Previsão de preços de ações utilizando inteligência artificial

Simple item page
dc.contributor.advisor1 Santos, Felipe Gonçalves Dos
dc.contributor.advisor1Lattes http://lattes.cnpq.br/5698530518410847pt_BR
dc.contributor.advisor2 Ferreira, Karl Hansimuller Alelaf
dc.contributor.advisor2Lattes http://lattes.cnpq.br/8361410079800687pt_BR
dc.creator Nascimento, Oberis dos Santos
dc.creator.Lattes NÃO LOCALIZADOpt_BR
dc.date.accessioned 2023-07-18T14:23:05Z
dc.date.available 2023-07-18T14:23:05Z
dc.date.issued 2023
dc.description.abstract The use of artificial intelligence can, through time series data analysis, predict the trend of stock prices and help decision making. This paper aimed to analyze and apply data analysis techniques using artificial intelligence to predict trends in stock prices and help investors about which decision to make when buying or selling. Three machine learning algorithms were used: ARIMA, PROPHET and LSTM, where all the tests were performed in Google Colab. After defining the best model, a web application called The Seer was developed using the Django framework, which allowed for easier forecasting. The models were validated based on the daily closing values of two stocks and one ETF traded on the BM&F Bovespa. Both models obtained better results for periods of up to 60 days, and the ARIMA and PROPHET models obtained better accuracy for periods of up to 30 days. The LSTM model obtained better RMSE and MAPE metrics for the 90 days observed. Finally, it can be concluded that the work achieved the proposed objectivept_BR
dc.description.resumo O uso da Inteligência artificial pode por meio de análise de dados de séries temporais consegue prever a tendência dos preços das ações, possibilitando ajudar na tomada de decisões. O presente artigo teve como objetivo analisar e aplicar técnicas de análise de dados utilizando inteligência artificial para prever tendências dos preços das ações e auxiliar os investidores sobre qual decisão tomar na hora de comprar ou vender. Utilizaram-se três algoritmos de aprendizagem de máquina ARIMA, PROPHET e LSTM, onde todos os testes foram realizados no Google Colab e posteriormente após definir o melhor modelo foi elaborada uma aplicação web denominada The Seer com uso do framework Django o que possibilitou a realização das previsões com mais facilidade. A validação dos modelos foi realizada com base nos valores de fechamento diário de duas ações e uma ETF negociadas na BM&F Bovespa. Ambos os modelos conseguiram melhor resultado para o período de até 60 dias, sendo que os modelos ARIMA e PROPHET conseguiram melhor precisão para um período de até 30 dias. O modelo LSTM obteve melhor métrica RMSE e MAPE para os 90 dias observados. Por fim pode concluir que o trabalho conseguiu atingir o objetivo propostopt_BR
dc.identifier.uri https://bia.ifpi.edu.br/jspui/handle/123456789/2001
dc.language porpt_BR
dc.publisher Instituto Federal de Educação, Ciência e Tecnologia do Piauípt_BR
dc.publisher.country Brasilpt_BR
dc.publisher.department Campus Correntept_BR
dc.publisher.initials IFPIpt_BR
dc.rights Acesso Abertopt_BR
dc.subject Análise e Desenvolvimento de Sistemas - estudo e ensinopt_BR
dc.subject Prophetpt_BR
dc.subject Aprendizagem de máquinapt_BR
dc.subject Arimapt_BR
dc.subject.cnpq CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.title Previsão de preços de ações utilizando inteligência artificialpt_BR
dc.type Trabalho de Conclusão de Cursopt_BR

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
2023_tcc_osnascimento.pdf
Size:
962.58 KB
Format:
Adobe Portable Document Format
Description:
Previsão de preços de ações utilizando inteligência artificial
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.82 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tecnologia em Análise e Desenvolvimento de Sistemas - Corrente