Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/26066
Title: Um Estudo Sobre Aprendizado de Máquina Aplicado à Modelagem de Retornos de Ações
Authors: Santos Junior, José Gilmar Alves
Keywords: Aprendizado de máquina;Mercado de ações;Séries temporais financeiras;Máquinas de vetores de suporte
Issue Date: 15-Sep-2015
Citation: SANTOS JUNIOR, José Gilmar Alves. Um Estudo Sobre Aprendizado de Máquina Aplicado à Modelagem de Retornos de Ações. 2015. 126f. Dissertação (Mestrado Em Sistemas E Computação) - Centro De Ciências Exatas E Da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2015.
Portuguese Abstract: O comportamento do preço de ações tem sido objeto de estudo há mais de um século, e as primeiras aplicações de inteligência artificial na previsão de retornos datam da década de 1980. Neste trabalho, foi realizado um estudo sobre a aplicação de máquinas de vetores de suporte na previsão de aspectos da distribuição de probabilidade de taxas de retorno futuras dos preços de ações do mercado brasileiro: com base em valores anteriores das taxas de retorno e volatilidades, ambas extraídas dos preços, deseja-se verificar se a sua utilização é vantajosa em relação a modelos estatísticos mais simples. Através da comparação do desempenho de diversos modelos (lineares, não lineares baseados em máquinas de vetores de suporte e híbridos) em séries temporais com amostragens semanal, diária e intraday de dez minutos, foi evidenciado que: (a) modelos híbridos geram previsões mais precisas do que os demais nas séries de volatilidades; (b) a aplicação de máquinas de vetores de suporte na previsão de valores esperados e intervalos de previsão para taxas de retorno não leva a ganhos em relação a modelos lineares; e (c) a abordagem de tratar a evolução de séries temporais como função pode levar a resultados similares aos alcançados (e muito aquém do melhor possível), caso as séries sejam não lineares contaminadas por ruído aditivo de grande magnitude.
Abstract: Stock prices behavior has been subject of research for over a century, and artificial intelligence techniques has been applied to forecast returns since the 1980s. In the present research, we examine the performance of support vector machines to forecast Brazilian stock returns and predictions intervals: based on past values of stock returns and volatilities, both extracted from prices series, we want to figure out if there is some gain over traditional statistical models. Our findings are based on analysis of linear, support vector and hybrid models applied to weekly, daily and intraday data. The empirical evidence suggests that (a) hybrid models performs better on forecasting volatilities series; (b) linear models performs better on forecasting stock returns expected values and prediction intervals; and (c) the approach of treating time series dynamics as a function may lead to results like the ones we’ve got (far bellow the best possible) if the time series is nonlinear with large additive noise.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/26066
Appears in Collections:PPGSC - Mestrado em Sistemas e Computação

Files in This Item:
File Description SizeFormat 
AprendizadoMaquinaAcoes_SantosJr_2015.pdf1,7 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.