Predição de tendências em séries financeiras utilizando metaclassificadores

Página do item simplificado
dc.contributor.advisorPereira, Adriano César Machado
dc.contributor.advisor-coCarrano, Eduardo Gontijo
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/4022838844024162
dc.contributor.advisorLatteshttp://lattes.cnpq.br/6813736989856243
dc.contributor.authorAssis, Carlos Alberto Silva de
dc.contributor.authorLatteshttp://lattes.cnpq.br/4301459614232149
dc.contributor.refereePereira, Adriano César Machado
dc.contributor.refereeCarrano, Eduardo Gontijo
dc.contributor.refereePereira, Marconi de Arruda
dc.contributor.refereePaiva, Felipe Dias
dc.contributor.refereeDalip, Daniel Hasan
dc.contributor.refereePádua, Flávio Luís Cardeal
dc.contributor.refereeCardoso, Rodrigo Tomás Nogueira
dc.date.accessioned2025-05-09T23:09:16Z
dc.date.available2025-05-09T23:09:16Z
dc.date.issued2019-04-24
dc.description.abstractA previsão do comportamento de ativos financeiros é uma linha de pesquisa que vem sendo investigada por diversas técnicas ao longo dos últimos anos. Mesmo com inúmeras pesquisas, prever preços de ativos ou tendências continua sendo uma tarefa extremamente difícil, uma vez que tal comportamento está ligado às incertezas do mercado financeiro e outros fatores. Desta forma, neste trabalho foi desenvolvido um meta-classificador baseado em métodos de inteligência computacional para descobrir tendências de preço para ativos de bolsa de valores, como a B3. O kernel do meta-classificador é baseado na ferramenta WEKA, onde 7 classificadores são combinados para serem otimizados na etapa seguinte pela meta-classificação. Testes foram realizados com alguns dos ativos mais líquidos de diferentes setores e o ativo que acompanha o índice Bovespa da B3, são eles: BOVA11, CIEL3, ITUB4, PETR4, USIM5, CMIG4, GGBR4, KROT3 e GOLL4. Os resultados foram satisfatórios, apresentando uma boa acurácia na classificação com até 57%, além de resultados financeiros com ganhos de até 100% do valor de capital inicialmente investido. Também tivemos bons resultados quando comparamos com os baselines buy-and-hold, aleatório e estratégia inversa.
dc.description.abstractotherPredicting the behavior of financial assets is a task that has been researched by various techniques over the last years. Despite there exists an extensive research in this area, the task to predict asset prices or trends remains an extremely difficult task because due to the uncertainties of the financial markets and other factors. This work proposes and implement a meta-classifier based on computational intelligence techniques to find price trends for the stock market assets, as the B3. Meta-classifier kernel is based on the WEKA tool, where 7 classifiers are combined to be optimized in the next step by meta-classification. Tests were performed with some of the most liquidity assets of different sectors and the assets that accompany the Bovespa index of B3, are: BOVA11, CIEL3, ITUB4, PETR4, USIM5, CMIG4, GGBR4, KROT3 and GOLL4. The results were satisfactory, showing a good accuracy in the classification with up to 57%, in addition to financial results with gains of up to 100% of the capital value initially invested. We also had good results when compared to the buy-and-hold, random and inverse strategy.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/1414
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacional
dc.titlePredição de tendências em séries financeiras utilizando metaclassificadores
dc.typeTese

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Predição de tendências em séries financeiras utilizando metaclassificadores.pdf
Tamanho:
2.87 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Doutorado em Modelagem Matemática e Computacional