dc.creator |
VILELA, Lucas Faria e Souza |
|
dc.date.issued |
2016-11-24 |
|
dc.identifier.citation |
VILELA, Lucas Faria e Souza. Previsão de Séries Financeiras utilizando Métodos de Clusterizacão e Máquinas de Vetor de Suporte. 2016. 107 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação) – Universidade Federal de Itajubá, Itajubá, 2016. |
pt_BR |
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/640 |
|
dc.description.abstract |
Prever valores futuros de séries temporais financeiras é assunto de estudos e pesquisas há diversas décadas. Muitas propostas, utilizando modelos matemáticos lineares e não lineares, ou utilizando inteligência artificial, já foram formuladas, e os resultados vêm se aprimorando conforme os estudos avançam. As séries temporais se caracterizam por possuírem diferentes contextos com o passar do tempo. Existem períodos de baixa e alta volatilidade, períodos com regime de expansão e de recessão, entre outros. Captar os contextos e tratá-los de forma distinta é desejável, visto que a relação entre os contextos é pequena ou nula. Este trabalho propõe a aplicação de métodos de Clusterizacão na série temporal, de forma a separar as informações da série em seus diversos contextos, chamados neste estudo de clusters. Os métodos K-Means e C-Means foram utilizados para este fim. Após este processo, uma SVM por cluster é treinada com as informações pertinentes apenas ao seu cluster. Desta forma, deseja-se inibir a influência de informações de contextos diferentes dentro de um cluster. Utilizando uma série financeira de um fundo de ações de um banco brasileiro, os resultados mostraram-se positivos e superiores em precisão, quando comparados a uma arquitetura sem tratamento de contexto e a um estudo cujo tratamento de contexto se dá por meio de uma SOM. Tendo o tratamento de contexto se mostrado benéfico em estudos passados, esta proposta vem apresentar que ganhos ainda maiores podem ser obtidos quando a série é previamente processada de forma adequada, trabalhando assim no sentido de melhorar a exatidão do elemento previsor do sistema, a SVM. |
pt_BR |
dc.language.iso |
pt_BR |
pt_BR |
dc.title |
Previsão de Séries Financeiras utilizando Métodos de Clusterizacão e Máquinas de Vetor de Suporte. |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.place |
Itajubá |
pt_BR |
dc.pages |
107 p. |
pt_BR |
dc.keywords.portuguese |
Valores futuros |
pt_BR |
dc.keywords.portuguese |
Séries temporais financeiras |
pt_BR |
dc.keywords.portuguese |
Clusterização |
pt_BR |
dc.keywords.portuguese |
Cluster |
pt_BR |
dc.keywords.portuguese |
Fundo de ações |
pt_BR |
dc.keywords.portuguese |
SOM |
pt_BR |
dc.keywords.portuguese |
SVM |
pt_BR |
dc.orientador.principal |
CARPINTEIRO, Otávio Augusto Salgado |
|
dc.orientador.coorientador |
PINHEIRO, Carlos Alberto Murari |
|
dc.place.presentation |
Universidade Federal de Itajubá |
pt_BR |
dc.pg.programa |
Ciência e Tecnologia da Computação |
pt_BR |
dc.pg.area |
Matemática da Computação |
pt_BR |
dc.date.available |
2017-01-31T17:03:38Z |
|
dc.date.accessioned |
2017-01-31T17:03:38Z |
|
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
|
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação |
|