Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/39303
ORCID: | http://orcid.org/0009-0002-7930-4295 |
Tipo do documento: | Trabalho de Conclusão de Curso |
Tipo de acesso: | 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(es): | Teixeira, Hugo Martins |
Primeiro orientador: | Barboza, Flávio Luiz de Moraes |
Primeiro coorientador: | Garruti, Daniel Vitor Tartari |
Primeiro membro da banca: | Marcolin, Carla Bonato |
Segundo membro da banca: | Lopes, José Eduardo Ferreira |
Resumo: | 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. |
Palavras-chave: | Redes Neurais Previsão de preços Green REITs |
Área(s) do CNPq: | CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO |
Idioma: | por |
País: | Brasil |
Editora: | Universidade Federal de Uberlândia |
Referência: | 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 |
Data de defesa: | 2-Out-2023 |
Aparece nas coleções: | TCC - Administração |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
PrevisãoPreçosMáximos.pdf | TCC | 787.36 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.