Engenharia Elétrica - TCC – EE Higienópolis

URI Permanente para esta coleção

Agora exibindo 1 - 1 de 1

Mercado de ações: estudo da previsibilidade utilizando séries temporais aplicadas em machine learning
Defacio, Felipe Seixas; Bronzati, Vitor Ribeiro (2019-12)
Escola de Engenharia (EE)
Este trabalho se propõe a estudar a previsão de séries temporais com os dados de Fechamento das ações da Vale SA e os valores das Cotas do fundo de investimento AIG SEGUROS. Para a previsão serão utilizados cinco diferentes métodos de machine learning aplicando scripts em Python e bibliotecas específicas, sendo eles: Média Móvel, Regressão Linear, K-Nearest Neighbors, Auto ARIMA e Prophet do Facebook. Através desse estudo será mostrado como métodos computacionais podem contribuir na realização de investimentos. Nesse sentido, a melhor performance para o conjunto da Vale SA foi obtida pela técnica K-Nearest Neighbors e a pior pela Regressão Linear. Ainda assim, mesmo com o método KNN os valores previstos estão distantes dos valores reais e apresentam um erro RMS elevado e por isso não podem ser os únicos parâmetros a serem avaliados na hora de realizar investimentos. Com os dados do fundo de investimento por outro lado, o melhor desempenho foi decorrente do método Prophet do Facebook, e o pior pelo K-Nearest Neighbors. Neste caso, os erros obtidos foram pequenos e abaixo de 10 e podem ser utilizados como método de análise de tendências de fundos.