1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Gestão e Negócios (FAGEN)
3. TCC - Administração

ORCID:	http://orcid.org/0009-0002-7930-4295
Document type:	Trabalho de Conclusão de Curso
Access type:	Acesso Aberto
Title:	Previsão de preços máximos e mínimos para green REITs
Alternate title (s):	High and low price prediction for green REITs
Author:	Teixeira, Hugo Martins
First Advisor:	Barboza, Flávio Luiz de Moraes
First coorientator:	Garruti, Daniel Vitor Tartari
First member of the Committee:	Marcolin, Carla Bonato
Second member of the Committee:	Lopes, José Eduardo Ferreira
Summary:	A academia postula duas hipóteses relevantes sobre o mercado financeiro, sendo uma que supõe a impossibilidade de prever os preços dos ativos e outra que acredita ser possível. Logo, é importante realizar estudos que verifiquem essas suposições. Diante disso, foram desenvolvidos métodos preditivos que auxiliam essas pessoas em suas buscas para tomarem uma decisão, tentando sempre lucrar o máximo possível mantendo uma perda baixa. Nos dias atuais é possível notar um aumento na utilização de Redes Neurais Artificiais (RNA) para realizar essa previsão, por possuírem uma capacidade em lidar com uma grande gama de conhecimento, podendo assim serem utilizadas para prever preços no mercado financeiro. Outro tópico importante e discutido atualmente é a sustentabilidade nos investimentos, fazendo os investidores buscarem lucros com o mercado imobiliário financeiro sem deixarem de lado a preocupação com o que as empresas que elas investem fazem para melhorar os impactos deixados na natureza e na sociedade. Desta maneira, esse estudo visa realizar uma previsão de preços máximos e mínimos através de RNA com REITs considerados sustentáveis devido às suas certificações ESG e estimar em qual hipótese de mercado os ativos analisados se encaixam. Para isso, foram utilizados dados de 18 green REITs, do ano de 2018 até 2022. Os modelos escolhidos para realizar a previsão desses ativos foram o Long Short Term Memory (LSTM) e o Random Walk (RW). Os resultados encontrados pelo LSTM foram comparados aos do RW para verificar qual dos modelos apresentam uma previsão de preços máximos e mínimos mais precisa. Eles indicaram que o modelo RW obteve um melhor desempenho sobre o LSTM na lista de ativos utilizada. Dessa forma, foi possível inferir que os preços dos green REITs analisados foram previstos de melhor maneira pelo RW, corroborando assim para a hipótese de mercado eficiente, onde os preços dos ativos já refletem as informações do mercado.
Keywords:	Redes Neurais Previsão de preços Green REITs
Area (s) of CNPq:	CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO
Language:	por
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Quote:	TEIXEIRA, Hugo Martins. Previsão de preços máximos e mínimos para green REITs. 2023. 15 f. Trabalho de Conclusão de Curso (Graduação em Administração) – Universidade Federal de Uberlândia, Uberlândia, 2023.
URI:	https://repositorio.ufu.br/handle/123456789/39303
Date of defense:	2-Oct-2023
Appears in Collections:	TCC - Administração

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.