Preditor de alto desempenho para retornos de ações baseado em redes neurais sem peso

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Almeida, André Gustavo Coelho de
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: Universidade Federal do Espírito Santo
BR
Mestrado em Informática
Centro Tecnológico
UFES
Programa de Pós-Graduação em Informática
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Preditor ARNN
Preditor WNN VG-RAM
Redes neurais (Computação)
Ciência da Computação
004
Link de acesso: http://repositorio.ufes.br/handle/10/4249
Resumo: This work presents a new weightless neural network-based time series predictor that uses Virtual Generalized Random Access Memory weightless neural network, which does not store knowledge in their connections but in Random Access Memories (RAM) inside the network’s nodes, or neurons. This new predictor was evaluated in predicting future weekly returns of 46 stocks from the Brazilian stock market and compared with neural autoregressive predictors based on feedfoward neural networks trained with the backpropagation algorithm. Our results showed that weightless neural network-based predictors can produce predictions of future stock returns with the same error levels and properties of baseline autoregressive neural network predictors, however, running 5.000 times faster.

Registros relacionados