Previsão de sucessões cronológicas econômico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH: um estudo comparativo quanto à eficiência de previsão

• Ano de defesa: 2004
• Autor(a) principal: Oliveira, Mauri Aparecido de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de séries temporais; Econometria; Econometrics; Neural networks; Prediction (time series analysis); Previsão (análise de séries temporais); Redes neurais; Time series analysis
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/12/12139/tde-07122021-095621/

O principal objetivo desse trabalho é estudar o processamento de séries temporais para a realização de previsão utilizando redes neurais artificiais e os modelos ARIMA-GARCH. Com relação as redes neurais foram estudados os algoritmos de processamento temporal utilizando redes neurais alimentadas adiante e as redes recorrentes. Sendo que nas redes recorrentes o algoritmo utilizado para análise da série temporal foi o algoritmo de aprendizagem recorrente em tempo real (RTRL). Para os modelos ARIMA foi utilizada a metodologia desenvolvida por Box e Jenkins. Foram utilizadas as séries temporais de retornos diários do IBOVESPA, Petrobrás, Nasdaq, IBM e saca de 60Kg de soja como exemplo de aplicação das metodologias