1. Repositório UNISC
  2. Teses e Dissertações
  3. Programa de Pós-Graduação em Sistemas e Processos Industriais – Mestrado
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11624/341
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSoares, Fabrício-
dc.typeDissertação de Mestradopt_BR
dc.language.isopt_BRpt_BR
dc.titleModelo de predição financeira utilizando wavelets e redes neurais artificiais.pt_BR
dc.date.issued2009-
dc.degree.localSanta Cruz do Sulpt_BR
dc.contributor.advisorPanta Pazos, Rubén Edgardo-
dc.contributor.advisorcoFrozza, Rejane-
dc.degree.departmentPrograma de Pós-Graduação em Sistemas e Processos Industriaispt_BR
dc.description.abstractThis work presents the development of a prediction model of financial time series using the Artificial Neural Network so called Distributed Time Lagged FeedForward (Distributed TLFN). This neural network is trained with the temporal back-propagation algorithm and with preprocessing of input signals performed with discrete wavelet transforms. The methodology shows how the multiresolution analysis of Mallat algorithm has collaborated for the increase of generalization capacity of neural network, optimizing the forecasts developed with the implemented model. In order to demonstrate the effectiveness of this methodology, case studies had been realized evolving quotes of stock of Petrobras (PETR4) and Telemar (TNLP3), and the quotas, negotiated in the secondary market, of the Real Estate Investment Fund “Almirante Barroso”.pt_BR
dc.description.notaInclui bibliografia.pt_BR
dc.subject.otherRedes neurais (Computação)pt_BR
dc.subject.otherAnálise de séries temporaispt_BR
dc.subject.otherMercado de capitaispt_BR
dc.identifier.urihttp://hdl.handle.net/11624/341-
dc.date.accessioned2015-08-03T22:43:16Z-
dc.date.available2015-08-03T22:43:16Z-
dc.degree.grantorUniversidade de Santa Cruz do Sulpt_BR
dc.description.resumoEste trabalho apresenta o desenvolvimento de um modelo de predição de séries temporais financeiras com o uso da Rede Neural Artificial TLFN Distribuída (Time Lagged FeedForward Network - Rede Neural Alimentada para frente Atrasada no Tempo), treinada com o algoritmo backpropagation temporal e com o préprocessamento dos sinais de entrada realizado com as Transformadas Wavelets Discretas. A metodologia demonstra como a análise de multirresolução feita com o algoritmo piramidal de Mallat colaborou para o aumento da capacidade de generalização da rede neural, otimizando as previsões feitas pelo modelo implementado. Com a finalidade de demonstrar a eficácia desta metodologia, foram realizados estudos de caso envolvendo as séries históricas de cotações das ações das empresas Petrobrás (PETR4) e Telemar (TNLP3), além das cotas, negociadas no mercado secundário, do Fundo de Investimento Imobiliário Almirante Barroso (FAMB11B).pt_BR
Aparece nas coleções:Programa de Pós-Graduação em Sistemas e Processos Industriais – Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
FabricioSoares.pdf1.14 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item


Este item está licenciado sob uma Licença Creative Commons Creative Commons