Navegando por Palavras-chave "Rede neural lstm"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Previsão de preços de ativos listados na B3: um estudo comparativo entre modelos tradicionais e redes neurais
    (Universidade Federal de São Paulo, 2023-01-19) Moreira, Larissa Lopes [UNIFESP]; Lucas, Edmilson Costa [UNIFESP]; http://lattes.cnpq.br/1874057539542352
    O objetivo deste trabalho é comparar o desempenho de modelos econométricos tradicionais e de algoritmos baseados em inteligência computacional, a fim de averiguar qual das técnicas é a mais assertiva na previsão de preços de ações de três empresas: Weg, Magazine Luiza e Porto Seguro. O presente estudo compara o desempenho da aplicação conjunta dos modelos Arma e Garch com o desempenho obtido por redes neurais artificiais do tipo LSTM. Utilizou-se a série de preços de fechamento de cada ativo e os dados foram obtidos através de uma API do Yahoo Finance. Para escolher a melhor topologia da rede neural LSTM, utilizou-se o RMSE e o MAPE, enquanto que para a escolha do melhor modelo Arma-Garch, foram utilizados o AIC, o teste Ljung-Box, análises de significância dos coeficientes, além do princípio da parcimônia. Por fim, comparou-se o desempenho do melhor modelo de cada uma das duas técnicas através do RMSE e do MAPE. Os resultados indicam que as redes neurais LSTM apresentam maior capacidade preditiva que os modelos Arma-Garch para todos os ativos analisados e esse achado se alinha com outros trabalhos presentes na literatura.