Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/39303| ORCID: |  http://orcid.org/0009-0002-7930-4295 |
| Tipo de documento: | Trabalho de Conclusão de Curso |
| Tipo de acceso: | Acesso Aberto |
| Título: | Previsão de preços máximos e mínimos para green REITs |
| Título (s) alternativo (s): | High and low price prediction for green REITs |
| Autor: | Teixeira, Hugo Martins |
| Primer orientador: | Barboza, Flávio Luiz de Moraes |
| Primer coorientador: | Garruti, Daniel Vitor Tartari |
| Primer miembro de la banca: | Marcolin, Carla Bonato |
| Segundo miembro de la banca: | Lopes, José Eduardo Ferreira |
| Resumen: | 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. |
| Palabras clave: | Redes Neurais Previsão de preços Green REITs |
| Área (s) del CNPq: | CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Cita: | 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 |
| Fecha de defensa: | 2-oct-2023 |
| Aparece en las colecciones: | TCC - Administração |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| PrevisãoPreçosMáximos.pdf | TCC | 787.36 kB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.