Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/35138
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Silva, Mateus Ferreira | - |
dc.date.accessioned | 2022-06-09T16:24:57Z | - |
dc.date.available | 2022-06-09T16:24:57Z | - |
dc.date.issued | 2022-02-02 | - |
dc.identifier.citation | SILVA, Mateus Ferreira. Previsão de preços no mercado de ações brasileiro por meio de técnicas de inteligência artificial. 2022. 17 f. Trabalho de Conclusão de Curso (Graduação em Ciências Contábeis) - Universidade Federal de Uberlândia, Uberlândia, 2022. | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/35138 | - |
dc.description.abstract | In January 2021, the brazilian financial market moved R$35 billions in a single day.That’s might be happened because a recente raise of participants in the Market with an intradayoperator profile (buy and sell assets in the same day). However, even being attractive, there aresome issues to obtain consistente profits. At the same time, had a raise in the studies tha uses technical analysis and fundamentalism with machine learning to forecast price trends, and the neural network the technic more use. This studies analysis the quality to predict 15 minutes foward price trend, using Petrobrás stocks beetween 2014 and 2020. With More than 100 technical indicators, implemented a variable extractor base on eXtreme Gradient Boosting (XGboost) to reduce noise in the sample. A neural network like Long Short Term Memory(LSTM) was applied to predict the trend price, as a result met 56% accuracy. Emphasisthat the best results ocurred to predict downward trend (57%) and upward trend (51%). In particular, it was found that there were improvements in relation to results previously presentedin the literature. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Tendência de preço | pt_BR |
dc.subject | Investimentos | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.title | Previsão de preços no mercado de ações brasileiro por meio de técnidas de inteligência artificial | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Barboza, Flávio Luiz de Moraes | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4204955149040832 | pt_BR |
dc.contributor.referee1 | ., . | - |
dc.contributor.referee1Lattes | . | pt_BR |
dc.contributor.referee2 | ., . | - |
dc.contributor.referee2Lattes | . | pt_BR |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | Somente em janeiro de 2021, o mercado financeiro brasileiro movimentou mais de R$35 bi por dia. Isso se deve potencialmente a um aumento recente de participantes no mercadocom perfil de operador intraday (compras e vendas em um mesmo dia). Porém, apesar de ser um mercado atrativo, há dificuldades na obtenção de lucros consistentes. Em paralelo, houve um aumento de estudos que utilizam análise técnica e fundamentalista combinadas com o aprendizado de máquina para a previsão de tendências futuras nos preços, sendo as redes neurais uma das técnicas mais utilizadas. Esse estudo analisa a qualidade de previsões 15 minutos a frente na tendência (subir ou cair) do preço da ação da Petrobras entre 2014 e 2020.Como existe mais de 100 indicadores técnicos, implementou-se um extrator de variáveis baseado na técnica eXtreme Gradiente Boosting (XGBoost) para diminuir ruído na amostra. Uma rede neural do tipo Long Short Term Memory (LSTM) foi aplicada na etapa de previsão e, como resultado, atingiu-se uma acurácia de 56%. Destaca-se que os melhores resultados ocorreram na previsão de quedas (57%) do que de altas (51%). Em especial, constatou-se que houve melhorias em relação a resultados apresentados anteriormente na literatura. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Ciências Contábeis | pt_BR |
dc.sizeorduration | 17 | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA::METODOS QUANTITATIVOS EM ECONOMIA::METODOS E MODELOS MATEMATICOS, ECONOMETRICOS E ESTATISTICOS | pt_BR |
dc.orcid.putcode | 114265303 | - |
Appears in Collections: | TCC - Ciências Contábeis |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
PrevisãoDePreços.pdf | TCC | 771.74 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.