1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Administração - Doutorado (Teses)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/2827
Registro completo de metadados
Campo DCValorIdioma
dc.creatorPaiva, Felipe Dias-
dc.date.accessioned2014-08-15T12:24:32Z-
dc.date.available2014-
dc.date.available2014-08-15T12:24:32Z-
dc.date.copyright2014-
dc.date.issued2014-
dc.date.submitted2014-04-24-
dc.identifier.citationPAIVA, F. D. Redes neurais para decisões no mercado de ações brasileiro. 2014. 118 p. Tese (Doutorado em Administração) - Universidade Federal de Lavras, Lavras, 2014.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/2827-
dc.descriptionTese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Administração, área de concentração em Gestão de Negócios, Economia e Mercados, para a obtenção título de Doutor.pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectInvestimentopt_BR
dc.subjectModelo de decisãopt_BR
dc.subjectInvestimentpt_BR
dc.subjectBrazilian capital marketspt_BR
dc.subjectArtificial neural networkspt_BR
dc.subjectDecision modelpt_BR
dc.titleRedes neurais para decisões no mercado de ações brasileiropt_BR
dc.typetesept_BR
dc.publisher.programDAE - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationGestão de Negócios, Economia e Mercadospt_BR
dc.contributor.advisor1Reis, Ricardo Pereira-
dc.contributor.referee1Santos, Antônio Carlos dos-
dc.contributor.referee1Benedicto, Gideon Carvalho de-
dc.contributor.referee1Magalhães, Arthur Rodrigo Bosco-
dc.contributor.referee1Cardoso, Rodrigo Tomás Nogueira-
dc.description.resumoA presente pesquisa objetivou estruturar um modelo baseado na técnica de redes neurais artificiais para compra e venda de ativos financeiros do mercado de capitais brasileiro. Para tanto, delineou-se uma amostra de 28 ativos financeiros. O ponto de partido do estudo foi investigar se as séries temporais dos ativos comportam-se de forma aleatória ou não. Ficou comprovado que as séries podem ser consideradas como persistentes (coeficiente de Hurst maior que 0,5), descartando assim os preceitos teóricos da aleatoriedade. Este resultado reforçou ainda mais a proposta da pesquisa, ao sinalizar que é possível identificar padrões de comportamento na cotação dos preços das ações, estabelecendo condições básicas e desejáveis para que se utilizem dados passados como estratégia de precificação das mesmas. O passo seguinte foi projetar as redes neurais que iriam prever as cotações futuras dos ativos para um horizonte de até 5 dias. Para tanto, foram estruturados 50 arranjos diferentes de redes, com variações no número de neurônios ocultos e variáveis de entrada. Sendo que, estas variáveis de entrada foram definidas com base nos conhecimentos da análise técnica. Ao todo foram geradas 630.000 simulações, que foram avaliadas com base nas medidas de desempenho: erro médio quadrático (EMQ), coeficiente de explicação (R2), U-Theil e POCID. Escolhidos os melhores arranjos de redes, testou-se suas capacidades preditivas para o período de 02/01/2013 a 15/10/2013. Como parte do modelo de decisões de compra e venda de ações foi proposto que o modelo também tivesse gatilhos de compra, definidos a partir de uma expectativa de ganhos mínimo e máximo, e que apenas seriam utilizadas as previsões das redes que, na fase de seleção, apresentaram um valor da estatística U-Theil inferior a 1. Para testar o modelo proposto foram realizadas algumas simulações. Sendo que numa destas simulações, o modelo alcançou uma rentabilidade anual de 70,56%. Rentabilidade está superior se comparado a investimentos individuais nos mesmos ativos da amostra e a fundos de ações disponíveis para investimentos no mercado.pt_BR
dc.description.resumoThis piece of research aimed at structuring a model based upon the artificial neural networks technique for buying and selling financial assets in the Brazilian capital market. To carry the task on, a sample of 28 financial assets was devised. Investigating whether the temporal series would behave ran domically or not was the initial task, and it was possible to observe that they could be considered as persistent (Hurst’s coefficient is bigger than 0.5), which has ruled out the randomness theoretical assumptions. This result has reinforced the research proposition, since it has pointed out that it is possible to identify patterns of behavior in the stock prices, thus providing basic and desirable conditions to employ past data as a strategy for pricing. The next step was designing the neural networks to preview the future quotations of assets for a time span of five days. Fifty different network arrangements were structured, with variations on the number of hidden neurons and on entrance variables, defined according to technical analyses. 630.000 simulations were carried out, and were assessed by taking performance measures on account –Mean Squared Error (MSE), explanation coefficient (R2), U-Theil and POCID. The best network arrangements were chosen, and their predictive capacities were tested during the period of 1/2/2013 to 10/15/2013. As part of the selling and buying decision model, some buying triggers have been proposed, based on the minimum and maximum earning expectation, and also that it only would be employed the nets whose forecasts had presented a value of the U-Theil statistics inferior to 1, during the selection stage. Simulations were carried out to test the proposed model. The model has reached an annual profitability of 70.56%, which was superior to individual investments on the sample assets and to equity funds available for investment.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Administração - Doutorado (Teses)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE_Redes neurais para decisões no mercado de ações brasileiro.pdf2,69 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.