Banca de DEFESA: Carlos Alberto Silva de Assis

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : Carlos Alberto Silva de Assis
DATA : 24/04/2019
HORA: 09:00
LOCAL: Auditório do Prédio 19 Campus II
TÍTULO:

Predição de Tendências em Séries Financeiras utilizando Meta-Classificadores


PALAVRAS-CHAVES:

Inteligência Computacional. Meta-Classificador. Séries Financeiras.


PÁGINAS: 87
RESUMO:

A previsão do comportamento de ativos financeiros é uma linha de pesquisa que vem sendo investigada por diversas técnicas ao longo dos últimos anos. Mesmo com inúmeras pesquisas, prever preços de ativos ou tendências continua sendo uma tarefa extremamente difícil, uma vez que tal comportamento está ligado às incertezas do mercado financeiro e outros fatores. Desta forma, neste trabalho foi desenvolvido um meta-classificador baseado em métodos de inteligência computacional para descobrir tendências de preço para ativos de bolsa de valores, como a B3. O kernel do meta-classificador é baseado na ferramenta WEKA, onde 7 classificadores são combinados para serem otimizados na etapa seguinte pela meta-classificação. Testes foram realizados com alguns dos ativos mais líquidos de diferentes setores e o ativo que acompanha o índice Bovespa da B3, são eles: BOVA11, CIEL3, ITUB4, PETR4, USIM5, CMIG4, GGBR4, KROT3 e GOLL4. Os resultados foram promissores, apresentando uma boa acurácia na classificação com até 57%, além de resultados financeiros satisfatórios com ganhos de até 100% do valor de capital inicialmente investido. Também tivemos bons resultados quando comparamos com os baselines buy-and-hold, aleatório e estratégia inversa.


MEMBROS DA BANCA:
Presidente - ADRIANO CESAR MACHADO PEREIRA - UFMG
Externo ao Programa - DANIEL HASAN DALIP
Externo à Instituição - EDUARDO GONTIJO CARRANO - UFMG
Externo ao Programa - FELIPE DIAS PAIVA
Interno - FLAVIO LUIS CARDEAL PADUA
Externo à Instituição - MARCONI DE ARRUDA PEREIRA - UFSJ
Interno - RODRIGO TOMAS NOGUEIRA CARDOSO
Notícia cadastrada em: 23/04/2019 11:50
SIGAA | Diretoria de Tecnologia da Informação - DTI - (31) 3319-7000 | Copyright © 2006-2024 - UFRN - vm-sig-app-09.ditic.sgi.cefetmg.br.inst9