Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/11744
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2015_FelipeDutraCalainho.pdf3,68 MBAdobe PDFver/abrir
Título: Previsão da direção de índices da Bovespa por intermédio de Máquina de Suporte Vetorial
Autor(es): Calainho, Felipe Dutra
Orientador(es): Albuquerque, Pedro Henrique Melo
Assunto: Máquinas de suporte vetorial
Ações (Finanças)
Bolsa de Valores de São Paulo
Data de apresentação: 2015
Data de publicação: 28-Jan-2016
Referência: CALAINHO, Felipe Dutra. Previsão da direção de índices da Bovespa por intermédio de Máquina de Suporte Vetorial. 2015. 96 f., il. Monografia (Bacharelado em Administração)—Universidade de Brasília, Brasília, 2015.
Resumo: Esta pesquisa tem por objetivo analisar a aplicação de Máquinas de Suporte Vetorial com o intuito de prever o movimento de índices de ações da BOVESPA. Os dados da pesquisa abrangem o período de 22/01/2001 até 22/09/2015. Os dados de entrada da máquina são os Log-Retornos dos índices e dois indicadores de análise técnica - Índice de Força Relativa e Médias Móveis Convergentes Divergentes. Esses dados são utilizados para determinar o movimento do índice (subir ou descer) e a probabilidade de ocorrência da previsão. Uma validação cruzada (k-fold) é realizada para a escolha dos melhores parâmetros, onde o melhor desempenho da máquina é uma acurácia de 70% na previsão. ________________________________________________________________________________ ABSTRACT
This research aims to examine the application of Support Vector Machines in order to predict the movement of the Bovespa stock index. This survey data cover the period from 01/22/2001 to 09/22/2015. Machine input data is the log-returns of the indices and two technical analysis indicators - Relative Strength Index and Moving Average Convergence Divergence. These data are used to determine the movement (up or down) of the indices and the probability of the forecast. A cross-validation (k-fold) is performed to choose the best parameters, where the best machine performance in forecasting is a hit ratio of 70%.
Informações adicionais: Monografia (graduação)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Administração, 2015.
Aparece na Coleção:Administração



Este item está licenciado na Licença Creative Commons Creative Commons