USO DE INTELIGÊNCIA ARTIFICIAL PARA PREVISÃO DE AÇÕES
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2023-06-13
Autores
GUSTAVO DELAPAZ ISHIKI
LUCAS MEDEIROS RODRIGUES
NICKOLAS BELO MARTINS
LUCAS MEDEIROS RODRIGUES
NICKOLAS BELO MARTINS
Orientador
Ricardo de Carvalho Destro
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
previsão,ativo financeiro,aprendizado de máquina
Resumo
Esse trabalho tem como foco a utilização de algoritmos de aprendizado de máquina
para prever tendências de preços de ações com o intuito de auxiliar investidores a obter uma
decisão mais assertiva ao escolher comprar ou vender uma ação. Foram utilizados 3 algoritmos
distintos: ARIMA, Prophet e LSTM, os valores diários de fechamento de 4 ativos financeiros
e um ETF da Bovespa em um período de 5 anos. Os testes foram desenvolvidos no Google
Colab e após a obtenção de resultados satisfatórios, foram aplicados os modelos preditivos para
realizar previsões futuras. A visualização das previsões está disponível em um site construído
com a linguagem de programação Typescript, o framework Django e um banco de dados do
MongoDB para guardar dados de previsões passadas
This work focuses on the use of machine learning algorithms to predict stock price trends in order to help investors to obtain a more assertive decision when choosing to buy or sell a stock. 3 different algorithms: ARIMA, Prophet and LSTM, the daily closing values of 4 financial assets and a Bovespa ETF over a period of 5 years were used. The tests were developed in Google Colab and after obtaining satisfactory results, predictive models were applied to make future predictions. The visualization of forecasts is available on a website built with the Typescript programming language, the Django framework and a MongoDB database to store data from past forecasts.
This work focuses on the use of machine learning algorithms to predict stock price trends in order to help investors to obtain a more assertive decision when choosing to buy or sell a stock. 3 different algorithms: ARIMA, Prophet and LSTM, the daily closing values of 4 financial assets and a Bovespa ETF over a period of 5 years were used. The tests were developed in Google Colab and after obtaining satisfactory results, predictive models were applied to make future predictions. The visualization of forecasts is available on a website built with the Typescript programming language, the Django framework and a MongoDB database to store data from past forecasts.