Tipo:	Trabalho de Conclusão de Curso
Título:	Previsão de ações com modelo híbrido lSTM e algoritmo genético
Autor(es):	Cruvinel, Henrique Honorato
Primeiro Orientador:	Vinhal, Gustavo Siqueira
metadata.dc.contributor.referee1:	Abadia, Fernando Gonçalves
metadata.dc.contributor.referee2:	Ribeiro, Lucília Gomes
Resumo:	Este artigo investigou o desenvolvimento de um modelo híbrido utilizando redes neurais LSTM em conjunto com algoritmo genético para previsão de preços de ações na bolsa de valores brasileira, focando nos dados da Petrobras. O estudo abordou a teoria do "dilema do caminho aleatório", aprimorou técnicas de pré-processamento de dados e utilizou métricas como RMSE, MSE, R² e MAPE para avaliar o desempenho do modelo. Os resultados demonstraram uma capacidade significativa de previsão, aproximando-se dos valores reais, e discutiram a integração do modelo com o MetaTrader 5 para automatização de decisões de investimento. Apesar dos desafios como a volatilidade do mercado, o estudo ofereceu contribuições importantes para melhorar a precisão das previsões financeiras e sugere possibilidades para futuras pesquisas na área.
Palavras-chave:	Rede neural Algoritmo genético Previsão de ações Algoritmo híbrido Previsão financeira
CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
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/123456789/7900
Data do documento:	22-Jun-2024
Aparece nas coleções:	TCC Ciência da Computação

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.