Classificação de empresas em grupos de retorno das ações utilizando redes neurais artificiais

Cunha, Lorena Flavia Fernandes,

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/23226

Document type:	Trabalho de Conclusão de Curso
Access type:	Acesso Aberto
Title:	Classificação de empresas em grupos de retorno das ações utilizando redes neurais artificiais
Alternate title (s):	Classification of companies in return groups of the shares using artificial neural networks
Author:	Cunha, Lorena Flavia Fernandes,
First Advisor:	Pereira, Vinícius Silva
First member of the Committee:	Penedo, Antônio Sérgio Torres,
Second member of the Committee:	Fodra, Marcelo
Summary:	A aplicação das redes neurais artificiais voltadas ao mercado financeiro tem sido utilizada em diversos estudos na área de Finanças e apresentado bons resultados com o objetivo de previsão e classificação. De outro lado, gestores financeiros e investidores utilizam-se dos números encontrados nas demonstrações financeiras para refletir a situação futura da empresa e tomar decisões. Partindo destas evidências este trabalho teve por objetivo classificar o retorno das ações de grupos de empresas de capital aberto brasileiras a partir de indicadores contábeis, financeiras e de mercado trimestrais de 2015 a 2017 processados em Redes Neurais. Como objetivos específicos foi proposto identificar as variáveis que influenciam na classificação do retorno das ações das organizações. Para tanto, coletou-se dados trimestrais de todas as empresas de capital aberto e de todos os indicadores disponíveis do Economatica entre 2015 e 2017. Na sequência aplicou-se uma análise fatorial nos indicadores para melhor agrupá-los em fatores e elaborou-se uma RNA otimizada, tendo como output o retorno trimestral das ações divididos em quartis e como input todos demais fatores. Os resultados encontrados demostraram que a RNA utilizada no estudo conseguiu classificar corretamente 100% das empresas com retornos de primeiro e quarto quartis, mostrando a efetividade da técnica para segregar empresas de maior e menor retorno acionário a partir de indicadores.
Abstract:	The application of artificial neural networks focused on the financial market has been used in several studies in the area of Finance and presented good results for the purpose of forecasting and classification. On the other hand, financial managers and investors use the numbers found in the financial statements to reflect the future situation of the company and make decisions. Based on these evidences, the objective of this study was to classify the return of shares of Brazilian publicly traded companies based on quarterly accounting, financial and market indicators from 2015 to 2017 processed in Neural Networks. The specific objectives were to identify the variables that influence the return of the organizations' actions. A factorial analysis was then applied to indicators to better group them into factors and through SPSS software an optimized RNA was run, having the output of the quarterly return of shares divided into quartiles and the input of all other factors. The results showed that the RNA used in the study was able to properly classify 100% of the companies with returns of the first and fourth quartiles, showing the effectiveness of the technique to segregate companies with higher and lower shareholder returns from indicators.
Keywords:	Retorno Das Ações Redes Neurais Classificação Prediction Profitability Neural Networks
Area (s) of CNPq:	CNPQ::CIENCIAS SOCIAIS APLICADAS
Language:	por
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Quote:	CUNHA, Lorena Flavia Fernandes. Classificação de empresas em grupos de retorno das ações utilizando redes neurais artificiais. 2018. 42 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2018.
URI:	https://repositorio.ufu.br/handle/123456789/23226
Date of defense:	7-Dec-2018
Appears in Collections:	TCC - Gestão da Informação

Files in This Item:

File	Description	Size	Format
ClassificacaoEmpresasGrupos.pdf		1.25 MB	Adobe PDF	View/Open

Show full item record