Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/41137
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Pereira, João Pedro Peres | - |
dc.date.accessioned | 2024-02-08T12:57:46Z | - |
dc.date.available | 2024-02-08T12:57:46Z | - |
dc.date.issued | 2023-11-24 | - |
dc.identifier.citation | PEREIRA, João Pedro Peres. Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos. 2023. 45 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2024. | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/41137 | - |
dc.description.abstract | The electric power sector in Brazil stands as one of the fundamental cornerstones of the national economy and daily life. This study aims to analyze and make predictions using time series models on assets within the electric power sector of the Brasil, Bolsa, Balcão [B]³ for the first 10 weeks of 2023. The selection of the most appropriate model for the data will be determined through hypothesis testing and comparisons using model fitting criteria. The methodology for constructing time series models follows the principles of the Box e Jenkins theory. After definition the of ARIMA models (2,1,2) and ARIMA (3,1,4) models for the assets, opting for the logarithmic version of the original time series as the best approach. As a result, the empirical evidence found demonstrated that the best model adjustments to make efficient and reliable forecasts for the series were the ARIMA models. | pt_BR |
dc.description.sponsorship | UFU - Universidade Federal de Uberlândia | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Análise preditiva | pt_BR |
dc.subject | Séries temporais | pt_BR |
dc.subject | ARIMA | pt_BR |
dc.subject | EDP Brasil | pt_BR |
dc.subject | Engie Brasil | pt_BR |
dc.subject | Predictive analytics | pt_BR |
dc.subject | Time series | pt_BR |
dc.title | Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos | pt_BR |
dc.title.alternative | Prediction of the share price of companies in the electric energy sector of [B]³ (Brasil, Bolsa, Balcão), using autoregressive models | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Tavares, Marcelo | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4142478901587907 | pt_BR |
dc.contributor.referee1 | Biase, Nadia Giaretta | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/5113310672600001 | pt_BR |
dc.contributor.referee2 | Costa, Tatiane Bento | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/2046579368217628 | pt_BR |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | O setor de energia elétrica no Brasil representa um dos pilares fundamentais da economia e do cotidiano nacional. Este estudo tem como objetivo analisar e realizar previsões utilizando modelos de séries temporais sobre ativos do setor de energia elétrica da Brasil, Bolsa, Balcão [B]³ para as 10 primeiras semanas de 2023. A seleção do modelo mais adequado aos dados ocorrerá mediante testes de hipóteses e comparações utilizando critérios de ajuste de modelos. A metodologia de construção dos modelos de séries temporais segue os fundamentos da teoria de Box e Jenkins. Após a definição dos modelos ARIMA (2,1,2) e ARIMA(3,1,4) para os ativos, optando pela versão logarítmica da série temporal original como a melhor abordagem. Como resultado, as evidências empíricas encontradas demonstraram que os melhores ajustes de modelos para realizar previsões eficientes e confiáveis para a série foram os modelos ARIMA. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Estatística | pt_BR |
dc.sizeorduration | 45 | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA | pt_BR |
Appears in Collections: | TCC - Estatística |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
PrevisaoPrecoAcoes.pdf | TCC | 1.15 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.