Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/10480
Title: Redes neurais, filtragem e programação aplicadas a finanças
Authors: Siqueira, Felipe Carvalho
metadata.dc.contributor.advisor: Ferreira, Tadeu Nagashima
metadata.dc.contributor.members: Harboe, Paula Brandão
Pereira, Jacqueline Silva
Issue Date: 2019
Publisher: Universidade Federal Fluminense
Abstract: O trabalho apresentado a seguir tem como objetivo unir os aprendizados do curso de Engenharia de telecomunicações com os conhecimentos almejados e obtidos no Mercado Financeiro durante o estágio do autor. Este documento vislumbra sintetizar a beleza da matemática, programação e processamento de sinais no universo de Finanças, evidenci- ando que o conhecimento adquirido no curso pode ser utilizado em diversos cenários. Nele será apresentado e definido o que é uma Série Temporal, um Teste de Hipóteses e Filtro de Wiener, todos os três tópicos abordados com embasamento matemático e de programação, utilizando Redes Neurais e o Teste T de Student em linguagem Python para mostrar apli- cações destes temas. A Série Temporal de preços de ativos é a ferramenta principal deste estudo, procurando auxiliar no processo de tomada de decisão. A relação de dependência entre os dados das séries figura como personagem principal, que será o fator determinante para se estabelecer uma previsão de preço. Foi implementada uma RNA para testarmos a precisão da previsão de preço do ativo PETR4, ação preferencial da Petrobras, utilizando uma amostra de quatro anos. No caso do Teste de Hipóteses, foi testada a presença do Efeito Segunda-Feira no ı́ndice Ibovespa, e foi concluı́do que não existe essa anomalia, que será explicada no documento.
metadata.dc.description.abstractother: The following document aims to unite the learning of Telecommunications Engineering course with the knowledge sought and obtained in the Financial Market during the author’s internship. This document glimpses to synthesize the beauty of mathematics, programming and signal processing in the universe of Finance, evidencing that the knowl- edge acquired in the course can be used in several scenarios. In it, Time Series, Hypothesis Test and Wiener Filter will be presented and defined, all three topics covered with mathe- matical and programming bases, using Neural Networks and Student’s T Test in Python language to show applications about these topics. The Temporal Series of asset prices is the main tool of this study, seeking to assist in the decision making process. The relati- onship of dependence between the data of the series appears as main character, which will be the determining factor to establish a price forecast. An Artificial Neural Network was implemented to test the accuracy of the PETR4 asset price forecast, a preferential share of Petrobras, using a four-year sample. In the case of the Hypothesis Test, the presence of the Monday Effect was tested on the Ibovespa index, and it was concluded that there is no such anomaly, which will be explained in the document.
URI: https://app.uff.br/riuff/handle/1/10480
Appears in Collections:TGT - Trabalhos de Conclusão de Curso - Niterói

Files in This Item:
File Description SizeFormat 
TCC_FelipeCSiqueira.pdf1.85 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons