Por favor, use este identificador para citar o enlazar este ítem:
http://www.monografias.ufop.br/handle/35400000/5713
Título : | Predição de preço de ações utilizando aprendizado de máquina. |
Autor : | Santos, Filipe Ramos de Souza |
metadata.dc.contributor.advisor: | Silva, Pedro Henrique Lopes |
metadata.dc.contributor.referee: | Gertrudes, Jadson Castro Queiroz, Rafael Alves Bonfim de Silva, Pedro Henrique Lopes |
Palabras clave : | Aprendizado de máquina Predição de preço de ações Redes neurais - computação Mercado de ações |
Fecha de publicación : | 2022 |
Citación : | SANTOS, Filipe Ramos de Souza. Predição de preço de ações utilizando aprendizado de máquina. 2022. 35 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2022. |
Resumen : | O mercado de ações é um lugar em que pessoas podem comprar e vender ações com a intenção obter lucro nessas transações. Neste trabalho, o objetivo é construir um modelo de aprendizagem de máquina que possa predizer o preço futuro de fechamento de ações dada as informações de dias anteriores. Para isso, separaram-se algumas ações pegando os dados de abertura, fechamento, alta, baixa, e volume das mesmas, para treinar modelos de aprendizagem de máquina que possam predizer o preço de fechamento do dia seguinte. Comparou-se a robustez do método Support Vector Regression, XGBoost, Convolutional Neural Networks e Long Short-term Memory na predição do preço de ações. Comparado com a literatura, foi reduzido, no melhor caso, o erro médio percentual em 2.16% com o modelo XGBoost. |
metadata.dc.description.abstracten: | The stock market is a place where people can buy and sell stocks with the intention of making a profit on these transactions. In this work, the objective is to build a machine learning model that can predict the future closing price of given shares according to information from previous days. To do this, separate some stocks by taking their opening, closing, high, low and volume data, to train machine learning models that can predict the closing price of the next day. Compare the robustness of Support Vector Regression, XGBoost, Convolutional Neural Networks and Long Short-term Memory method in predicting the price of actions. Compared with the literature, the average error percentage was reduced by 2.16% |
URI : | http://www.monografias.ufop.br/handle/35400000/5713 |
Aparece en las colecciones: | Ciência da Computação |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
MONOGRAFIA_PrediçãoPreçoAções.pdf | 8,35 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons