Machine learning para previsão de preços em high-frequency trading.

Página do item simplificado
dc.contributor.advisorOliveira, Rogério
dc.contributor.authorMarco, Acácio Bonifácio
dc.date.accessioned2023-07-03T14:08:35Z
dc.date.available2023-07-03T14:08:35Z
dc.date.issued2023-06-16
dc.descriptionTCCpt_BR
dc.description.abstractThis study utilizes the Deep Learning LSTM technique in conjunction with data filtering techniques such as the Percentile Method and the Hampel Filter to enhance high-frequency stock price prediction. The results show that LSTM models are capable of capturing patterns and trends in price data, and the inclusion of indicators such as Bollinger Bands and Order Flow Imbalance does not demonstrate significant differences in the results. The tested configurations yielded similar results, indicating the accuracy of LSTM models in high-frequency price prediction.pt_BR
dc.description.abstractEste estudo utiliza a técnica de Deep Learning LSTM em conjunto com técnicas de filtragem de dados, como o Método Percentil e o Filtro de Hampel, para aprimorar a previsão de preços de ações em alta frequência. Os resultados mostram que os modelos LSTM são capazes de capturar padrões e tendências nos dados de preços, e a inclusão de indicadores como Bandas de Bollinger e Order Flow Imbalance não demonstra diferenças significativas nos resultados. As configurações testadas apresentaram resultados próximos, indicando a precisão dos modelos LSTM na previsão de preços em alta frequência.pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/32811
dc.languagept_BRpt_BR
dc.publisherUniversidade Presbiteriana Mackenziept_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectdeep learningpt_BR
dc.subjectlstmpt_BR
dc.subjecthftpt_BR
dc.subjectprevisão de preçopt_BR
dc.subjectindicadorespt_BR
dc.titleMachine learning para previsão de preços em high-frequency trading.pt_BR
dc.typeTCCpt_BR
local.publisher.departmentFaculdade de Computação e Informática (FCI)pt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
1195-Artigo Final-5404-1-4-20230616 (1).pdf
Tamanho:
1.43 MB
Formato:
Adobe Portable Document Format
Descrição:
Acácio Bonifácio de Marco
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Sistemas de Informação - TCC - FCI Higienópolis