Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41137
Full metadata record
DC FieldValueLanguage
dc.creatorPereira, João Pedro Peres-
dc.date.accessioned2024-02-08T12:57:46Z-
dc.date.available2024-02-08T12:57:46Z-
dc.date.issued2023-11-24-
dc.identifier.citationPEREIRA, 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.urihttps://repositorio.ufu.br/handle/123456789/41137-
dc.description.abstractThe 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.sponsorshipUFU - Universidade Federal de Uberlândiapt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAnálise preditivapt_BR
dc.subjectSéries temporaispt_BR
dc.subjectARIMApt_BR
dc.subjectEDP Brasilpt_BR
dc.subjectEngie Brasilpt_BR
dc.subjectPredictive analyticspt_BR
dc.subjectTime seriespt_BR
dc.titlePrevisão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivospt_BR
dc.title.alternativePrediction of the share price of companies in the electric energy sector of [B]³ (Brasil, Bolsa, Balcão), using autoregressive modelspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Tavares, Marcelo-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4142478901587907pt_BR
dc.contributor.referee1Biase, Nadia Giaretta-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5113310672600001pt_BR
dc.contributor.referee2Costa, Tatiane Bento-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2046579368217628pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO 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.countryBrasilpt_BR
dc.publisher.courseEstatísticapt_BR
dc.sizeorduration45pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICApt_BR
Appears in Collections:TCC - Estatística

Files in This Item:
File Description SizeFormat 
PrevisaoPrecoAcoes.pdfTCC1.15 MBAdobe PDFThumbnail
View/Open


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