Uso de redes neurais recorrentes para previsão de séries temporais financeiras

• Ano de defesa: 2017
• Autor(a) principal: David Michel Quirino Nelson
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais; UFMG
• Palavras-chave em Português: Análise Técnica; Aprendizado de Máquina; Mercado de Ações; Redes Neurais Recorrentes; Long Short-Term Memory; Redes neurais (Computação); Computação; Aprendizado de máquina; Previsão do mercado de ações
• Link de acesso: http://hdl.handle.net/1843/ESBF-AM2NTS

Prever variações de preço em bolsas de valores é um grande desafio devido ao fato que este é um ambiente imensamente complexo, caótico e dinâmico. Existem diversos estudos de variadas áreas buscando encarar tal desafio, e abordagens baseadas em Aprendizado de Máquina são o foco de muitos deles. Existem vários exemplos em que algoritmos de Aprendizado de Máquina foram capazes de alcançar resultados satisfatórios quando realizando tal tipo de previsão. Este trabalho estuda a aplicação de redes Long Short-Term Memory nesse problema, de previsão de tendências de preços de ações e com base no histórico de preços juntamente com indicadores de análise técnica.