Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRocha Filho, Tarcísio Marciano da-
Autor(es): dc.creatorLima, Maycon Kawlin Sardévist Alcântara e-
Data de aceite: dc.date.accessioned2024-10-23T15:50:26Z-
Data de disponibilização: dc.date.available2024-10-23T15:50:26Z-
Data de envio: dc.date.issued2024-08-02-
Data de envio: dc.date.issued2024-08-02-
Data de envio: dc.date.issued2024-08-02-
Data de envio: dc.date.issued2021-06-28-
Fonte completa do material: dc.identifierhttp://repositorio2.unb.br/jspui/handle/10482/49491-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/893337-
Descrição: dc.descriptionDissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2021.-
Descrição: dc.descriptionEsta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica- mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network- DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem- porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori- dade da rede neural DESN.-
Descrição: dc.descriptionThis dissertation deals with the application of Machine Learning tools, more specifically of recurrent neural networks (Echo State Network-ESN and Deep Echo State Network-DESN), in the intent of forecast the asset price of Petréleo Brasileiro SA (PETR4), a Brazilian com- pany of publicly traded company whose majority shareholder is the Government of Brazil. Different methods are used, such as daily variation of the price’s logarithm, use of differ- ent time series and principal component analysis (PCA). The results showed that the use of these three methods together generate satisfactory results, besides that are demonstrating a superiority of the DESN neural network.-
Descrição: dc.descriptionInstituto de Física (IF)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Física-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsAcesso Aberto-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectRedes neurais recorrentes-
Palavras-chave: dc.subjectPrevisão do preço-
Palavras-chave: dc.subjectSéries temporais-
Título: dc.titlePrevisão com séries temporais usando computação por reservatório : aplicação em ativo do B3-
Título: dc.titleTime series forecasting using reservoir computing : application on B3’s stock-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.