Uso de redes neurais recorrentes para previsão de séries temporais financeiras

Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/ESBF-AM2NTS

Tipo:	Dissertação de Mestrado
Título:	Uso de redes neurais recorrentes para previsão de séries temporais financeiras
Autor(es):	David Michel Quirino Nelson
Primeiro Orientador:	Adriano César Machado Pereira
Primeiro membro da banca :	Adriano Alonso Veloso
Segundo membro da banca:	Cristiano Arbex Valle
Terceiro membro da banca:	Felipe Dias Paiva
Resumo:	Prever variações de preço em bolsas de valores é um grande desafio devido ao fato que este é um ambiente imensamente complexo, caótico e dinâmico. Existem diversos estudos de variadas áreas buscando encarar tal desafio, e abordagens baseadas em Aprendizado de Máquina são o foco de muitos deles. Existem vários exemplos em que algoritmos de Aprendizado de Máquina foram capazes de alcançar resultados satisfatórios quando realizando tal tipo de previsão. Este trabalho estuda a aplicação de redes Long Short-Term Memory nesse problema, de previsão de tendências de preços de ações e com base no histórico de preços juntamente com indicadores de análise técnica.
Assunto:	Redes neurais (Computação) Computação Aprendizado de máquina Previsão do mercado de ações
Idioma:	Português
Editor:	Universidade Federal de Minas Gerais
Sigla da Instituição:	UFMG
Tipo de Acesso:	Acesso Aberto
URI:	http://hdl.handle.net/1843/ESBF-AM2NTS
Data do documento:	24-Fev-2017
Aparece nas coleções:	Dissertações de Mestrado

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
davidmichaelquirinonelson.pdf		1.61 MB	Adobe PDF	Visualizar/Abrir