Previsão dos retornos do índice BOVESPA usando redes neurais artificiais
AUTOR(ES)
Edgar Leite dos Santos Filho
DATA DE PUBLICAÇÃO
2008
RESUMO
Os mercados financeiros e de capitais, especialmente os mercados de ações, são considerados investimentos de alto risco, dominados por incertezas e volatilidades. A previsão no mercado de ações pode ser útil para lidar com esta incerteza e, conseqüentemente, o risco. Como os mercados de ações são influenciados por fatores econômicos, políticos e até mesmo psicológicos, é difícil prever o movimento futuro dos valores. Uma vez que as métricas estatísticas e/ou econométricas tradicionais, usadas como suporte para a análise técnica e fundamentalista, não são capazes de absorver as não linearidades dos conjuntos de dados, torna-se necessária a utilização de procedimentos de previsão avançados. As previsões financeiras por meio das técnicas de análise da volatilidade juntamente com as redes neurais artificiais (RNAs) foram apresentadas como métodos promissores para tais previsões. O projeto de uma RNA tem inspiração em aspectos de aprendizado do cérebro humano. As RNAs têm o potencial de aprender o mecanismo dos mercados de ações, isto é, capturar a complexa dinâmica e as não linearidades das séries temporais do mercado de ações. Neste trabalho, alguns conceitos e teorias sobre séries temporais financeiras ligadas aos mercados de ações, bem como as RNAs e os sistemas baseados em técnicas híbridas utilizadas para solucionar problemas de previsão de interesse dos mercados financeiros, são revisados. Nesta dissertação são validados métodos de previsão baseados em RNAs de Elman, treinadas pelo método Quase Newton do tipo BFGS (método Quase Newton com aproximação da hessiana proposta por Broyden, Fletcher, Powell e Goldfarb) e com o algoritmo da computação Evolutiva denominado de evolução diferencial. Esses métodos são utilizados para a previsão, um passo à frente, dos valores do índice BOVESPA (IBOVESPA), com base em suas cotações históricas tomadas diariamente e sua capacidade preditiva comparada com base no coeficiente de desigualdade U-Theil. Os métodos baseados em RNAs Elman combinados com o quase Newton do tipo BFGS e a evolução diferencial obtiveram melhores resultados, ainda que não significativamente, em relação ao coeficiente de desigualdade U-Theil, do que o método GARCH(1,1). A combinação Elman e ED best/1/bin foi o método com o melhor desempenho entre os validados.
ASSUNTO(S)
algoritmos Índices de mercado de ações engenharia de produção - dissertações neural networks (computer science) algorithms engenharia de producao evolutionary computation production engineering previsão econômica redes neurais (computação) computação evolucionária economic forecasting
Documentos Relacionados
- Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo
- Redes neurais artificiais aplicadas na previsão do VTEC no Brasil
- Identificação de sistemas dinamicos usando redes neurais artificiais
- Previsão de vazões médias mensais usando redes neurais nebulosas
- Aplicação de redes neurais artificiais na previsão da produção de álcool