Use este identificador para citar ou linkar para este item:
https://bia.ifpi.edu.br/jspui/handle/123456789/2001| Tipo: | Trabalho de Conclusão de Curso |
| Título: | Previsão de preços de ações utilizando inteligência artificial |
| Autor: | Nascimento, Oberis dos Santos |
| Orientador(a): | Santos, Felipe Gonçalves Dos |
| metadata.dc.contributor.advisor2: | Ferreira, Karl Hansimuller Alelaf |
| 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 proposto |
| 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 objective |
| Palavras-chave: | Análise e Desenvolvimento de Sistemas - estudo e ensino Prophet Aprendizagem de máquina Arima |
| Cnpq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| metadata.dc.language: | por |
| País: | Brasil |
| Editor: | Instituto Federal de Educação, Ciência e Tecnologia do Piauí |
| Sigla: | IFPI |
| Unidade: | Campus Corrente |
| Tipo de acesso: | Acesso Aberto |
| URI: | https://bia.ifpi.edu.br/jspui/handle/123456789/2001 |
| Data do documento: | 2023 |
| Aparece nas coleções: | Tecnologia em Análise e Desenvolvimento de Sistemas - Corrente |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2023_tcc_osnascimento.pdf | Previsão de preços de ações utilizando inteligência artificial | 962.58 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.