Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/3537
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Arruda Jr, Luis | - |
dc.date.accessioned | 2021-12-19T02:44:56Z | - |
dc.date.available | 2021-12-19T02:44:56Z | - |
dc.date.issued | 2021-12-15 | - |
dc.identifier.uri | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/3537 | - |
dc.language | por | pt_BR |
dc.publisher | Pontifícia Universidade Católica de Goiás | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Redes neurais | pt_BR |
dc.subject | LSTM | pt_BR |
dc.subject | Mercado financeiro | pt_BR |
dc.subject | Aprendizado de máquina | pt_BR |
dc.title | Predição de comportamento de ações no mercado financeiro usando redes neurais recorrentes LSTM | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Oliveira, Max Gontijo de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5278283058461632 | pt_BR |
dc.contributor.referee1 | Ribeiro, Lucília Gomes | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/1661112253971159 | pt_BR |
dc.contributor.referee2 | Abadia, Fernando Gonçalves | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/3382052342707576 | pt_BR |
dc.description.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. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Escola Politécnica | pt_BR |
dc.publisher.initials | PUC Goiás | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::LOGICAS E SEMANTICA DE PROGRAMAS | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/4829929575806549 | pt_BR |
dc.degree.graduation | Ciências da Computação | pt_BR |
dc.degree.level | Graduação | pt_BR |
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