Previsão de preços máximos e mínimos para green REITs

Teixeira, Hugo Martins

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/39303

Full metadata record

DC Field	Value	Language
dc.creator	Teixeira, Hugo Martins	-
dc.date.accessioned	2023-10-20T20:01:13Z	-
dc.date.available	2023-10-20T20:01:13Z	-
dc.date.issued	2023-10-02	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/39303	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Redes Neurais	pt_BR
dc.subject	Previsão de preços	pt_BR
dc.subject	Green REITs	pt_BR
dc.title	Previsão de preços máximos e mínimos para green REITs	pt_BR
dc.title.alternative	High and low price prediction for green REITs	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor-co1	Garruti, Daniel Vitor Tartari	-
dc.contributor.advisor1	Barboza, Flávio Luiz de Moraes	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/4204955149040832	pt_BR
dc.contributor.referee1	Marcolin, Carla Bonato	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/3648130183559806	pt_BR
dc.contributor.referee2	Lopes, José Eduardo Ferreira	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/1181111177305483	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Administração	pt_BR
dc.sizeorduration	15	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO	pt_BR
dc.orcid.putcode	144978325	-
Appears in Collections:	TCC - Administração

Files in This Item:

File	Description	Size	Format
PrevisãoPreçosMáximos.pdf	TCC	787.36 kB	Adobe PDF	View/Open

Show simple item record