| Campo DC | Valor | Idioma |
|---|
| dc.contributor.advisor | Rocha Filho, Tarcísio Marciano da | - |
| dc.contributor.author | Lima, Maycon Kawlin Sardévist Alcântara e | - |
| dc.date.accessioned | 2024-08-02T21:58:48Z | - |
| dc.date.available | 2024-08-02T21:58:48Z | - |
| dc.date.issued | 2024-08-02 | - |
| dc.date.submitted | 2021-06-28 | - |
| dc.identifier.citation | LIMA, Maycon Kawlin Sardévist Alcântara e. Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3. 2021. ix, 67 f., il. Dissertação (Mestrado em Física) — Universidade de Brasília, Brasília, 2021. | pt_BR |
| dc.identifier.uri | http://repositorio2.unb.br/jspui/handle/10482/49491 | - |
| dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2021. | pt_BR |
| dc.description.abstract | Esta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica-
mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network-
DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa
brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados
diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem-
porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses
três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori-
dade da rede neural DESN. | pt_BR |
| dc.language.iso | por | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3 | pt_BR |
| dc.title.alternative | Time series forecasting using reservoir computing : application on B3’s stock | pt_BR |
| dc.type | Dissertação | pt_BR |
| dc.subject.keyword | Aprendizagem de máquina | pt_BR |
| dc.subject.keyword | Redes neurais recorrentes | pt_BR |
| dc.subject.keyword | Previsão do preço | pt_BR |
| dc.subject.keyword | Séries temporais | pt_BR |
| dc.description.abstract1 | This dissertation deals with the application of Machine Learning tools, more specifically of
recurrent neural networks (Echo State Network-ESN and Deep Echo State Network-DESN),
in the intent of forecast the asset price of Petréleo Brasileiro SA (PETR4), a Brazilian com-
pany of publicly traded company whose majority shareholder is the Government of Brazil.
Different methods are used, such as daily variation of the price’s logarithm, use of differ-
ent time series and principal component analysis (PCA). The results showed that the use of
these three methods together generate satisfactory results, besides that are demonstrating a
superiority of the DESN neural network. | pt_BR |
| dc.description.unidade | Instituto de Física (IF) | pt_BR |
| dc.description.ppg | Programa de Pós-Graduação em Física | pt_BR |
| Aparece nas coleções: | Teses, dissertações e produtos pós-doutorado
|
