Navegando por Palavras-chave "Long short term memory"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Uso de redes neurais recorrentes para previsão na Bovespa
    (Universidade Federal de São Paulo, 2021-03-09) Passos, Luiz Otavio; Quiles, Marcos Gonçalves; http://lattes.cnpq.br/8867164774240536; http://lattes.cnpq.br/5315595133650801
    O presente trabalho tem como objetivo a previsão do preço de uma ação na bolsa de valores de São Paulo por meio de Inteligência Artificial. Esse trabalho utiliza Redes Neurais Recorrentes, que é um modelo de Rede Neural com loop, o que permite a persistência de informações. Isso não é possível em redes neurais simples ou em outros modelos de aprendizado de máquina. Nesse trabalho será utilizada uma variação daquela rede, as LSTMs ou também Long Short-Term Memory, que se utiliza de memorização, para a previsão/regressão de séries temporais com intervalos de tempo de duração desconhecida. Quanto aos atributos utilizados da base de dados para a previsão estarão preço de abertura da ação, preço de fechamento e preço de alta e de baixa. Nesse trabalho de conclusão de curso pretende-se criar um modelo que estime o preço de uma ação com um erro absoluto de poucos centavos em relação ao preço verdadeiro, dessa forma auxiliando operadores e investidores quanto a venda e compra de ações na bolsa.