Detalhes bibliográficos
| Ano de defesa: |
2017 |
| Autor(a) principal: |
CAMARA, Rômulo Calado Pantaleão |
| Orientador(a): |
ARAÚJO, Cristiano Coelho de |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Programa de Pos Graduacao em Ciencia da Computacao
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/31387
|
Resumo: |
Atualmente existe um grande interesse da sociedade em encontrar meios de prever o futuro do mercado de ações para otimizar o processo de tomada de decisão visando a maximi- zação do lucro em seus investimentos. Esta Tese apresenta um novo modelo de neurô- nio artificial morfológico-linear, denominado de Perceptron Morfológico Crescente Geral (Perceptron Morfológico Crescente Geral - General Increasing Morphological Perceptron (GIMP)), para previsão de séries temporais financeiras em baixa-frequência (diária, se- manal e quinzenal). O neurônio GIMP é composto por uma combinação balanceada entre um módulo linear e um módulo não-linear crescente. Além disso, para o projeto do modelo proposto, é apresentado um processo de aprendizagem baseado em gradiente descendente com ajuste automático de fase temporal. Também é realizada uma análise experimental utilizando um conjunto de séries temporais financeiras provenientes do mercado de ações brasileiro, em baixa-frequência e os resultados obtidos foram analisados, utilizando um conjunto relevante de medidas de desempenho, e comparados aqueles obtidos utilizando modelos clássicos da literatura de previsão de séries temporais financeiras. Os resultados mostraram ganhos de desempenho de previsão de mais de 200% em relação aos modelos classícos estudados. |
