante o estágio do autor. Este documento vislumbra sintetizar a beleza da matemática, programação e processamento de sinais no universo de Finanças, evidenciando que o conhecimento adquirido no curso pode ser utilizado em diversos cenários. Nele será apresentado e definido o que é uma Série Temporal, um Teste de Hipóteses e Filtro de Wiener, todos os três tópicos abordados com embasamento matemático e de programação, utilizando Redes Neurais e o Teste T de Student em linguagem Python para mostrar aplicações destes temas. A Série Temporal de preços de ativos é a ferramenta principal deste estudo, procurando auxiliar no processo de tomada de decisão. A relação de dependência entre os dados das séries figura como personagem principal, que será o fator determinante para se estabelecer uma previsão de preço. Foi implementada uma RNA para testarmos a precisão da previsão de preço do ativo PETR4, ação preferencial da Petrobras, utilizando uma amostra de quatro anos. No caso do Teste de Hipóteses, foi testada a presença do Efeito Segunda-Feira no índice Ibovespa, e foi concluído que não existe essa anomalia, que será explicada no documento-
Descrição: dc.descriptionThe following document aims to unite the learning of Telecommunications Engineering course with the knowledge sought and obtained in the Financial Market during the author’s internship. This document glimpses to synthesize the beauty of mathematics, programming and signal processing in the universe of Finance, evidencing that the knowledge acquired in the course can be used in several scenarios. In it, Time Series, Hypothesis Test and Wiener Filter will be presented and defined, all three topics covered with mathematical and programming bases, using Neural Networks and Student’s T Test in Python language to show applications about these topics. The Temporal Series of asset prices is the main tool of this study, seeking to assist in the decision making process. The relationship of dependence between the data of the series appears as main character, which will be the determining factor to establish a price forecast. An Artificial Neural Network was implemented to test the accuracy of the PETR4 asset price forecast, a preferential share of Petrobras, using a four-year sample. In the case of the Hypothesis Test, the presence of the Monday Effect was tested on the Ibovespa index, and it was concluded that there is no such anomaly, which will be explained in the document-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal Fluminense-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectTeste de hipóteses-
Palavras-chave: dc.subjectProgramação-
Palavras-chave: dc.subjectFiltragem-
Palavras-chave: dc.subjectSérie temporal-
Palavras-chave: dc.subjectTeste de hipótese-
Palavras-chave: dc.subjectProgramação (Computação)-
Palavras-chave: dc.subjectRede neural-
Palavras-chave: dc.subjectPython (Linguagem de programação de computador)-
Palavras-chave: dc.subjectTemporal series-
Palavras-chave: dc.subjectHypothesis test-
Palavras-chave: dc.subjectProgramming-
Palavras-chave: dc.subjectFiltering-
Título: dc.titleRedes neurais, filtragem e programação aplicadas a finanças-
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.