1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Mestrado (Dissertações)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/58260
Registro completo de metadados
Campo DCValorIdioma
dc.creatorMartins, Rogerson Alexandre-
dc.date.accessioned2023-08-14T19:18:48Z-
dc.date.available2023-08-14T19:18:48Z-
dc.date.issued2023-08-11-
dc.date.submitted2023-03-16-
dc.identifier.citationMARTINS, R. A. Previsão de séries temporais com máquinas de suporte vetorial. 2023. 62 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)–Universidade Federal de Lavras, Lavras, 2023.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/58260-
dc.descriptionArquivo retido, a pedido do autor, até agosto de 2024.-
dc.description.abstractThis dissertation uses the Support Vector Machine (SVM) technique combining Principal Components and Independent Components analysis in the evaluation of financial time series. This subject is of great interest to researchers, investors and financial institutions that seek to understand the behavior/influence on decision-making in the price market. It is known that the combination of Principal and Independent Components analysis, together with vector support machines can guarantee better results for the context. As a result, it appears that the PCA - SVR, ICA - SV models showed better accuracy when compared to common models, such as the SVR simply. The results of the MAE, MSE, RMSE, R 2 metrics corroborate the applied models in question.pt_BR
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsrestrictAccesspt_BR
dc.rightsAttribution 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.subjectAnálise de componentes principaispt_BR
dc.subjectAnálise de componentes independentespt_BR
dc.subjectAnálise técnicapt_BR
dc.subjectPrincipal component analysispt_BR
dc.subjectIndependent components analysispt_BR
dc.subjectTechnical analysispt_BR
dc.subjectSupport vector machinept_BR
dc.titlePrevisão de séries temporais com máquinas de suporte vetorialpt_BR
dc.title.alternativeTime series forecast with vector support machinespt_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós-graduação em Estatística e Experimentação Agropecuáriapt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Guimarães, Paulo Henrique Sales-
dc.contributor.referee1Sáfadi, Thelma-
dc.contributor.referee2Pereira, Geraldo Magela da Cruz-
dc.contributor.referee3Pereira, Tiago Martins-
dc.description.resumoA presente dissertação utiliza a técnica de Máquina de Suporte Vetorial (SVM) combinando análise de Componentes Principais e Componentes Independentes na avaliação de séries temporais financeiras. Este assunto é de grande interesse de pesquisadores, investidores e instituições financeiras que buscam compreender o comportamento/influência na tomada de decisão no mercado de preços. Sabe-se que a combinação de análise Componentes Principais e Independentes, conjuntamente com as máquinas de suporte vetorial pode garantir melhores resultados para o contexto. Como resultados, verifica-se que os modelos PCA - SVR, ICA - SV apresentaram melhores acertabilidade quando comparado com modelos comuns, tal como o SVR simplesmente. Os resultados das métricas MAE, MSE, RMSE, R 2 corroboram com os modelos aplicados em questão.pt_BR
dc.publisher.departmentDepartamento de Estatísticapt_BR
dc.subject.cnpqEstatísticapt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9007226867931523pt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Arquivos associados a este item:
Não existem arquivos associados a este item.
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons