Show simple item record

dc.contributor.advisorBasso, Leonardo Fernando Cruz
dc.contributor.authorCosta, Marisa Gomes da
dc.date.accessioned2020-07-28T19:30:30Z
dc.date.accessioned2020-12-07T15:05:31Z
dc.date.available2020-12-07T15:05:31Z
dc.date.issued2020-04-24
dc.identifier.citationCOSTA, Marisa Gomes da. Ensaios sobre o uso de redes neurais na previsão de taxa de câmbio. 2020. 92 f. Tese (Doutorado em Administração de Empresas) - Universidade Presbiteriana Mackenzie, São Paulo, 2020.
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/26467
dc.description.abstractThis study aims to compare and evaluate the predictive power of artificial neural network models on exchange rates. Initially, a bibliometric study and literature review is carried out in order to identify the current research status in the area. Then, an empirical study is propesed to forecast various Exchange rates using data of opening, closing,high and low in daily frequency. The data sample includes exchange rates (BRL / USD, EUR / USD and GBP / USD) from January 2014 to December 2019. Forecasts are made for a period ahead. Different architectures of the LSTM recurrent neural network model were tested. To rank the models in terms of predictive power, the results of the predictions are compared to the prediction of the random walk model, using it as a benchmark, as well as ARIMA. The selection of models is made by the model confidence set (MCS). Lunde and Nason. The results indicated that the LSTM model is superior to the random walk and ARIMA for all analyzed currencies.
dc.description.abstractEste estudo objetiva comparar e avaliar o poder preditivo dos modelos de rede neural artificial sobre taxas de câmbio. Inicialmente é realizado um estudo bibliométrico e de revisão de literatura a fim de identificar o atual status da pesquisa na área. Em seguida, é realizada um estudo empírico de previsão de taxas de câmbio utilizando dados de abertura, fechamento, máximo e mínimo em frequência diária. A amostra de dados comtempla as taxas de câmbio (BRL/USD, EUR/USD E GBP/USD) no período de janeiro de 2014 a dezembro de 2019. As previsões são realizadas para um horizonte de um período à frente. Foram testadas diferentes arquiteturas do modelo de rede de rede neural recorrente LSTM. Para ranquear os modelos em termos de poder preditivo, os resultados das previsões são comparados à previsão do modelo de passeio aleatório, utilizando-o como benchmark, bem como ARIMA. A seleção de modelos é feita pelo model confidence set (MCS), de Hansen. Lunde e Nason (2011). Os resultados indicaram que o modelo LSTM é superior ao passeio aleatório e ARIMA para todas as moedas analisadas.
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Presbiteriana Mackenzie
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectconfidence set model
dc.subjectaprendizagem de máquina
dc.subjectLSTM
dc.subjectredes neurais recorrentes
dc.subjecttemas emergentes
dc.titleEnsaios sobre o uso de redes neurais na previsão de taxa de câmbio
dc.typeTese
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS
dc.creator.Latteshttp://lattes.cnpq.br/1739721239636939
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1866154361601651
dc.keywordsconfidence set model
dc.keywordsmachine learning
dc.keywordsLSTM
dc.keywordsneural networks
dc.keywordshot topics
local.contributor.board1Hadad Junior, Eli
local.contributor.board1Latteshttp://lattes.cnpq.br/2030318390506756
local.contributor.board2Mendonça, Diogo de Prince
local.contributor.board2Latteshttp://lattes.cnpq.br/3160691112817642
local.publisher.countryBrasil
local.publisher.departmentCentro de Ciências Sociais e Aplicadas (CCSA)
local.publisher.initialsUPM
local.publisher.programAdministração de Empresas
local.contributor.board3Jucá, Michele Nascimento
local.contributor.board4Kimura, Herbert
local.contributor.board3Latteshttp://lattes.cnpq.br/6770985264140454
local.contributor.board4Latteshttp://lattes.cnpq.br/2048706172366367


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Acesso Aberto
Except where otherwise noted, this item's license is described as Acesso Aberto