Introdução de redes neurais em modelos de médias móveis na previsão de preços ARTIGO TÉCNICO
|
|
- Luiz Fernando Tuschinski Figueira
- 8 Há anos
- Visualizações:
Transcrição
1 artigo técnico ARTIGO TÉCNICO Introdução de redes neurais em modelos de médias móveis na previsão de preços Marcelo França Corrêa Gerson Lachtermacher Maria Augusta Soares Machado Os modelos baseados em médias móveis são bastante objetivos e eficientes para sinalizar tendências de mercado. Entretanto, apresentam grave problema: devido a sua construção matemática, tendem a permanecer sempre atrás do preço analisado. Em mercados voláteis, com preços subindo e descendo rapidamente, esse atraso pode resultar em perdas. A finalidade deste trabalho é demonstrar como as técnicas de redes neurais podem eliminar deficiências e melhorar a performance das tradicionais médias móveis, utilizadas na análise técnica de investimentos. Foi construída uma rede neural para realizar a previsão da média móvel futura de três dias da ação Telemar PN. Em seguida, as previsões foram combinadas com médias passadas na criação de um novo modelo. Os resultados mostraram que o modelo alternativo conseguiu superar o desempenho dos tradicionais, baseados apenas em médias passadas. 89
2 Introdução O mercado financeiro é afetado por grande número de fatores, de ordem econômica, política, psicológica etc. que interagem de diferentes maneiras. Devido a esse fato, na maioria das vezes, seus movimentos são de difícil previsibilidade. Mesmo assim, ao longo do último século, esse tema vem despertando interesse cada vez maior entre pesquisadores, cientistas e analistas financeiros. O estudo do comportamento do mercado ou de determinado ativo por meio de indicadores e gráficos, com o objetivo de projetar futuras tendências dos preços em função de comportamentos passados, é conhecido como análise técnica. Os analistas acreditam que os preços são impulsionados tanto pela psicologia de quem investe, quanto por qualquer outra variável financeira adjacente. Todas as informações disponíveis fornecem indicação da psicologia do investidor e da determinação de preços futuros. Aqui, as pressuposições são de que os preços se alteram em padrões previsíveis, que não há investidores marginais aproveitando-se desses padrões para eliminá-los, e que o investidor mediano é impulsionado mais pela emoção do que pela análise racional (Damodaran, 1999). A análise técnica teve seu início com Charles H. Dow ( ), fundador e editor do Wall Street Journal, cuja primeira edição foi publicada em 8 de julho de Entre 1900 e 1902, Dow escreveu uma série de editoriais sobre métodos de especulação com ativos negociados na bolsa de Nova Iorque, que foram a base da teoria que leva o seu nome e fonte de estudo para vários analistas que viriam a seguir. Seu maior objetivo era determinar alterações nos movimentos de longo prazo do mercado. Diversos pesquisadores, a partir da teoria de Dow, fizeram trabalhos que mereceram destaque, por exemplo, Willian Peter Hamilton, que publicou no Wall Street Journal, em 25 de outubro de 1929, às vésperas do crash, o editorial The Turn of the Tide (A Mudança da Maré), que previa corretamente o fim da longa tendência de alta dos anos de Com o passar do tempo, várias teorias surgiram e foram ganhando força no mundo científico. Conceitos como suporte e resistência, tendências e retas de tendência e comportamentos padronizados do mercado se popularizaram entre os investidores. Em 1978, J. Welles Wilder Jr. publicou o livro New Concepts in Technical Trading Sistems, marcando o início da era dos indicadores, com o Índice de Força Relativa (IFR), o Índice de Movimento Direcional (DMI) e o Parabólico, dentre outros. No Brasil, a análise técnica começou a se difundir a partir de 1983, permitindo que muitos investidores obtivessem altos lucros com a longa tendência de alta na Bolsa de Valores de São Paulo (Bovespa), que começou 12 anos depois do grande topo de 1971, e culminou com o Plano Cruzado, em março de 1986, tendo tido seu ápice no dia 28 de abril de Apesar das constantes evoluções e dos progressos científicos no mundo todo, a análise técnica ainda enfrenta um antigo adversário na tentativa de identificar tendências em determinadas séries de preços: o ruído das informações, que consiste em movimento errático do preço e, por definição, é imprevisível. Pode ser considerado como o produto dos participantes, que são motivados por propósitos distintos, comprando e vendendo em momentos diferentes (Kaufman, 1998). Médias móveis Dentre os métodos mais eficientes de previsão de séries contendo ruídos estão as médias móveis. Estas são bastante objetivas e eficazes na sinalização de tendências do mercado, antecipando parte da direção futura dos preços. Podem ser calculadas por meio de fórmulas matemáticas simples, contrastando com modelos subjetivos baseados na visualização de gráficos. A estratégia tradicional de negociação baseada nesse modelo consiste no cálculo de duas médias de diferentes tamanhos. Quando a média mais curta cruza a longa para cima, é sinalizada tendência de alta. Caso contrário, o movimento é de baixa. O crossover das médias móveis filtra os ruídos nos dados eliminando as flutuações e oscilações de curto prazo na direção do preço. 90
3 Figura 1 Preço e médias móveis de 3 e 20 dias do Dow Jones 20 de fevereiro a 7 de maio de 2001 Como mencionado, as médias móveis possuem grave deficiência: o atraso. A construção matemática das médias móveis faz com que os sinais sejam gerados sempre atrás do preço analisado. Em mercados que se movem em alta velocidade, com os preços subindo e descendo rapidamente, esse atraso geralmente significa grandes perdas (Mendelsohn, 2000). Visando minimizar esse problema alguns modelos utilizam médias ponderadas reduzindo o atraso na sinalização das tendências por meio da atribuição de pesos maiores aos valores mais recentes da série, o que permite que as médias respondam de maneira mais rápida às reações do mercado ou exponenciais, em cujo modelo, os preços mais próximos à data atual são elevados a valores maiores, em vez de pesos. Essas duas alternativas minimizam o problema do atraso desses indicadores. Mas nenhuma elimina a deficiência dos modelos. Recentemente, modelos baseados em redes neurais vêm sendo utilizados com sucesso na previsão de séries financeiras e na precificação de ativos (Amilon, 2003; Azoff, 1994; Cheh e Weinberg, 1999; Hutchinson et al., 1994; Kutsurelis, 1998; Refenes et al., 1994; Yao e Tan, 2000 e Freitas e Souza, 2002). O uso desses modelos pode ser justificado pela capacidade que a rede neural tem de funcionar como aproximador universal de funções contínuas (Cybenko, 1989). Para suprir as deficiências das médias móveis e fazer com que sejam capazes de antecipar tendências, Mendelsohn (2000) propõe o uso de médias móveis por meio de técnicas de redes neurais, inicialmente, na previsão de médias futuras. Depois, as médias previstas são utilizadas no lugar das curtas e combinadas com as passadas mais longas para compor o modelo final. Obtendo-se uma boa aproximação da média futura, as sinalizações geradas pelas médias móveis deixam de estar sempre atrasadas e passam a ser antecipadoras de tendências. Baseando-se na idéia de Mendelsohn (2000), este artigo tem como objetivo mostrar como a combinação das médias móveis com as redes neurais pode ser feita por meio de um estudo de caso. Foi construída uma rede neural para realizar a previsão da média futura de três dias de uma ação negociada na Bovespa a Telemar PN, que representa as ações preferenciais dessa companhia, devido a sua alta volatilidade. Os valores previstos foram posteriormente combinados com médias móveis para compor o modelo alternativo. O desempenho alcançado foi comparado com a performance de modelos tradicionais de médias móveis, baseados apenas no cruzamento de médias passadas de diferentes tamanhos. 91
4 Redes neurais Definição As redes neurais, baseadas na estrutura e no funcionamento do sistema nervoso humano, ao contrário de modelos tradicionais, em que uma ação precisa ser tomada para decidir sobre determinado caso, aprendem a resolver problemas por meio da interação com o ambiente (Braga et al., 2000). Essa habilidade fez com que suas aplicações fossem difundidas em diversos campos como modelagem de dados, reconhecimento de padrões e análise de séries temporais. Para alcançar bom desempenho, as redes empregam a interligação maciça dos neurônios. Uma de suas características é a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o uso. Sua semelhança com o cérebro pode ser verificada em dois aspectos: o conhecimento é adquirido a partir do ambiente por intermédio de um processo de aprendizagem, e as forças de conexão entre os neurônios (pesos) são usadas para armazenar esse conhecimento (Haykin, 2001). O neurônio é uma unidade de processamento da rede e é composto de quatro elementos básicos: um conjunto de conexões com pesos próprios; um somador dos sinais de entrada ponderados pelos pesos do neurônio; uma função de ativação, que tem como objetivo principal limitar a amplitude do sinal de saída; e um bias ou viés. O bias aumenta ou diminui a entrada da função de ativação, dependendo se é positivo ou negativo (Haykin, 2001). A Figura 1 mostra o modelo de um neurônio na camada j, onde x1, x2,..., xn são os valores de entrada; w0j, w1j,..., wnj são os pesos do neurônio; b é o bias; e f é a função de ativação. Figura 2 Modelo de um neurônio artificial na camada j Fonte: Han; Kamber, Em geral, os neurônios organizam-se em camadas. A primeira é a de entrada, na qual são recebidas as informações, e a última é a de saída. Dentre estas, podem ou não haver camadas intermediárias ou ocultas, que tornam a rede capaz de extrair estatísticas de ordem elevada. A arquitetura de uma rede consiste na sua organização estrutural: número de camadas e de neurônios em cada uma destas, tipo de conexão entre os neurônios e a topologia (Braga et al., 2000). Treinamento e aprendizagem A aprendizagem a partir do ambiente é uma função de importância fundamental, visto que é por meio desta que a rede se torna capaz de solucionar problemas. Consiste no processo pelo qual os parâmetros da rede são ajustados a partir de estímulos do ambiente. 92
5 Apesar da existência de diversos métodos de aprendizagem, estes podem ser divididos em dois grandes grupos: os métodos supervisionados e os não-supervisionados. O primeiro é o mais comum no treinamento das redes neurais. É chamado de supervisionado porque as entradas e saídas desejadas são fornecidas por supervisor externo ou professor. Nos métodos não-supervisionados, apenas os parâmetros de entrada são fornecidos, não existindo a figura do supervisor. A partir do momento em que a rede verifica regularidades estatísticas nos padrões de entrada, esta desenvolve a habilidade de formar representações para codificar características de entrada e criar classes automaticamente (Braga et al., 2000 e Haykin, 2001). O processo de aprendizagem é interativo e consiste na aplicação de ajustes aos pesos e aos níveis de bias. A cada apresentação de novo sinal de entrada ou iteração, a rede se torna mais instruída. O algoritmo de treinamento define o procedimento usado para o ajuste dos valores, que levam as redes neurais a realizar as funções desejadas. Outro componente importante é a taxa de aprendizagem, que controla a intensidade das variações dos pesos. Quanto maior for o valor desse parâmetro, mais rápido será o treinamento. Porém, valores excessivamente altos podem tornar a rede instável (Haykin, 2001). Escolha do modelo Neste trabalho, será utilizada uma rede do tipo Multilayer Perceptron (MLP), pois suas camadas intermediárias possibilitam a aproximação de funções contínuas e não-lineares das entradas. A existência de apenas uma camada permitiria somente a solução de problemas linearmente separáveis, ou seja, quando os padrões se encontram em lados separados de um hiperplano (Haykin, 2001). O algoritmo de treinamento será o backpropagation, o mais popular aplicado às redes MLP. Esse método consiste em um aprendizado supervisionado, em que são fornecidos os valores de entrada e de saída. É realizado em duas etapas: a forward e a backward. Na primeira, a rede calcula os valores de saída a partir dos dados de entrada. Na segunda, são atualizados os pesos associados a cada conexão de acordo com as diferenças entre as saídas obtidas e as desejadas. Braga et al. (2000), Han e Kamber (2001) e Haykin (2001) descrevem com detalhes o funcionamento do algoritmo de retro-propagação. Figura 3 Modelo de uma rede totalmente conectada e com alimentação adiante Com o objetivo de evitar o problema do overfitting especialização da rede nos dados de treinamento e perda da capacidade de generalização será utilizado o mecanismo do early stopping. Os dados devem ser divididos em três grupos: treinamento, validação e teste. O primeiro serve para que a rede seja treinada. Na época do treinamento, é verificado se a precisão alcançada na previsão dos dados de validação também continua 93
6 melhorando. Quando isso não mais ocorre, é encontrado o ponto ótimo de treinamento e este é interrompido ao verificar se a rede criada é capaz de solucionar os problemas da base de teste. Escolha das variáveis e construção da rede O modelo foi construído a partir de indicadores utilizados na análise técnica de investimentos e preços históricos do próprio ativo. As variáveis derivadas da análise técnica foram as médias móveis de três, dez e 20 dias, o Índice de Força Relativo (IFR) e o Estocástico. Além destes, outras nove variáveis foram incluídas na pesquisa. A Tabela 1 traz a lista completa. Tabela 1 Lista das variáveis utilizadas na construção do modelo Último preço de fechamento Volume negociado Tendência linear (6,5) IFR Último preço de abertura Média móvel de 20 dias Tendência linear (11,10) Estocástico Último preço mínimo Média móvel de 10 dias Tendência linear (7,5) Último preço máximo Média móvel de 3 dias Tendência linear (12,10) A variável tendência linear (x, n) é uma função que retorna x-ésimo valor ao longo de uma reta linear, traçada por meio da aplicação do método dos mínimos quadrados sobre valores conhecidos. Em Kutsurelis (1998), esse tipo de variável foi utilizado e os resultados finais foram satisfatórios. A saída da rede foi a média futura de três dias do ativo, calculada por meio da média aritmética dos preços de fechamento da data atual, D + 1 e D + 2. A construção da rede para a previsão da média futura foi feita por intermédio da Neural Network Toolbox, do software Matlab. Os dados foram ordenados de forma randômica e divididos em três bases: treinamento, validação e teste, com 70%, 10% e 20%, respectivamente. Para acelerar o treinamento, foram normalizados para que ficassem sempre compreendidos entre 0 e 1. A primeira rede foi construída com as 13 variáveis apresentadas na seção anterior. Após a exclusão de cada variável de entrada, novas redes foram sendo construídas sucessivamente, com o objetivo de se obter um modelo apenas com as entradas que colaborassem com uma melhor precisão da rede. Sendo assim, permaneceram no modelo final somente aquelas que contribuíram para melhor precisão. Optou-se por utilizar uma arquitetura com 32 neurônios na primeira camada oculta e 16 na segunda, mesmas características usadas por Refenes et al. (1994). A função de ativação usada em todas as camadas intermediárias foi a tangente hiperbólica. Na camada de saída, empregou-se a função logística sigmoidal. A taxa de aprendizado usada nos treinamentos foi 0,07. Foi empregada a função de treinamento traingdm do software Matlab, que implementa uma versão do algoritmo backpropagation com a inclusão do termo momentum. A comparação das redes foi feita com base no Erro Quadrático Médio (EQM) de cada uma, obtido pela média dos quadrados das diferenças entre a saída real e a saída prevista pela rede, conforme mostra a fórmula a seguir: N EQM = Cmi Cti n i = ( ) Os treinamentos foram interrompidos em três situações: após épocas, ao atingir um EQM igual a 10 5 ou em caso de ocorrência de early stopping. Após os testes de sensibilidade das variáveis, o modelo final foi definido. Foram utilizadas apenas sete variáveis: o último preço de fechamento, as médias móveis dos últimos dez e três dias e as quatro tendências lineares. 94
7 Resultados A precisão da rede pode ser verificada na Tabela 2. Tabela 2 Comparativo dos EQMs das bases utilizadas na construção, validação e testes da rede Base Quantidade Base (%) EQM de registros Treinamento ,0252 Validação ,0447 Teste ,3703 Também foram feitas comparações entre os modelos de médias móveis tradicionais, que funcionam com base no cruzamento de médias passadas de diferentes tamanhos, e o modelo proposto no trabalho, que utiliza o cruzamento de uma média passada e a média futura prevista pela rede. A determinação das operações de compra e venda foram realizadas de acordo com as regras abaixo: se média curta > média longa, compra se média curta < média longa, venda Por intermédio dessas regras, obteve-se o resultado apresentado na Tabela 3. Tabela 3 Comparativo de rentabilidade e quantidade de negócios (quantas vezes houve o cruzamento das médias) gerados pelos modelos construídos Média longa Média curta Rentabilidade (%) Quantidade de trades 50 dias 3 dias 124, dias 3 dias fut. (RN) 143, dias 3 dias 68, dias 3 dias fut. (RN) 91, dias 3 dias 30, dias 3 dias fut. (RN) 35, Não foram considerados os custos de transação, nem vendas a descoberto (as operações de venda só foram realizadas quando havia ações na carteira). A rentabilidade do ativo foi de 99,63%. A maior rentabilidade alcançada pelo modelo alternativo pode ser mais bem entendida na Figura 4. 95
8 Figura 4 Modelo alternativo: antecipação ao modelo tradicional de médias móveis na detecção de tendências de preços A Figura 4 mostra como o modelo alternativo consegue antecipar tendências que seriam detectadas posteriormente pelo modelo convencional, composto apenas de médias passadas. No período selecionado, o primeiro ponto de antecipação ocorre em 7 de dezembro de A média prevista cruza a média longa para cima e detecta nova tendência de alta dois dias antes que a média dos últimos três dias. Isso gera ganho de 4,62%, referente às altas de 3,76% em 7 de dezembro de 2000 e 0,83% em 8 de dezembro de 2000, sobre o modelo tradicional. A segunda antecipação ocorre em 20 de dezembro de Dessa vez, a média futura cruza a média de 50 dias para baixo e antecipa tendência de baixa, evitando perda de 1,29%, que ocorreria caso o modelo tradicional tivesse sido utilizado. Nem todos os cruzamentos das médias foram claros e nítidos como as do período destacado. Alguns erros na previsão da média futura geraram cruzamentos, que dispararam sinais indevidos de compra e venda, sendo alguns deles rentáveis, outros não. Conclusões Este trabalho teve como objetivo aplicar a proposta de Mendelsohn (2000) para introduzir previsões feitas por redes neurais em modelos baseados em médias móveis. Os resultados encontrados mostraram que as redes neurais podem melhorar o desempenho desse tradicional modelo, utilizado com freqüência na análise técnica de investimentos. Tentativas para melhorar a precisão da rede podem ser realizadas com a inclusão de outras variáveis no modelo, por exemplo, cotações do dólar, CDI (taxa livre de risco), Ibovespa e índices de outras bolsas de ações. Outras tentativas válidas no sentido de minimizar, tanto o erro das previsões, como o tempo do treinamento, podem ser feitas com a utilização de algoritmos voltados para criação de redes construtivas, em que a estrutura é definida de forma dinâmica ao longo do treinamento (Braga et al., 2000). 96
9 Mendelsohn (2000) sugere também a criação de trading systems, que tomam decisões com base nas saídas de várias redes neurais integradas. Dentre as previsões das redes que podem ser usadas no apoio à decisão, estão os preços mínimos e máximos do dia seguinte, além das médias futuras. Bibliografia AMILON, Henrik. A Neural Network Versus Black and Scholes: A Comparison of Pricing and Hedging Performances. Journal of Forecasting, vol. 22, pp , AZOFF, E. M. Neural Network Time Series Forecasting of Financial Markets. Chicester, John Wiley & Sons Ltd., Baffins Lane, BRAGA, A.; CARVALHO, A.; LUDERMIR, T. Redes Neurais Artificiais: Teoria e Aplicações. Livros técnicos e científicos, Rio de Janeiro, CHEH, John J.; WEINBERG, Randy S. An Application of an Artificial Neural Network Investment System to Predict Takeover Targets. Journal of Applied Business Research, vol. 15 Issue 4, p.33, CYBENKO, G. Aproximation by Superpositions of a Sigmoidal Function. Math. Control Signal Systems, pp , DAMODARAN, Aswath. Avaliação de Investimentos: Ferramentas e Técnicas para a Determinação de Qualquer Ativo. Rio de Janeiro: Qualitymark, FERRACINI, Márcio. Stop! Estratégia de Proteção para Mercados de Risco. Monografia, Faculdade de Administração da IBMEC, Rio de Janeiro, FREITAS, Sander Oliveira de; SOUZA, Artur Antônio de. Utilização de um Modelo Baseado em Redes Neurais para a Precificação de Opções. ENANPAD, HAN, Jiawei; KAMBER, Micheline. Data Mining: Concepts and Techniques. Morgan Kaufmann, HAYKIN, Simon. Redes Neurais Princípios e Práticas. Porto Alegre: Bookman, HUTCHINSON, J.; LO, A.; POGGIO, T. A Nonparametric Approach to Pricing and Hedging Derivative Securities Via Learning Networks. Journal of Finance, 49, pp , KAUFMAN, Perry J. Trading Systems and Methods. John Wiley & Sons, KUTSURELIS, Jason E. Forecasting Financial Markets Using Neural Networks: an Analysis of Methods and Accuracy. Thesis Master of Science in Management, Naval Postgraduate School, MENDELSOHN, Louis B. Trend Forecasting with Technical Analysis. Marketplace Books, REFENES, A.N.; ZAPRANIS, A.; Francis, G. Stock Performance Modeling Using Neural Networks: a Comparative Study with Regression Models, vol. 7, nº 2, pp , YAO, J.; TAN, C. L. Option Price Forecasting Using Neural Networks. Omega, vol. 28, pp , Marcelo França Corrêa é doutorando em Engenharia Elétrica pela PUC RJ. s: marcelof@lemon.com. Gerson Lachtermacher é Ph.D. pela University of Waterloo, Ontario, Canadá. glachter@ibmecrj.br. Maria Augusta Soares Machado é pós-doutora em Inteligência Computacional Aplicada pela PUC RJ. mmachado@ibmecrj.br. 97
MLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia mais4 Estratégias para Implementação de Agentes
Estratégias para Implementação de Agentes 40 4 Estratégias para Implementação de Agentes As principais dúvidas do investidor humano nos dias de hoje são: quando comprar ações, quando vendê-las, quanto
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisPrevisão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais
Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade
Leia maisInteligência Artificial. Redes Neurais Artificiais
Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisRedes Neurais. Profa. Flavia Cristina Bernardini
Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisAula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisAnálise de Tendências de Mercado por Redes Neurais Artificiais
Análise de Tendências de Mercado por Redes Neurais Artificiais Carlos E. Thomaz 1 e Marley M.B.R. Vellasco 2 1 Departamento de Engenharia Elétrica (IAAA), FEI, São Paulo, Brasil 2 Departamento de Engenharia
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisPrevisão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais
Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José
Leia maisNeurodinâmica do Mercado de Ações
Neurodinâmica do Mercado de Ações Armando Freitas da Rocha Eina Estudos em Inteligência Natural e Artificial Rua Tenente Ary Aps, 172 13207-110 Jundiaí Fone: (11) 4535-1414 Direitos Reservados: Eina The
Leia maisSeleção e Monitoramento de Fundos de Investimentos
2010 Seleção e Monitoramento de Fundos de Investimentos Nota Técnica 02 Diretoria de Investimentos Previ-Rio 09/2010 NOTA TÉCNICA 02 1 - Introdução Esta nota técnica, desenvolvida pela Equipe da, tem por
Leia maisIntrodução 12. 1 Introdução
Introdução 12 1 Introdução O crescente avanço no acesso à informação, principalmente através da rede mundial de computadores, aumentou o ritmo de mudanças, impondo uma diminuição no tempo necessário para
Leia maisEste capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia maisRedes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
Leia maisANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS
Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS PROPOSTA DE TRABALHO DE
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia mais3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
Leia maisModelo Cascata ou Clássico
Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maiswww.contratofuturo.com
www.contratofuturo.com www.contratofuturo.com O que é o Índice Futuro Para falar de índice futuro, primeiro precisamos falar do ÍNDICE no presente, que é o Ibovespa. O famoso índice que serve para medir
Leia mais1. Introdução. 1.1 Apresentação
1. Introdução 1.1 Apresentação Empresas que têm o objetivo de melhorar sua posição competitiva diante do mercado e, por consequência tornar-se cada vez mais rentável, necessitam ter uma preocupação contínua
Leia maisPERFIL DE INVESTIMENTOS PERFIL DE INVESTIMENTO
PERFIL DE INVESTIMENTOS O QUE É? É a opção dada ao participante para que indique os percentuais de seu saldo que devem ser alocados em Renda Fixa e em Renda Variável (ações), de acordo com a sua aptidão
Leia maisPreparando sua empresa para o forecasting:
Preparando sua empresa para o forecasting: Critérios para escolha de indicadores. Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Embora o forecasting seja uma realidade, muitas
Leia maisUma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro
Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,
Leia maisMUDANÇAS NA RELAÇÃO ENTRE A PME E A PED COM A NOVA METODOLOGIA DA PME
MUDANÇAS NA RELAÇÃO ENTRE A PME E A PED COM A NOVA METODOLOGIA DA PME Maurício Cortez Reis Professor do Dept de Economia da PUC - Rio 1 INTRODUÇÃO A Pesquisa Mensal de Emprego (PME), realizada pelo IBGE
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisUNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que
Leia maisGuia de Especificação de Caso de Uso Metodologia CELEPAR
Guia de Especificação de Caso de Uso Metodologia CELEPAR Agosto 2009 Sumário de Informações do Documento Documento: guiaespecificacaocasouso.odt Número de páginas: 10 Versão Data Mudanças Autor 1.0 09/10/2007
Leia maisAplicações Práticas com Redes Neurais Artificiais em Java
com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org
Leia maisCOMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE II
COMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE II O que é o Índice de Treynor? Índice de Treynor x Índice de Sharpe Restrições para as análises de Sharpe e Trynor A utilização do risco
Leia maisipea políticas sociais acompanhamento e análise 7 ago. 2003 117 GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo*
GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo* Como deve ser estruturada a política social de um país? A resposta a essa pergunta independe do grau de desenvolvimento do país, da porcentagem
Leia maisCOMO DETERMINAR O PREÇO DE UMA
COMO DETERMINAR O PREÇO DE UMA O que são opções? Precificação de opções Exemplo de árvore recombinante Autores: Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas graduado pela EAESP/FGV.
Leia maisSONHOS AÇÕES. Planejando suas conquistas passo a passo
SONHOS AÇÕES Planejando suas conquistas passo a passo Todo mundo tem um sonho, que pode ser uma viagem, a compra do primeiro imóvel, tranquilidade na aposentadoria ou garantir os estudos dos filhos, por
Leia maisPROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS
Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br
Leia maisModelagem e Simulação
AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.
Leia maisTeoria da Decisão MÉTODOS QUANTITATIVOS DE GESTÃO
Teoria da Decisão MÉTODOS QUANTITATIVOS DE GESTÃO INTRODUÇÃO Todo problema de decisão envolve julgamento sobre um conjunto conhecido de alternativas; Informações Disponíveis (Dados) Conhecidos com certeza;
Leia maisCurso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento
Pág: 1/18 Curso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento Pág: 2/18 Módulo 4 - Princípios de Investimento Neste módulo são apresentados os principais fatores para a análise de investimentos,
Leia maisLÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O BNP PARIBAS MASTER IBRX FUNDO DE INVESTIMENTO EM AÇÕES
LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O CNPJ/MF: Informações referentes a Dezembro de 2014 Esta lâmina contém um resumo das informações essenciais sobre o BNP PARIBAS MASTER IBRX FUNDO DE INVESTIMENTO
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisPerguntas Frequentes. 1ª Fase: Otimização de Capital e Emissão de Instrumentos de Capital
Perguntas Frequentes 1ª Fase: Otimização de Capital e Emissão de Instrumentos de Capital 1-) Qual é o objetivo do plano de Otimização de Capital e Emissão de Instrumentos de Capital? Esse plano visa incrementar
Leia maisANÁLISE DE PRÉ PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS
Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação ANÁLISE DE PRÉ PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS Vitor Teixeira Costa TRABALHO
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia maisCOM A TÉCNICA DE REGRESSÃO LINEAR SIMPLES
DESENVOLVIMENTO DE UM SISTEMA PARA SIMULAÇÃO DE PREVISÃO DE PREÇO DE AÇÕES NA BOVESPA UTILIZANDO DATA MINING COM A TÉCNICA DE REGRESSÃO LINEAR SIMPLES Davi da Silva Nogueira Orientador: Prof. Oscar Dalfovo,
Leia maisBack-Test no MetaStock
Back-Test no MetaStock Visão Geral Tela principal do System Tester O System Tester visa testar sistemas (trading systems) para determinar seu histórico de rentabilidade. Ele ajuda a responder a pergunta
Leia mais2 Diagrama de Caso de Uso
Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa
Leia maisConstrução de Modelos de Previsão de Risco de Crédito Utilizando Técnicas de Estatística Multivariada
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO Construção de Modelos de Previsão de Risco de Crédito Utilizando Técnicas de Estatística Multivariada Equipe
Leia maisGuia de utilização da notação BPMN
1 Guia de utilização da notação BPMN Agosto 2011 2 Sumário de Informações do Documento Documento: Guia_de_utilização_da_notação_BPMN.odt Número de páginas: 31 Versão Data Mudanças Autor 1.0 15/09/11 Criação
Leia maisCURSO PRÁTICO MINI CONTRATO XP Interfloat Ago/ 2014
CURSO PRÁTICO MINI CONTRATO XP Interfloat Ago/ 2014 A História da BM&F Uma história de Sucesso criada em Junho de 1985. Constituída sob a forma de sociedade por ações. Desenvolver, organizar e operacionalizar
Leia maisGRUPO 12. Celso André Locatelli de Almeida Gabriell Orisaka Jorge Domingos Pizollato Filho José Lucas do Nascimento Santos
GRUPO 12 Celso André Locatelli de Almeida Gabriell Orisaka Jorge Domingos Pizollato Filho José Lucas do Nascimento Santos Nostrademus VENDA COMPRA O mercado de ações se caracteriza por possuir diversas
Leia mais6 Conclusões e Trabalhos futuros 6.1. Conclusões
6 Conclusões e Trabalhos futuros 6.1. Conclusões Neste trabalho estudou-se o comportamento do sistema que foi denominado pendulo planar com a adição de uma roda de reação na haste do pendulo composta de
Leia maisMetodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi
Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia
Leia maisREDUÇÃO DA TAXA DE POUPANÇA E AS EMPRESAS NÃO FINANCEIRAS: 2010-2014
NOTAS CEMEC 01/2015 REDUÇÃO DA TAXA DE POUPANÇA E AS EMPRESAS NÃO FINANCEIRAS: 2010-2014 Carlos A. Rocca Lauro Modesto Santos Jr. Fevereiro de 2015 1 1. Introdução No Estudo Especial CEMEC de novembro
Leia maisRedes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE
Redes Neurais Construtivas Germano Crispim Vasconcelos Centro de Informática - UFPE Motivações Redes Feedforward têm sido bastante utilizadas em aplicações de Reconhecimento de Padrões Problemas apresentados
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA
UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL
Leia maisExtração de Requisitos
Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisMetodologia de Gerenciamento de Projetos da Justiça Federal
Metodologia de Gerenciamento de Projetos da Justiça Federal Histórico de Revisões Data Versão Descrição 30/04/2010 1.0 Versão Inicial 2 Sumário 1. Introdução... 5 2. Público-alvo... 5 3. Conceitos básicos...
Leia maisMATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)
AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)
Leia maisEXERCÍCIO: R: 12.000 / 12,00 = 1.000 quotas
1- Um senhor resolveu investir num Fundo de investimento, informou-se sobre o valor da ação e entregou seu dinheiro sob responsabilidade da administração do fundo. Ele tinha R$ 12.000,00 e o valor da ação
Leia maisPrincípios de Finanças
Princípios de Finanças Apostila 02 A função da Administração Financeira Professora: Djessica Karoline Matte 1 SUMÁRIO A função da Administração Financeira... 3 1. A Administração Financeira... 3 2. A função
Leia maisESTUDO DO EFEITO DAS AÇÕES DE MARKETING SOBRE O FATURAMENTO DE UMA INSTITUIÇÃO DE SAÚDE DO SUL DE MINAS GERAIS UTLIZANDO TÉCNICAS DE SÉRIES TEMPORAIS
ESTUDO DO EFEITO DAS AÇÕES DE MARKETING SOBRE O FATURAMENTO DE UMA INSTITUIÇÃO DE SAÚDE DO SUL DE MINAS GERAIS UTLIZANDO TÉCNICAS DE SÉRIES TEMPORAIS Maria de Lourdes Lima Bragion 1, Nivaldo Bragion 2,
Leia maisFUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO
FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisRelatório da Aula Prática sobre Redes Neurais Artificiais
Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: 134657 INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de 2006.
Leia maisINVESTINDO COM A TENDÊNCIA STOCKS ETF S FUTURES CURRENCIES MUTUALFUNDS
Ibovtrend THE MARKET TIMING AND TRADE DECISION SYSTEM FOR EVERY MAJOR GLOBAL MARKET INVESTINDO COM A TENDÊNCIA STOCKS ETF S FUTURES CURRENCIES MUTUALFUNDS A TENDÊNCIA É SUA AMIGA O Ibovtrend se baseia
Leia maisDATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES
DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES Janaína Schwarzrock jana_100ideia@hotmail.com Prof. Leonardo W. Sommariva RESUMO: Este artigo trata da importância da informação na hora da tomada de decisão,
Leia maisProfessor Severino Domingos Júnior Disciplina: Gestão de Compras e Estoques no Varejo
Professor Severino Domingos Júnior Disciplina: Gestão de Compras e Estoques no Varejo 1) Definições de Previsão de Demanda 2) Mercados 3) Modelo de Previsão 4) Gestão da Demanda 5) Previsão como Processo
Leia maisGestão do Conhecimento A Chave para o Sucesso Empresarial. José Renato Sátiro Santiago Jr.
A Chave para o Sucesso Empresarial José Renato Sátiro Santiago Jr. Capítulo 1 O Novo Cenário Corporativo O cenário organizacional, sem dúvida alguma, sofreu muitas alterações nos últimos anos. Estas mudanças
Leia maisFUNDAMENTOS DA GESTÃO FINANCEIRA
Unidade II FUNDAMENTOS DA GESTÃO FINANCEIRA Prof. Jean Cavaleiro Objetivos Ampliar a visão sobre os conceitos de Gestão Financeira; Conhecer modelos de estrutura financeira e seus resultados; Conhecer
Leia maisAutomatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial
Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento
Leia maisCurso Preparatório CPA20
Página 1 de 8 Você acessou como Flávio Pereira Lemos - (Sair) Curso Preparatório CPA20 Início Ambiente ) CPA20_130111_1_1 ) Questionários ) Passo 2: Simulado Módulo IV ) Revisão da tentativa 3 Iniciado
Leia maisANÁLISE TÉCNICA MÉTODO EQUIPE AÇÕES POR OPÇÕES
Página 1 de 8 ANÁLISE TÉCNICA MÉTODO EQUIPE AÇÕES POR OPÇÕES Olá, apresentaremos um método prático de análise técnica visando o fácil entendimento e a facilidade nas operações. Recomendamos que o leitor
Leia maisTÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia maisAjuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária
Ajuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária Marina Roberto Martins 1*, Fernando Palú 1 (1) Universidade Estadual do Oeste do Paraná, Curso de Engenharia Química. e-mail:
Leia maisProtocolo em Rampa Manual de Referência Rápida
Protocolo em Rampa Manual de Referência Rápida 1 O que é o Protocolo em Rampa O protocolo em rampa é um protocolo para testes de esforço que não possui estágios. Nele o incremento da carga se dá de maneira
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisCOMO INVESTIR PARA GANHAR DINHEIRO
COMO INVESTIR PARA GANHAR DINHEIRO Por que ler este livro? Você já escutou histórias de pessoas que ganharam muito dinheiro investindo, seja em imóveis ou na Bolsa de Valores? Após ter escutado todas essas
Leia maisRESUMO PARA O CONGRESSO AVALIAÇÃO PSICOLÓGICA 2011
RESUMO PARA O CONGRESSO AVALIAÇÃO PSICOLÓGICA 2011 Modalidade: Mesa Redonda TÍTULO DA MESA: UTILIZAÇÃO DOS SUBTESTES RACIOCÍNIO MATRICIAL E CÓDIGOS DO BETA III EM DIVERSOS CONTEXTOS Coordenador da mesa:
Leia mais2. Referencial Prático 2.1 Setor das Telecomunicações
19 2. Referencial Prático 2.1 Setor das Telecomunicações Até os anos 50, as concessões dos serviços de telecomunicações eram distribuídas indistintamente pelos governos federal, estadual e municipal. Tal
Leia maisMS 777 Projeto Supervisionado Professor: Laércio Luis Vendite Ieda Maria Antunes dos Santos RA: 033337
1 Análise de Investimentos MS 777 Projeto Supervisionado Professor: Laércio Luis Vendite Ieda Maria Antunes dos Santos RA: 033337 2 Sumário 1- Juros------------------------------------------------------------------------------------------------------
Leia maisPLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES?
PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES? Índice 1. O que é planejamento de...3 1.1. Resultados do planejamento de vendas e operações (PVO)...
Leia maisMERCADO À VISTA. As ações, ordinárias ou preferenciais, são sempre nominativas, originando-se do fato a notação ON ou PN depois do nome da empresa.
MERCADO À VISTA OPERAÇÃO À VISTA É a compra ou venda de uma determinada quantidade de ações. Quando há a realização do negócio, o comprador realiza o pagamento e o vendedor entrega as ações objeto da transação,
Leia maisPerfil de investimentos
Perfil de investimentos O Fundo de Pensão OABPrev-SP é uma entidade comprometida com a satisfação dos participantes, respeitando seus direitos e sempre buscando soluções que atendam aos seus interesses.
Leia maisREDES NEURAIS APLICADAS À PREVISÃO DE SÉRIES TEMPORAIS
REDES NEURAIS APLICADAS À PREVISÃO DE SÉRIES TEMPORAIS BATTAGELLO, Vinícius Antonio *, CORDEIRO, Marciso Xavier, DAL PINO Jr, Arnaldo Divisão de Ens. Fundamental - Instituto Tecnológico de Aeronáutica
Leia maisCAPITAL DE GIRO: ESSÊNCIA DA VIDA EMPRESARIAL
CAPITAL DE GIRO: ESSÊNCIA DA VIDA EMPRESARIAL Renara Tavares da Silva* RESUMO: Trata-se de maneira ampla da vitalidade da empresa fazer referência ao Capital de Giro, pois é através deste que a mesma pode
Leia maisInstituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics:
Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015 Big Data Analytics: Como melhorar a experiência do seu cliente Anderson Adriano de Freitas RESUMO
Leia maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear A medida de correlação é o tipo de medida que se usa quando se quer saber se duas variáveis possuem algum tipo de relação, de maneira que quando uma varia a outra varia também.
Leia maisO QUE É ATIVO INTANGÍVEL?
O QUE É ATIVO INTANGÍVEL?! Quais as características do Ativo Intangível?! O problema da mensuração dos Ativos Intangíveis.! O problema da duração dos Ativos Intangíveis. Francisco Cavalcante(f_c_a@uol.com.br)
Leia maisEstruturando o modelo de RH: da criação da estratégia de RH ao diagnóstico de sua efetividade
Estruturando o modelo de RH: da criação da estratégia de RH ao diagnóstico de sua efetividade As empresas têm passado por grandes transformações, com isso, o RH também precisa inovar para suportar os negócios
Leia mais