Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/4560
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorAraújo, Janniele Aparecida Soarespt_BR
dc.contributor.authorFreitas, Endhel Lopes de-
dc.date.accessioned2022-09-12T18:31:41Z-
dc.date.available2022-09-12T18:31:41Z-
dc.date.issued2022pt_BR
dc.identifier.citationFREITAS, Endhel Lopes de. Classificação de ações da bolsa de valores mediante técnicas de mineração de dados . 2022. 69 f. Monografia (Graduação em Sistemas de Informação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2022.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/4560-
dc.description.abstractCom a popularização do mercado de capitais e a crescente quantidade de empresas ofertando as suas ações na bolsa de valores, o número de investidores tem aumentado cada vez mais no Brasil. Devido à alta volatilidade das ações e à falta de conhecimento sobre o mercado e sobre os dados de balanço patrimonial e demonstrativo de resultados divulgados pelas empresas de capital aberto, muitas pessoas não realizam bons investimentos e adquirem prejuízos financeiros. Dado este problema, o objetivo deste trabalho é criar um bot no Telegram que preveja se uma ação irá render 3% ou mais até o próximo trimestre, a fim de apoiar a decisão dos investidores. Para tal fim, foram coletados dados de empresas listadas na bolsa de valores brasileira, do período de junho de 2011 a setembro de 2021, e foram treinados alguns algoritmos de classificação, a fim de encontrar o modelo com o melhor desempenho. O modelo com a melhor performance foi a Random Forest, tendo obtido 60% de precisão ao classificar ações que iriam render, conforme o critério estabelecido. Os resultados mostraram que a solução criada pode ser uma boa opção para auxiliar as pessoas a realizarem melhores investimentos.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsAn error occurred on the license name.*
dc.rights.uriAn error occurred getting the license - uri.*
dc.subjectAções - finançaspt_BR
dc.subjectBolsa de valorespt_BR
dc.subjectClassificação - algoritmos computacionaispt_BR
dc.subjectMercado de capitaispt_BR
dc.subjectMineração de dados - computaçãopt_BR
dc.titleClassificação de ações da bolsa de valores mediante técnicas de mineração de dados.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeAraújo, Janniele Aparecida Soarespt_BR
dc.contributor.refereeOliveira, Fernando Bernardes dept_BR
dc.contributor.refereeLima, Helen de Cássia Sousa da Costapt_BR
dc.description.abstractenWith the popularization of the capital market and the growing number of companies offering their shares on the stock exchange, the number of investors has been increasing more and more in Brazil. Due to the high volatility of stocks and the lack of knowledge about the market and the balance sheet and income statement data disclosed by publicly traded companies, many people do not make good investments and acquire financial losses. Given this problem, the objective of this work is to create a bot on Telegram that predicts whether a stock will yield 3% or more by the next quarter, in order to support investors’ decision. To this end, data from companies listed on the Brazilian stock exchange were collected from the period June 2011 to September 2021, and some classification algorithms were trained in order to find the best performing model. The model with the best performance was the Random Forest, having obtained 60% accuracy when classifying stocks that would yield, according to the established criteria. The results showed that the solution created can be a good option to help people make better investments.pt_BR
dc.contributor.authorID17.1.8152pt_BR
Aparece nas coleções:Sistema de Informação - JMV

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_ClassificaçãoAçõesBolsa.pdf2,27 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.