Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Lopes, Eduardo José Costa |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Centro Universitário FEI, São Bernardo do Campo
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.fei.edu.br/handle/FEI/4586
|
Resumo: |
A criptomoeda se tornou um ativo popular nos mercados financeiros globais, o que significa que não apenas investidores individuais, mas também empresas de gestão de ativos em todo o mundo estão considerando essa nova classe de investimento. A principal contribuição desta pesquisa é abordar um problema univariado de previsão intra-diário com granularidade horária que compara arquiteturas de Redes neurais Artificiais Profundas e com mecanismos de atenção para a moeda intrínseca do Ethereum (ETH). Os resultados obtidos nos ajustes dos modelos e na predição levando-se em consideração séries históricas de dados recentes mostraram que a rede convolucional temporal TCN está contida no grupo de modelos mais acurados e com melhor retorno financeiro, superando outras arquiteturas consideradas em termos de tempo de processamento e o modelo ARIMA considerado como linha de base |
