http://repositorio.unb.br/handle/10482/50092| File | Description | Size | Format | |
|---|---|---|---|---|
| 2022_MayconKawlinSardevistAlcântaraeLima.pdf | 14,77 MB | Adobe PDF | View/Open |
| Title: | Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3 |
| Other Titles: | Time Series Forecasting Using Reservoir Computing : application on B3ºs Stock |
| Authors: | Lima, Maycon Kawlin Sardévist Alcântara e |
| Orientador(es):: | Rocha Filho, Tarcísio Marciano da |
| Assunto:: | Aprendizagem de máquina Séries temporais Logaritmo do preço Redes neurais (Computação) |
| Issue Date: | 21-Aug-2024 |
| Data de defesa:: | 30-Nov-2021 |
| Citation: | LIMA, Maycon Kawlin Sardévist Alcântara e. Previsão com séries temporais usando computação por reservatório: aplicação em ativo do B3. 2021. ix, 67 f., il. Dissertação (Mestrado em Física) — Universidade de Brasília, Brasília, 2021. |
| Abstract: | Esta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica- mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network- DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem- porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori- dade da rede neural DESN. |
| Abstract: | This dissertation deals with the application of Machine Learning tools, more specifically of recurrent neural networks (Echo State Network-ESN and Deep Echo State Network-DESN), in the intent of forecast the asset price of Petróleo Brasileiro SA (PETR4), a Brazilian com- pany of publicly traded company whose majority sharcholder is the Government of Brazil. Different methods are used, such as daily variation of the price's logarithm, use of differ- ent time series and principal component analysis (PCA). The results showed that the use of these three methods together generate satisfactory results, besides that are demonstrating a superiority of the DESN neural network. |
| metadata.dc.description.unidade: | Instituto de Física (IF) |
| Description: | Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2021. |
| metadata.dc.description.ppg: | Programa de Pós-Graduação em Física |
| Agência financiadora: | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). |
| Appears in Collections: | Teses, dissertações e produtos pós-doutorado |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.