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 | Bernardini, Flávia Cristina | - |
Autor(es): dc.contributor | Volotão, Jane Vieira | - |
Autor(es): dc.contributor | Sobral, Ana Paula Barbosa | - |
Autor(es): dc.contributor | Viterbo Filho, José | - |
Autor(es): dc.creator | Ribeiro, Marcos Vinicius de Oliveira | - |
Autor(es): dc.creator | Correa, Matheus Morgado | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:36:00Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:36:00Z | - |
Data de envio: dc.date.issued | 2022-07-04 | - |
Data de envio: dc.date.issued | 2022-07-04 | - |
Data de envio: dc.date.issued | 2020 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/25522 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/773667 | - |
Descrição: dc.description | Previsão 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.description | Predicting 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 | - |
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 | Mercado financeiro | - |
Palavras-chave: dc.subject | Rede neural | - |
Palavras-chave: dc.subject | Série temporal | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Rede neural | - |
Palavras-chave: dc.subject | Mercado futuro de ação | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Neural network | - |
Palavras-chave: dc.subject | Stock market | - |
Palavras-chave: dc.subject | Time serie | - |
Título: dc.title | Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU | - |
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: