Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/24816
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2018_MuriloDinizRochaFilho_tcc.pdf939,25 kBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorCajueiro, Daniel Oliveira-
dc.contributor.authorRocha Filho, Murilo Diniz-
dc.identifier.citationROCHA FILHO, Murilo Diniz. Elementos de probabilidade, econometria e aprendizagem de máquinas com aplicações em séries temporais econômicas e financeiras. 2018. 137 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciências Econômicas)—Universidade de Brasília, Brasília, 2018.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Administração, Contabilidade e Economia, Departamento de Economia, 2018.pt_BR
dc.description.abstractO presente trabalho tem por objetivo complementar a literatura sobre o vínculo entre os elementos de probabilidade, econometria e aprendizagem de máquinas que podem ajudar a responder questões referentes à previsão em series temporais econômicas e financeiras, sugerindo que uma abordagem robusta envolve a utilização complementar de modelos e metodologias distintas. Para tanto, foi realizado um estudo bibliográfico sobre a evolução da literatura que analisa os fundamentos matemáticos e probabilísticos de alguns dos principais modelos utilizados em economia e finanças. Mais especificamente, são apresentadas algumas das principais abordagens econométricas modernas, como vetores autoregressivos e modelos de heterocedasticidade condicional, bem como modelos lineares dinâmicos e a representação em espaço de estado.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordSéries temporaispt_BR
dc.subject.keywordProcesso estocásticopt_BR
dc.subject.keywordEconometriapt_BR
dc.subject.keywordProbabilidadespt_BR
dc.titleElementos de probabilidade, econometria e aprendizagem de máquinas com aplicações em séries temporais econômicas e financeiraspt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2020-07-27T12:44:31Z-
dc.date.available2020-07-27T12:44:31Z-
dc.date.submitted2018-07-04-
dc.identifier.urihttps://bdm.unb.br/handle/10483/24816-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The present paper aims to complement the literature on the link between the elements of probability, econometrics and machine learning that can help answer questions related to economic and financial time series forecasting, suggesting that a robust approach involves the complementary use of models and different approaches. For this, a bibliographic study was carried out on the evolution of the literature that analyzes the mathematical and probabilistic fundamentals of some novel models with application in economics and finance. More specifically, some of the main modern econometric approaches are presented, such as vector autoregressions and conditional heteroscedasticity models, as well as dynamic linear models and the state space representation.pt_BR
Aparece na Coleção:Ciências Econômicas



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.