Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/3537
Tipo: | Trabalho de Conclusão de Curso |
Título: | Predição de comportamento de ações no mercado financeiro usando redes neurais recorrentes LSTM |
Autor(es): | Arruda Jr, Luis |
Primeiro Orientador: | Oliveira, Max Gontijo de |
metadata.dc.contributor.referee1: | Ribeiro, Lucília Gomes |
metadata.dc.contributor.referee2: | Abadia, Fernando Gonçalves |
Resumo: | Neste trabalho foi utilizado a Rede Neural Recorrente (RNR) Long Short Term Memory (LSTM) para predizer ativos financeiros do mercado de ações brasileiro. A LSTM foi aplicada em dois ativos, BBAS3 do banco do Brasil e a PETR4 da Petrobrás com quatro series temporais para cada ativo financeiro com os intervalos de tempo em 5 minutos, 15 minutos, 30 minutos e valores diários. O modelo gerado pela LSTM foi avaliado por três métricas de erro, ROOT MEAN SQUARED ERROR – RMSE, MEAN SQUARED ERROR – MSE, MEAN ABSOLUTE ERROR – MAE. Os resultados mostraram que a LSTM é capaz de realizar a predição de ativos financeiros. Foi desenvolvido um protótipo de uma ferramenta Web, onde uma pessoa irá receber informações de crescimento ou recuo no preço do ativo e poderá simular a compra e venda de ativos. Essa informação será fornecida pela LSTM. A ferramenta Web foi desenvolvida utilizando a linguagem Java e o Framework Angular. |
Palavras-chave: | Redes neurais LSTM Mercado financeiro Aprendizado de máquina |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::LOGICAS E SEMANTICA DE PROGRAMAS |
Idioma: | por |
País: | Brasil |
Editor: | Pontifícia Universidade Católica de Goiás |
Sigla da Instituição: | PUC Goiás |
metadata.dc.publisher.department: | Escola Politécnica |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/3537 |
Data do documento: | 15-Dez-2021 |
Aparece nas coleções: | TCC Ciência da Computação |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
TCC-Luis_Carlos-2021.pdf | 1,9 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador