Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://tede.mackenzie.br/jspui/handle/tede/4295
Tipo do documento: Tese
Título: Ensaios sobre o uso de redes neurais na previsão de taxa de câmbio
Autor: Costa, Marisa Gomes da 
Primeiro orientador: Basso, Leonardo Fernando Cruz
Primeiro membro da banca: Hadad Junior, Eli
Segundo membro da banca: Mendonça, Diogo de Prince
Terceiro membro da banca: Jucá, Michele Nascimento
Quarto membro da banca: Kimura, Herbert
Resumo: Este estudo objetiva comparar e avaliar o poder preditivo dos modelos de rede neural artificial sobre taxas de câmbio. Inicialmente é realizado um estudo bibliométrico e de revisão de literatura a fim de identificar o atual status da pesquisa na área. Em seguida, é realizada um estudo empírico de previsão de taxas de câmbio utilizando dados de abertura, fechamento, máximo e mínimo em frequência diária. A amostra de dados comtempla as taxas de câmbio (BRL/USD, EUR/USD E GBP/USD) no período de janeiro de 2014 a dezembro de 2019. As previsões são realizadas para um horizonte de um período à frente. Foram testadas diferentes arquiteturas do modelo de rede de rede neural recorrente LSTM. Para ranquear os modelos em termos de poder preditivo, os resultados das previsões são comparados à previsão do modelo de passeio aleatório, utilizando-o como benchmark, bem como ARIMA. A seleção de modelos é feita pelo model confidence set (MCS), de Hansen. Lunde e Nason (2011). Os resultados indicaram que o modelo LSTM é superior ao passeio aleatório e ARIMA para todas as moedas analisadas.
Abstract: This study aims to compare and evaluate the predictive power of artificial neural network models on exchange rates. Initially, a bibliometric study and literature review is carried out in order to identify the current research status in the area. Then, an empirical study is propesed to forecast various Exchange rates using data of opening, closing,high and low in daily frequency. The data sample includes exchange rates (BRL / USD, EUR / USD and GBP / USD) from January 2014 to December 2019. Forecasts are made for a period ahead. Different architectures of the LSTM recurrent neural network model were tested. To rank the models in terms of predictive power, the results of the predictions are compared to the prediction of the random walk model, using it as a benchmark, as well as ARIMA. The selection of models is made by the model confidence set (MCS). Lunde and Nason. The results indicated that the LSTM model is superior to the random walk and ARIMA for all analyzed currencies.
Palavras-chave: confidence set model
aprendizagem de máquina
LSTM
redes neurais recorrentes
temas emergentes
Área(s) do CNPq: CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS
Idioma: por
País: Brasil
Instituição: Universidade Presbiteriana Mackenzie
Sigla da instituição: UPM
Departamento: Centro de Ciências Sociais e Aplicadas (CCSA)
Programa: Administração de Empresas
Agencia(s) de fomento: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Citação: COSTA, Marisa Gomes da. Ensaios sobre o uso de redes neurais na previsão de taxa de câmbio. 2020. 92 f. Tese (Doutorado em Administração de Empresas) - Universidade Presbiteriana Mackenzie, São Paulo, 2020.
Tipo de acesso: Acesso Aberto
Endereço da licença: http://creativecommons.org/licenses/by-nc-nd/4.0/
URI: http://tede.mackenzie.br/jspui/handle/tede/4295
Data de defesa: 24-Abr-2020
Aparece nas coleções:Doutorado - Administração de Empresas

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MARISA GOMES DA COSTA.pdfMarisa Gomes da Costa2.35 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Este item está licenciada sob uma Licença Creative Commons Creative Commons