Uma ferramenta computacional eficiente para identificação de melhores gatilhos de compra e venda de ativos financeiros

Tamanho: px
Começar a partir da página:

Download "Uma ferramenta computacional eficiente para identificação de melhores gatilhos de compra e venda de ativos financeiros"

Transcrição

1 Uma ferramenta computacional eficiente para identificação de melhores gatilhos de compra e venda de ativos financeiros Bruno C. Barroso 1,Gustavo P. Hanaoka 1,Felipe D. Paiva 1,Rodrigo T. N. Cardoso 1 1 CEFET MG Centro Federal de Ensino Tecnológico de Minas Gerais (CEFET MG) Belo Horizonte MG Brazil Abstract. This paper presents a computational tool for identifying best purchase and sale triggers of financial assets based on three graphical analysis techniques: candlesticks, whose objective is the perception of reversing trends (high or low) or continuity ones in the prices; stop, tool that protects your investment in case of identification error of signals, and support and resistance lines, which are values on which the asset price tends not to be exceeded. An artificial neural network is used to predict future values with the intention of confirming the signals. The methodology is validated by simulating purchases and sales only at the instants specified by the algorithm, using historical series of the stock exchange. Resumo. Este artigo apresenta uma ferramenta computacional para identificação de melhores gatilhos de compra e venda de ativos financeiros baseada em três técnicas da análise gráfica: candlesticks, cujo objetivo é a percepção de tendências de reversão (de alta ou de baixa) ou de continuidade nos preços; stop, ferramenta que protege o investimento em caso de erro nas identificações de sinais; e linhas de suporte e resistência, valores nos quais o preço do ativo tende a não ultrapassar. Uma rede neural artificial é utilizada para a previsão de valores futuros com a intenção de se confirmar os sinais emitidos. A metodologia é validada simulando compras e vendas apenas nos momentos indicados pelo algoritmo, utilizando séries históricas da bolsa. 1. Introdução De forma dispare há duas correntes de pensamento no mercado de investimentos de ativos financeiros. A primeira e com amplo número de adeptos no meio acadêmico, é a análise fundamentalista, que concentra seus estudos nos fatores que afetam as situações de oferta e demanda de um mercado, com o objetivo de determinar o valor intrínseco de um ativo (Chaves, 2004). Por meio de tal avaliação, o analista é capaz de comparar os preços encontrados com aqueles praticados pelo mercado e assim classificá-los em sobre avaliado, subavaliado ou condizente com o valor de mercado. Em vista disso, a análise fundamentalista define qual o ativo deve ser vendido ou comprado. Já a segunda corrente, de grande afeição dos profissionais de mercado, é a análise técnica, que firma seus estudos no comportamento histórico do mercado para determinar o estado atual ou as condições futuras do mesmo (Murphy, 1986). O analista

2 técnico observa tendências de tal comportamento e avalia a reação do mercado a elas. Em sua essência, a análise técnica assume que os mercados exibirão comportamentos futuros que são condizentes com o passado, ou seja, o técnico se orienta pela repetição de padrões de comportamento do mercado. A análise tem como objetivo a previsão de movimentação de preços, orientando a entrada ou saída do mercado. De acordo com Rotella (1992), a análise fundamentalista é inerentemente profética, pois o analista faz projeções que objetivam encontrar equações futuras para as curvas de oferta e demanda do mercado. O fundamentalista frequentemente visa obter o dueto: causa e efeito de uma variável e seus impactos sobre o mercado, ou seja, preocupam-se em definir o motivo pelo qual os preços se direcionarão no futuro. Rotella (1992) destaca que a análise técnica pode ser usada tanto de maneira reativa como profética. No primeiro método, o analista responde a uma situação ocorrida. Já através do segundo método, o técnico tentará antecipar o que pode ocorrer no futuro, segundo suas observações do mercado. Segundo Rotella (1992), a premissa básica para a análise técnica está no fato de que todos os fatores que, direta ou indiretamente, afetam o mercado, como as informações fundamentalistas, comportamento emocional ou leis naturais, são refletidos nas duas principais fontes para a análise: o preço e volume praticados pelo mercado. Utilizando ferramentas da análise técnica, o presente trabalho objetiva prever melhor os momentos de compra e venda através de candlesticks, uma técnica japonesa de reconhecimento de padrões em séries temporais financeiras, com o suporte de previsões realizadas através de redes neurais. Dessa maneira, reconhecido um padrão indicativo de tendência através dos candles, uma rede neural é chamada para realizar a previsão do valor do ativo três dias após o indicativo fornecido. Caso a rede neural confirme a tendência indicado pelos candles, um sinal é enviado para o investidor. Além disso, outras ferramentas da análise técnica são utilizadas, como as linhas de resistência e suporte e o stop. Caso sejam identificadas linhas de resistência ou suporte, é enviado um sinal de compra ou de venda para o investidor no momento que o preço atingir o valor identificado. No caso do stop, caso o preço atinja o seu valor determinado automaticamente no momento da compra, um sinal de venda é automaticamente enviado. Nessa mesma vertente, Mizuno et al (1997) propuseram a utilização de redes neurais para determinar melhores momentos de compra e venda. A previsão da rede neural servia como auxílio a medias móveis, outra ferramenta da análise técnica. Marques (2009) apresenta um procedimento para a parametrização do indicador de análise técnica do mercado financeiro chamado Moving Average Convergence Divergence (MACD), propondo a criação de uma nova ferramenta de auxílio à tomada de decisão em investimentos O sistema desenvolvido ainda utiliza algoritmos genéticos na busca dos melhores fatores de alisamento que compõem o MACD e incorpora uma máquina de inferência fuzzy de forma a tornar o indicador mais seguro nas ordens de compra e venda. Ferreira (2009) propõe um trading system que realiza a análise gráfica aprendendo de forma autônoma a reconhecer padrões em séries e determinando automaticamente gatilhos de compra e venda de uma determinada ação. Em seu trabalho, utiliza redes neurais na intenção de prever padrões de candlesticks. Dessa forma, não se limita apenas aos padrões já catalogados, pois a rede neural pode prever algum outro tipo de sequencias de candles que determinam algum padrão.

3 Este trabalho está organizado da seguinte forma: a Seção 2 apresenta uma revisão bibliográfica com os principais conceitos, a Seção 3 explica a metodologia do trabalho, a Seção 4 apresenta os resultados e sintetiza algumas conclusões, e a Seção 5 faz as considerações finais, apresentando sugestões de trabalhos futuros. 2. Revisão Bibliográfica 2.1. Ferramentas da análise técnica As ferramentas da análise técnica têm como objetivo comum indicar gatilhos de compra ou de venda de ativos. O presente trabalho considera os candlesticks, as linhas de resistência e suporte e ainda o stop como proteção de investimento Candlesticks De acordo com Elder (1993), os gráficos de candlesticks, ou simplesmente candles, são constituídos por fileiras de corpos que apresentam sombras em ambos os lados. O corpo representa a distância entre os preços de abertura e de fechamento de um ativo em um determinado período. Se o preço de fechamento for maior que o preço de abertura, então o corpo será branco; caso contrário, o corpo do candle será preto. O extremo livre da sombra superior indica o preço máximo do dia e, por sua vez, o extremo livre da sombra inferior representa o preço mínimo do dia. Figura 1. Representação gráfica de um candle. Nison (1991), considerado o introdutor das técnicas de candlestick no ocidente, relata que estes surgiram no Japão Feudal, desenvolvidas por Munehisa Homma, filho de uma rica família de produtores. Ainda hoje os gráficos de candlesticks são muito utilizados e sua principal finalidade é de prever tendências de preços (Ferreira, 2009) Indicação de tendência através de Candlesticks No fim do século passado surgiram vários estudos no Ocidente analisando a capacidade dos candles de retratar o andamento do mercado. Foram identificadas sequências que, historicamente quando apareciam, indicavam forte tendência de previsão. Um dos

4 estudos mais conhecidos foi realizado por Nison (1991), em que mais de 50 padrões de candles são identificados e explicados, servindo de base para o presente trabalho. Por exemplo, um corpo preto significa que o preço esteve em queda no período analisado, pois a abertura foi maior que o fechamento. Um corpo branco mostra o contrário, o mercado está em crescimento, pois o fechamento foi maior que a abertura. Candles pequenos, ou seja, valor máximo próximo do valor mínimo indica que houve pouca movimentação nesse ativo durante o período analisado. Entretanto, a maioria dos padrões de identificação de tendência é composta por mais de um candle. É importante ressaltar que os candles são desenhos que contêm informações sobre as movimentações no período analisado, dessa forma, os padrões identificados através dos candles são nada mais do que identificações analisadas no próprio mercado, dessa forma cada padrão pode ser explicado através do que aconteceu com o mercado de ações. A figura 2 contêm alguns exemplos de padrões que serão explicados a seguir. O engolfo de alta é quando, após um momento de queda, o valor do ativo no período analisado possui uma abertura inferior ao candle anterior, sinalizando que a queda provavelmente continuaria. Porém, no fim do período, o fechamento ultrapassa o valor inclusive da abertura do dia anterior, isto é, as movimentações daquele período foram capazes de reverter a tendência de queda e subiram o preço do ativo. Essas características indicam que, provavelmente o preço irá subir, pois as movimentações conseguiram parar a queda que vinha acontecendo. O engolfo de baixa segue a mesma explicação que o engolfo de alta, porém, ocorre após um mercado em alta e indica tendência de queda. Já o bebê abandonado mostra que após uma queda de preço, as compras se equipararam às vendas, estabilizando o preço. Esse equilíbrio entre compras e vendas significa que a abertura e o fechamento possuem valores próximos, o que é mostrado pelo segundo candle do bebê abandonado. Após isso, o mercado começa a subir, e possivelmente continuará assim, pois finalmente as compras conseguiram se sobressair às vendas. O bebê abandonado de baixa segue a mesma explicação do bebê abandonado, porém, ocorre após um período de alta e indica tendência de baixa. Figura 2. Alguns padrões de candlesticks A ideia é, a cada padrão associar um indicativo de reversão ou continuidade de tendência, de modo que a identificação de uma futura tendência de alta gera sinais de compra e a identificação de futura tendência de baixa gera sinais de venda. Cada padrão possui sua própria eficiência de acerto, assim como sua frequência de aparecimento. Dessa forma, alguns se tornam mais confiáveis para a tomada de decisão, enquanto outros precisam de outras formas de confirmação. Nison (1991) mostra em seu livro essa frequência e eficiência, medida através de inúmeros estudos com milhares de dados. É importante ressaltar que todos os padrões, segundo o livro e também através

5 dos testes, possuem eficiência maior que 50%, ou seja, acertam mais previsões do que erram Stop O conceito de stop é muito utilizado no mercado financeiro devido à sua grande capacidade de reduzir perdas (Espindola, 2011). O stop é uma ferramenta que realiza a venda do ativo quando o preço da ação ultrapassar o preço pré-determinado pelo cliente como preço de disparo da ordem. Esse preço geralmente corresponde de 5% a 10% de perda do valor original do ativo. Dessa maneira, caso ele ultrapasse, o stop será utilizado e o ativo será vendido. O objetivo do seu uso, num primeiro momento, é resguardar o capital mesmo que com uma pequena perda, para que se possa voltar ao mercado em outro momento. Num segundo momento, se a operação inicial estiver evoluindo favoravelmente, sua função passa a ser a de proteger uma parte dos lucros auferidos até então (Noronha, 1995) Linhas de suporte e de resistência Segundo Noronha (1995), suportes são níveis de preços onde as compras feitas pelos investidores são fortes o suficiente para interromper durante algum tempo e, possivelmente, reverter um processo de queda, gerando um ponto de retorno. Já resistências são níveis de preços onde as vendas feitas pelos investidores podem gerar um processo de subida. Dessa maneira, as linhas de suporte e resistência atuam como valores prováveis de mudança de tendência do mercado, se tornando momentos interessantes para a realização de transações. O valor do ativo pode, porém, ultrapassar esse valor, geralmente acarretando uma extinção desse valor de resistência ou suporte antigo, e possibilitando a criação de uma nova barreira. Um ponto importante que os analistas técnicos costumam ressaltar é que quando uma resistência ou um suporte é rompido existe uma tendência destes pontos se reverterem, ou seja, no caso de um suporte este poderá virar uma resistência e vice-versa. Entretanto, a significância será tão relevante quanto mais significante for o rompimento Redes neurais artificiais Definição Redes neurais artificiais são modelos matemáticos e computacionais que se assemelham às estruturas neurais biológicas, com capacidade de aprendizado e generalização, que se dão pela adaptação e otimização de parâmetros ao meio externo (Braga et al., 2007). Os neurônios são unidades de processamento que após realizar operações matemáticas com os valores recebidos, sejam de entrada ou de camadas anteriores, propagam o sinal, valor ajustado, para que a rede retorne uma saída calculada. O aprendizado da rede neural pode ser obtido de três formas distintas de treinamento: supervisionado, por reforço e não supervisionado. As redes neurais mais utilizadas: Perceptron, ADALINE e MLP (Multilayer Perceptron) realizam sua aprendizagem por treinamento supervisionado, em que existem resultados desejados que

6 serão comparados com os calculados para a realização do ajuste dos pesos nos neurônios. O algoritmo utilizado para o aprendizado deve adaptar os parâmetros (pesos) buscando convergir para um resultado dentro um número finito de iterações, que significa dar a modelagem mais precisa possível ao problema estudado, observada sua complexidade (Haykin, 2001) Rede Recorrente de Elman A Rede Elman, ou rede recorrente simples, descrita em Elman (1990), é uma rede onde a realimentação capacita a realização de tarefas que se estendem no tempo. Esta característica as torna uma opção para análise de séries temporais, já que há a capacidade de memorização. Na rede Elman ocorre a recorrência de sinais, pois além do fluxo de sinais da camada de entrada para a camada de saída, há fluxo de sinais que realimentam as entradas, ou seja, o sinal de saída é tomado como entrada em dado ponto. Os neurônios ocultos contêm conexões recorrentes para uma camada de unidades de contexto que consiste de atrasos unitários, e assim, têm um registro das suas ativações passadas, o que capacita a rede a realizar tarefas que se estendem no tempo. Nas redes de Elman o estado interno da rede (contexto) em um determinado instante depende de duas coisas: da entrada da rede no momento considerado e no instante anterior. O papel das unidades de contexto é fornecer memória dinâmica à rede, pois a camada de contexto tem a capacidade de codificar toda a informação de entrada desde o começo da sequência apresentada à rede (Stoianov, 2001). Essa memória é de grande profundidade e pouca resolução: as unidades de contexto conservam um registro exponencialmente decrescente do valor anterior de saída dos neurônios da camada oculta da rede (Koskela et al, 1996). Dessa forma, redes do tipo recorrente são de particular interesse na previsão de séries temporais, já que a capacidade de realimentação possibilita a elas o reprocessamento dinâmico do erro destas saídas Uso de redes neurais em finanças Devido a sua alta capacidade de previsão em geral, as redes neurais têm sido utilizadas também na área de finanças. Por exemplo, Matsumoto (2008) utilizou informações financeiras e contábeis com o objetivo de classificar a rentabilidade futura das empresas em ruim média ou ótima. Segundo ele, os experimentos realizados evidenciam que as redes neurais geram resultados satisfatórios e melhores que os modelos de regressão linear e logística. Neto (2008) verificou a utilização de protótipos de vários modelos de redes neurais para a previsão de cotações, e mostrou a relevância da utilização de séries exógenas para melhoras na precisão das previsões geradas por redes neurais. Hanaoka et al. (2011) discutem a possibilidade de séries financeiras apresentarem ligeira previsibilidade, através de técnicas de detecção de caos, refutando a pura aleatoriedade embasada pela Hipótese do Mercado Eficiente. Em seu trabalho, foram realizados testes com as redes neurais MLP, Narxnet e Elman para a previsão de valores futuros de um ativo da bolsa de valores, sendo que esta última foi a rede que obteve melhores resultados. Já Zanetti Jr. e Almeida (1998) avaliaram a capacidade das redes neurais em prever o retorno das ações da Telebrás, mas concluíram que a grande intensidade de oscilações diárias dificultou a adequação do modelo.

7 3. Metodologia Buscou-se com o presente trabalho desenvolver uma ferramenta computacional de apoio à compra e venda de ativos de uma carteira de investimentos usando a técnica dos candlesticks, com o auxílio de previsões de preços futuros feitas por uma rede neural recorrente Elman. Como complementação, utiliza sinais de stop e análise das linhas de resistência e suporte da série no período analisado. A fim de validar a metodologia proposta, foram feitas simulações utilizando um banco de dados contendo 3902 valores de fechamento, abertura, máximo e mínimo de cinco ativos da BOVESPA (PETR4, VALE5, ELET6, USIM5, CMIG4), correspondentes ao período entre 02/01/1995 até 28/12/2010 (contabilizando um total de 3902 dados). O software comercial MATLAB foi utilizado para realização de todos os cálculos e programas. Foram realizados 13 testes utilizando 300 dados para cada ativo, percorrendo assim um total de 3900 dias para cada ativo. Cada simulação corresponde aproximadamente a um ano de bolsa de valores aproximadamente, pois se descontam os dias que a bolsa não abre (feriados, sábados e domingos). Primeiramente, é realizado o cálculo das partes dos candles: sombra superior, sombra inferior e corpo, prosseguindo com a classificação dos mesmos, identificando a qual grupo ele pertence, bem como os padrões de reversão de tendências, de acordo com a sequência dos candles necessária (catalogada) para a formação de cada padrão. Neste trabalho foram utilizados 20 padrões conhecidos, sendo escolhidos os padrões mais frequentes na prática. A identificação de uma futura tendência de alta gera sinais de compra, e a identificação de futura tendência de baixa gera sinais de venda. A cada dia que os padrões de tendência são identificados, uma rede neural é solicitada para prever o valor de três dias posteriores. Caso a rede preveja o mesmo que a análise dos candles, é criado um sinal de compra ou venda. São realizados experimentos utilizando rede neural recorrente de Elman, com duas camadas intermediárias de três neurônios cada, taxa de aprendizado de 0,1, e os 14 dias anteriores como treinamento. Como entrada da rede utiliza-se o fechamento dos dias anteriores, para obter como saída a abertura de três dias posteriores. As funções de ativação utilizadas foram sigmoidal logística para a 1ª camada intermediaria, tangente hiperbólica para a 2ª camada intermediaria e linear para a camada de saída. Para efeitos de validade estatística, são realizados 30 experimentos e o sinal é aceito caso seja confirmado em pelo menos 80% dos testes. Como forma de proteger o investidor em caso de algum sinal de transação equivocado o programa utiliza o stop, conceito muito utilizado no mercado financeiro. O valor do stop é definido automaticamente no ato da compra dos ativos, considerando 90% do valor do ativo no momento da compra. Dessa forma, caso ocorra uma queda no preço que atinja esse valor determinado, um sinal de venda é enviado. Vale ressaltar que o preço do stop varia com o aumento do ativo. Isto é, caso o preço do ativo estivesse em R$ 20,00 no momento da compra, mas cresceu para R$ 30,00 em uma semana, o valor do stop passa a ser 90% dos R$ 30,00, e não dos R$ 20,00 do momento da compra. Por fim, o programa utiliza a ferramenta chamada linha de resistência e linha de suporte, que consiste em algum valor de preço que um ativo tende a não ultrapassar. Essa ferramenta foi introduzida criando-se um algoritmo que identificava os mínimos e máximos locais e comparava-os com os anteriores, dessa forma, quando era identificado

8 um valor comum, esse valor tornava-se uma linha de resistência ou de suporte em potencial. Assim, caso o preço volte a atingi-las, um sinal de venda ou de compra é enviado para o programa. O programa implementado simula transações de compra e venda ao receber os sinais, comprando ou vendendo em uma porcentagem determinada pela previsão da rede (quanto mais testes confirmarem, maior a porcentagem) e pelo estudo da eficiência dos candles (quanto maior a eficiência histórica, maior a porcentagem). De posse desses sinais de compra e venda, de stop e das linhas de resistência, foi feito o experimento reproduzindo um investidor durante um intervalo de tempo especificado, comprando e vendendo apenas ao receber esses sinais. O programa tem como parâmetros de entrada um valor em dinheiro, uma quantidade de ações, porcentagem para stop e um fator de investimento, que será explicado posteriormente. Na saída, o programa retorna o dinheiro total, correspondente à quantidade de dinheiro que sobrou mais o valor das ações no último dia, o lucro total, e ainda faz algumas comparações com outros investimentos, comparando caso o dinheiro fosse aplicado em renda fixa, e comparando caso não fosse realizada nenhuma transação, ou seja, à mercê da valorização das ações, investimento realizado por muitos investidores. Para efeito de comparação, foram realizados testes sem utilizar a rede neural como filtro das informações dos candles. O principal parâmetro de entrada do programa é um fator de investimento entre 0 e 1, que representa o perfil de risco/lucro do investidor. Quanto mais próximo de 1, mais o investidor busca apenas a valorização do seu ativo, não preocupando com o risco. Este fator de investimento é multiplicado pela eficiência histórica do padrão identificado e pela porcentagem de previsão da rede. Esse resultado gera a porcentagem de compra ou venda do ativo. Por exemplo, caso o investidor tenha entrado com um fator de investimento de 50%, a eficiência histórica do padrão identificado seja de 80% e a rede tenha confirmado o sinal em 95% das vezes, o programa efetuará a compra de ativos com 38% do dinheiro ou a venda de 38% de ações. É importante ressaltar que o programa simula um investidor real, uma vez que em momento algum são utilizados dados do momento de compra ou de venda, bem como de dias posteriores: as decisões são tomadas considerando-se apenas os valores anteriores de abertura, fechamento, máximos e mínimos. 4. Resultados e Conclusões Os resultados representam a média das 13 simulações realizadas para cada ativo, considerando a duração de cada uma como aproximadamente um ano de investimentos. É de se esperar que os valores apresentem um desvio-padrão grande, pois cada ano de um ativo possui momentos de compra e valores de preços diferentes entre si. Inicialmente é importante analisar o lucro obtido por cada tipo de investimento. Para tal, foram considerados quatro investimentos diferentes. O primeiro representa os lucros do programa utilizando a rede neural para validar os sinais dos candles, além das linhas de resistência e suporte e do stop. O segundo indica os lucros obtidos utilizando os candles, as linhas de resistência e de suporte e o stop, ou seja, apenas não utiliza a rede neural como auxílio às previsões. O terceiro representa os lucros obtidos aplicando o montante inicial (correspondente ao dinheiro inicial mais o dinheiro investido em ações) em um investimento com renda fixa, simulando uma poupança (investimento 1).

9 Este é um investimento muito utilizado por pessoas que temem a grande variação da bolsa de valores, preferindo um investimento fixo e mais seguro. Para tal, foi considerada uma taxa de 0,6% ao mês de rentabilidade. Finalmente, o quarto indica os lucros obtidos aplicando o dinheiro no investimento de renda fixa, novamente à taxa de 0,6% ao mês, e não fazendo movimentações com as ações, ou seja, deixando as ações à mercê de sua valorização (investimento 2). Esse investimento também é feito por muitos investidores da bolsa de valores, que por não terem tempo ou conhecimento acabam comprando ações e não efetuando transações. A Tabela 1 mostra a média dos 13 resultados de 300 dias para cada investimento, e também seu desvio padrão. O montante inicial totalizou R$ 2.000,00 sendo R$ 1.000,00 como dinheiro e outros R$1.000,00 investidos em ações. Tabela 1. Média e desvio-padrão de lucro dos investimentos em quarto cenários, para cinco ativos da Bolsa. A primeira linha representa a média, e a segunda o desvio-padrão, ambos em porcentagem do valor inicial investido. Ativos CMIG4 ELET6 PETR4 USIM5 VALE5 Lucro utilizando o algoritmo (médias e desvios) Lucro sem RNA (médias e desvios) Lucro Investimento 1 (médias e desvios) Lucro Investimento 2 (médias e desvios) 12,58% 5,05% 9,20% 8,98% 17,24% 18,36% 13,22% 10,39% 26,65% 20,73% 9,34 % 5,19% 8,22% 6,84% 14,85% 15,25% 17,03% 10,15% 20,01% 19,07% 6,14% 6,14% 6,14% 6,14% 6,14% 0% 0% 0% 0% 0% 9,91% 5,27% 7,46% 6,43% 13,45% 14,19% 8,28% 14,84% 17,82% 16,37% Através dos resultados pode-se concluir que o algoritmo criado obteve, em média, melhores resultados comparados aos outros investimentos. Apenas no ativo ELET6 os investimentos comparados foram, em média, superiores ao algoritmo. O desvio padrão apresenta valores bastante elevados, pois os lucros variam dependendo do período analisado. Ainda que nem sempre o algoritmo tenha se mostrado superior aos outros investimentos, em média, em 75% das vezes se apresentou melhor que o investimento 1, e em 70% das vezes em relação ao investimento 2. Estes resultados já indicam uma melhora com a utilização da rede neural, uma vez que ela filtra os sinais enviados pelos candles, eliminando sinais que não coincidem com a previsão. Com isso, o número de transações realizadas ao utilizar a rede é sempre menor ou igual a quando não se utiliza. Esse detalhe é importante, pois cada transação possui um custo de corretagem e impostos, por isso é interessante tentar reduzir as transações sem reduzir o lucro. Por isso é calculado a média de lucro por cada transação, resultado que mostra qual foi o lucro médio a cada transação, que é mostrado na Tabela 2. Estes resultados acima evidenciam ainda mais a melhora do lucro com a utilização da rede neural. As transações se mostram mais eficientes, já que aquelas sugeridas pelo candle e certificadas pela rede neural em geral trazem maior lucratividade.

10 Tabela 2. Média e desvio-padrão de lucro por cada transação. A primeira linha representa a média, e a segunda o desvio-padrão. Ativo CMIG4 ELET6 PETR4 USIM5 VALE5 Lucro por transação utilizando o algoritmo (médias e desvios) Lucro por transação sem RNA (médias e desvios) R$ 42,55 R$ 16,79 R$ 60,14 R$ 63,35 R$ 117,80 R$ 64,26 R$ 50,11 R$ 94,30 R$ 88,53 R$ 74,55 R$ 23,37 R$ 9,68 R$ 29,01 R$ 32,56 R$ 64,08 R$ 38,50 R$ 44,43 R$ 39,54 R$ 113,26 R$ 130,29 Por fim, foi verificada a eficiência de cada sinal enviado pelo candle, ou pelo candle certificado pela rede neural. Para estudar essa eficiência foi considerado um intervalo de três dias. Após tal período, uma comparação é feita com o dia em que apareceu o sinal. Sinais de venda significam que o preço irá cair, e sinais de compra que o preço irá subir. Dessa maneira, calculam-se quantas vezes os sinais acertaram e quantas erraram, gerando assim uma eficiência de acerto, mostrada na Tabela 3. Tabela 3. Média e desvio-padrão das eficiências do algoritmo. A primeira linha representa a média, e a segunda o desvio-padrão. Ativos CMIG4 ELET6 PETR4 USIM5 VALE5 Média das eficiências do algoritmo (médias e desvios) Média das eficiências sem RNA (médias e desvios) 75,6% 79,6% 85,6% 79,0% 72,9% 15,2% 12,8% 13,9% 22,3% 26,3% 69,1% 84,0% 80,2% 69,8% 71,1% 17,8% 27,5% 13,2% 21,2% 23,1% É destacável que a média da eficiência da previsão do programa é sempre superior a 50%, inclusive sendo superior a 75% em quatro dos cinco ativos. Isso indica que, em um intervalo de três dias, a previsão feita pelos candles e pela rede neural acertou três vezes mais do que errou. Apenas em um ativo a eficiência do algoritmo foi inferior à eficiência apenas utilizando candle. É importante ressaltar que os sinais enviados pelos candles são de reversão, por isso esse resultado de eficiência se mostra bastante satisfatório, uma vez que as previsões feitas, em sua grande maioria vão contra a tendência do mercado até aquele momento, mostrando uma grande capacidade de previsão da rede neural mesmo em um momento de reversão de tendência, se o treinamento realizado for bem sucedido. 5. Considerações Finais O estudo dos candlesticks têm se mostrado bastante eficiente e popular. Utilizar uma inteligência computacional para se aliar ao estudo histórico dos movimentos nas bolsas de valores é algo interessante e, sem dúvidas, existem várias formas de conciliá-las. Através deste trabalho foi possível concluir que esta combinação é bastante proveitosa, já que se mostrou superior a outros investimentos realizados pelos investidores em geral, e em todos os testes, foi superior ao estudo utilizando apenas os candles. Ainda é necessário adicionar os valores de custos de transações na bolsa de valores.

11 Dessa forma, um dos projetos futuros é a integração da metodologia a outras técnicas de inteligência artificial, como por exemplo, o uso de algoritmos genéticos para a identificação de porcentagens ótimas. Outra possibilidade é a montagem de uma carteira de investimentos on-line, com as transações sendo realizadas no mercado diariamente. Por fim, existem diversas ferramentas da análise técnica que podem ser integradas e verificadas através de uma previsão de rede neural, sendo assim interessante integrar outras formas de indicativos de tendências da análise técnica. Agradecimentos Os autores agradecem ao CEFET-MG e às agências FAPEMIG, CAPES e CNPq pelo apoio financeiro recebido. Referências Braga, A. de P. e Carvalho, A. C. P. de P. L. F. de, Ludemir, T. B. (2007) Redes neurais artificiais: teoria e aplicações, 2ª ed., LTC, Rio de Janeiro, Brasil. Chaves, D. A. T. (2004), Análise técnica e fundamentalista> divergências, similaridades e complementariedades, Monografia, São Paulo, Brasil. Economatica (2012), Janeiro. Elder, A. (1993), Trading for a living, John Willey & Sons Inc.. Elman, J. (1990), Finding structure in time, Cognitive Science. Espindola, R. (2011), Estratégia de venda coberta de opções dentro do dinheiro no mercado acionário brasileiro. Monografia, Florianópolis, Brasil. Ferreira, L. N. (2009), Um trading system autônomo baseado em redes neurais Artificiais, Monografia, Lavras, Brasil. Hanaoka, G. P., Barroso, B. C., Paiva, F. D., Cardoso, R. T. N. (2011), Um estudo comparativo utilizando Redes Neurais na previsão de tendências em séries temporais financeiras para composição ótima de carteiras, em Encontro Mineiro de Modelagem Computacional, Brasil. Haykin, S. (2001), Redes Neurais: princípios e prática, 2ª ed., Bookman, Porto Alegre, Brasil. Investmax (2011), Introdução do modelo gráfico Candlestick, Junho. Koskela, Timo et al. (1996), Times series prediction with multilayer perceptron, FIR and Elman neural networks In: Proceedings of the World Congress on Neural Networks, INNS Press. Marques, F. C. R.; Gomes, R. M.; Almeida, P. E. M. (2009) Maximização de Lucros em Investimentos: uma abordagem a partir do MACD com emprego de algoritmos genéticos e lógica fuzzy, IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN), Brasil.

12 Matsumoto, E. Y. (2008) Aplicação de Redes Neurais na Classificação de Rentabilidade Futura de Empresas. Dissertação (Mestrado em economia). Fundação Getúlio Vargas, São Paulo, Brasil. Mizuno, H., Kosaka, M. and Yajima, H. (1997), Stock Market Prediction System Based On Technical Analysis of Stock Index Using Neural Network,in Proceedings of the 15th IMACS World Congress on Scientific Computation, Modelling and Applied Mathematics (IMACS '97). Murphy, J. (1996) Technical Analysis of the Future Markets, New York Institute Finance, New York, USA. Neto, A. M. C. de. (2008) Previsão Séries Temporais Usando Séries Exógenas e Combinação de Redes Neurais Aplicada ao Mercado Financeiro, Dissertação (Mestrado em ciência da computação). Universidade Federal de Pernambuco, Pernambuco, Brazil. Nison, S. (1991), Japanese candlestick charting techniques, New York Institute of Finance, New York Noronha, M. (1995), Análise Técnica: Teorias, Ferramentas, Estratégias, Editec, Rio de Janeiro, Brazil. Rotella, R. P. (1992), The Elements of Successful Trading, Institute of Finance Simon & Schuster, New York, USA. Stoianov, I. (2001), Recurrent neural networks: design and applications, Boca Raton: CRC Press. Zanetti Jr, L. A. Almeida, F. C. de. (1998), Exploração do Uso de Redes Neurais na Previsão do Comportamento de ativos Financeiros. In: III Semead, Univeridade de São Paulo, São Paulo, Brazil.

Previsão 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 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 mais

Uma 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 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 mais

Complemento II Noções Introdutória em Redes Neurais

Complemento 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 mais

Aula 2 RNA Arquiteturas e Treinamento

Aula 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 mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

Leia mais

VISUALIZAÇÃO DE TENDÊNCIAS DE MERCADO: DESENVOLVIMENTO DE UMA FERRAMENTA GRÁFICA A PARTIR DE SOFTWARE LIVRE

VISUALIZAÇÃO DE TENDÊNCIAS DE MERCADO: DESENVOLVIMENTO DE UMA FERRAMENTA GRÁFICA A PARTIR DE SOFTWARE LIVRE VISUALIZAÇÃO DE TENDÊNCIAS DE MERCADO: DESENVOLVIMENTO DE UMA FERRAMENTA GRÁFICA A PARTIR DE SOFTWARE LIVRE José Tarcísio Franco de Camargo jtfc@bol.com.br Faculdade Municipal Prof. Franco Montoro (FMPFM)

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão 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 mais

ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS

ANÁLISE 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 mais

4 Estratégias para Implementação de Agentes

4 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 mais

REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES.

REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES. REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES. Paulo Henrique Kaupa (Uninove) paulo.kaupa@gmail.com Renato Jose Sassi (Uninove)

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto 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 mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR THIAGO RAMOS TRIGO 1 PAULO CESAR DA SILVA BATISTA JÚNIOR 1 FERNANDO BUARQUE DE LIMA NETO 2 RESUMO Este artigo apresenta um maneira de implementar

Leia mais

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR RESUMO

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR RESUMO REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR THIAGO RAMOS TRIGO 1 PAULO CESAR DA SILVA BATISTA JÚNIOR 1 FERNANDO BUARQUE DE LIMA NETO 2 RESUMO Este artigo apresenta um maneira de implementar

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

ANÁLISE DE PRÉ PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS

ANÁLISE 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 mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO 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 mais

INTRODUÇÃO MOTIVAÇÃO. Leonardo Brissant leo@brissant.com

INTRODUÇÃO MOTIVAÇÃO. Leonardo Brissant leo@brissant.com INTRODUÇÃO Este texto contém alguns trechos da monografia Sistema de negociação de ações utilizando indicadores de análise técnica otimizados por algoritmos genéticos apresentado por Leonardo Brissant,

Leia mais

Relatório Iniciação Científica

Relatório Iniciação Científica Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:

Leia mais

LEONARDO NASCIMENTO FERREIRA UM TRADING SYSTEM AUTÔNOMO BASEADO EM REDES NEURAIS ARTIFICIAIS

LEONARDO NASCIMENTO FERREIRA UM TRADING SYSTEM AUTÔNOMO BASEADO EM REDES NEURAIS ARTIFICIAIS LEONARDO NASCIMENTO FERREIRA UM TRADING SYSTEM AUTÔNOMO BASEADO EM REDES NEURAIS ARTIFICIAIS Monografia de Graduação apresentada ao Departamento de Ciência da Computação da Universidade Federal de Lavras

Leia mais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR

Leia mais

FolhaInvest Manual Carteira

FolhaInvest Manual Carteira FolhaInvest Manual Carteira Carteira é onde estão consolidadas as informações sobre suas ações e seu capital. A partir de atalhos, você poderá comprar, clicando na letra C, ou vender, clicando na letra

Leia mais

Neurodinâmica do Mercado de Ações

Neurodinâmica 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 mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

Curso Análise Técnica 1

Curso Análise Técnica 1 Curso Análise Técnica 1 Módulo 1 de 4 www.tradernauta.com.br Introdução Análise Técnica ou Gráfica Avaliação dos preços históricos de um ativo por meio de um gráfico típico para realizar projeções de performance

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

A implementação e o estudo. de redes neurais artificiais em ferramentas de software comerciais,

A implementação e o estudo. de redes neurais artificiais em ferramentas de software comerciais, Artigos A implementação e o estudo de redes neurais artificiais em ferramentas de software comerciais Cleber Gustavo Dias Professor do Departamento de Ciências Exatas Uninove. São Paulo SP [Brasil] diascg@uninove.br

Leia mais

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS 5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS TÍTULO DO TRABALHO: REDES NEURAIS APLICADAS EM INDÚSTRIAS PETROQUÍMICAS DE FABRICAÇÃO DE FIBRAS DE POLIÉSTER. AUTORES: Lívia Maciel

Leia mais

IN0997 - Redes Neurais

IN0997 - Redes Neurais IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa

Leia mais

MERCADO DE AÇÕES: INVESTIR OU ESPECULAR?

MERCADO DE AÇÕES: INVESTIR OU ESPECULAR? NOME DA ÁREA TEMÁTICA: ECONOMIA MONETÁRIA E FISCAL MERCADO DE AÇÕES: INVESTIR OU ESPECULAR? RESUMO: O objetivo deste artigo é destacar o perfil de quem atua no mercado de ações brasileiro e verificar quais

Leia mais

UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA A GEOMETRIA DO VaR: (Value at risk) Aplicações computacionais AUTOR: RODOLFO VENDRASCO TACIN PROFESSOR

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes 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 mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS Trabalho de Conclusão de Curso Engenharia da Computação Adélia Carolina de Andrade Barros Orientador: Prof. Dr. Adriano Lorena Inácio de Oliveira

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 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 mais

Sistema de Análise de Ativos Através de Redes Neurais de Múltiplas Camadas

Sistema de Análise de Ativos Através de Redes Neurais de Múltiplas Camadas Sistema de Análise de Ativos Através de Redes Neurais de Múltiplas Camadas André Pacheco Miranda 1, Rodrigo Antoniazzi 1, Marco Antonio Barbosa 1 1 Ciência da Computação Universidade de Cruz Alta (UNICRUZ)

Leia mais

Utilização de Redes Neurais Artificiais para Análise Técnica no Mercado de Ações: Estudo dos Índices IBOVESPA e Dow Jones Industrial Average (DJIA)

Utilização de Redes Neurais Artificiais para Análise Técnica no Mercado de Ações: Estudo dos Índices IBOVESPA e Dow Jones Industrial Average (DJIA) Utilização de Redes Neurais Artificiais para Análise Técnica no Mercado de Ações: Estudo dos Índices IBOVESPA e Dow Jones Industrial Average (DJIA) (Use of Neural Networks for Technical Analysis in the

Leia mais

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO HÉLITON PANDORFI 1 IRAN JOSÉ OLIVEIRA DA SILVA 2 JEFFERSON

Leia mais

Aprendizagem de Máquina

Aprendizagem 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 mais

Joseilton S. Correia

Joseilton S. Correia O P E R A N D O N A Bolsa de Valores U T I L I Z A N D O ANÁLISE TÉCNICA Aprenda a identificar o melhor momento para comprar e vender ações Joseilton S. Correia Novatec Sumário Agradecimentos... 13 Sobre

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência 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 mais

Palavras-chave: Mortalidade Infantil, Análise Multivariada, Redes Neurais.

Palavras-chave: Mortalidade Infantil, Análise Multivariada, Redes Neurais. UMA ANÁLISE COMPARATIVA DE MODELOS PARA CLASSIFICAÇÃO E PREVISÃO DE SOBREVIVÊNCIA OU ÓBITO DE CRIANÇAS NASCIDAS NO RIO DE JANEIRO EM 2006 NO PRIMEIRO ANO DE VIDA Mariana Pereira Nunes Escola Nacional de

Leia mais

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Aluno: Gabriel Leite Mariante Orientador: Marley Maria Bernardes Rebuzzi Vellasco Introdução e

Leia mais

Classificação de QoS em Conteúdo Multimídia para Rede VPN utilizando Rede Neural Multilayer Perceptron

Classificação de QoS em Conteúdo Multimídia para Rede VPN utilizando Rede Neural Multilayer Perceptron Classificação de QoS em Conteúdo Multimídia para Rede VPN utilizando Rede Neural Multilayer Perceptron Paula Letícia S. Lima 1, Helvio Seabra V. Filho 1, Rian Sérgio A. Lima 1, Ananias Pereira Neto 1 1

Leia mais

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - 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 mais

Análise Técnica de Títulos no Mercado de Ações

Análise Técnica de Títulos no Mercado de Ações Análise Técnica de Títulos no Mercado de Ações Maiara Heil Cancian, Rafael Luiz Cancian Centro de Ciências Tecnológicas da Terra e do Mar (CTTMar) Universidade do Vale do Itajaí (UNIVALI) Rodovia SC 407

Leia mais

MÉTODOS COMPUTACIONAIS PARA OTIMIZAÇÃO DE PROCESSOS METALÚRGICOS (1)

MÉTODOS COMPUTACIONAIS PARA OTIMIZAÇÃO DE PROCESSOS METALÚRGICOS (1) MÉTODOS COMPUTACIONAIS PARA OTIMIZAÇÃO DE PROCESSOS METALÚRGICOS (1) Carlos Eduardo Gurgel Paiola (2) Ricardo Caruso Vieira (3) Resumo: O objetivo deste trabalho é descrever e estudar uma metodologia de

Leia mais

Back-Test no MetaStock

Back-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 mais

INF 1771 Inteligência Artificial

INF 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 mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

Análise de Tendências de Mercado por Redes Neurais Artificiais

Análise 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 mais

GRUPO 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 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 mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

Estudo de Macro-Alocação de Ativos FUNDAÇÃO CIBRIUS

Estudo de Macro-Alocação de Ativos FUNDAÇÃO CIBRIUS Estudo de Macro-Alocação de Ativos FUNDAÇÃO CIBRIUS Outubro de 2014 Esse documento apresenta as hipóteses, premissas e resultados do estudo de macro-alocação de ativos, conduzido pela ADITUS Consultoria

Leia mais

Introdução de redes neurais em modelos de médias móveis na previsão de preços ARTIGO TÉCNICO

Introdução de redes neurais em modelos de médias móveis na previsão de preços ARTIGO TÉCNICO 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

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 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 mais

Anais do XV ENCITA 2009, ITA, Outubro, 19-22, 2009,

Anais do XV ENCITA 2009, ITA, Outubro, 19-22, 2009, Anais do 5 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 9 a 009. INTERPOLAÇÃO PARABÓLICA EM INTEGRADOR

Leia mais

Aplicações Práticas com Redes Neurais Artificiais em Java

Aplicações 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 mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

COMO CONSTRUIR CENÁRIOS MACROECONÔMICOS. Autor: Gustavo P. Cerbasi(gcerbasi@mandic.com.br) ! O que é cenário macroeconômico?

COMO CONSTRUIR CENÁRIOS MACROECONÔMICOS. Autor: Gustavo P. Cerbasi(gcerbasi@mandic.com.br) ! O que é cenário macroeconômico? COMO CONSTRUIR CENÁRIOS! O que é cenário macroeconômico?! Quais os elementos necessários para construção de cenários?! Etapas para elaboração de cenários macroeconômicos! Análise do comportamento das variáveis

Leia mais

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos Fredson Vieira Costa 1, Fábio Silveira Vidal 1, Claudomiro Moura Gomes André 1 1 Curso de Bacharelado em Ciência da Computação

Leia mais

UM ESTUDO COMPARATIVO PARA PREVISÃO DA COTAÇÃO DE AÇÕES DA BM&FBOVESPA UTILIZANDO REDES NEURAIS ARTIFICIAIS

UM ESTUDO COMPARATIVO PARA PREVISÃO DA COTAÇÃO DE AÇÕES DA BM&FBOVESPA UTILIZANDO REDES NEURAIS ARTIFICIAIS UM ESTUDO COMPARATIVO PARA PREVISÃO DA COTAÇÃO DE AÇÕES DA BM&FBOVESPA UTILIZANDO REDES NEURAIS ARTIFICIAIS Trabalho de Conclusão de Curso Engenharia da Computação Igor Menezes Marinho de Souza Orientador:

Leia mais

Do neurônio biológico ao neurônio das redes neurais artificiais

Do 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 mais

UniRitter tecnológica: integrando Engenharias para desenvolvimento de um robô humanoide

UniRitter tecnológica: integrando Engenharias para desenvolvimento de um robô humanoide - SEPesq UniRitter tecnológica: integrando Engenharias para desenvolvimento de um robô humanoide 1. Introdução Diego Augusto de Jesus Pacheco Giovani Geremia Segundo Vargas (2012) é perceptível que uma

Leia mais

1. Introdução 2. Séries Temporais

1. Introdução 2. Séries Temporais 1. Introdução Predição de valores de ações é uma tarefa desafiadora na área de predição de séries temporais financeiras, devido à grande quantidade de variáveis que envolvem essas predições. No passado,

Leia mais

BICBANCO Stock Index Ações Fundo de Investimento em Títulos e Valores Mobiliários (Administrado pelo Banco Industrial e Comercial S.A.

BICBANCO Stock Index Ações Fundo de Investimento em Títulos e Valores Mobiliários (Administrado pelo Banco Industrial e Comercial S.A. BICBANCO Stock Index Ações Fundo de Investimento em Títulos e Valores Mobiliários (Administrado pelo Banco Industrial e Comercial S.A.) Demonstrações Financeiras Referentes ao Exercício Findo em 30 de

Leia mais

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE Seminário Regional OSIsoft do Brasil 2010 São Paulo, Brasil MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE 28 de Outubro de 2010 André Paulo Ferreira Machado PETROBRAS Empowering

Leia mais

Automatização 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 Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves 1, Maria Angélica de Oliveira Camargo Brunetto 2 1,2 Laboratório de Pesquisa

Leia mais

A HYBRID MODEL FOR PREDICTING THE BEHAVIOR OF STOCK MARKET

A HYBRID MODEL FOR PREDICTING THE BEHAVIOR OF STOCK MARKET A HYBRID MODEL FOR PREDICTING THE BEHAVIOR OF STOCK MARKET Manoel Marcondes de Oliveira Lima Junior (Universidade Federal do Maranhão São Luis MA Brasil) Sofiani Labidi (Universidade Federal do Maranhão

Leia mais

ANÁLISE DE LUCROS EM INVESTIMENTOS A PARTIR DO MACD COM O EMPREGO DE ALGORITMOS GENÉTICOS E LÓGICA FUZZY

ANÁLISE DE LUCROS EM INVESTIMENTOS A PARTIR DO MACD COM O EMPREGO DE ALGORITMOS GENÉTICOS E LÓGICA FUZZY ANÁLISE DE LUCROS EM INVESTIMENTOS A PARTIR DO MACD COM O EMPREGO DE ALGORITMOS GENÉTICOS E LÓGICA FUZZY Frederico C. R. Marques 1, Rogério Martins Gomes 1 e Paulo E. M. de Almeida 1 1 Laboratório de Sistemas

Leia mais

MODELOS PARA PREVISÃO DE DEMANDA NO RESTAURANTE UNIVERSITÁRIO UTILIZANDO TÉCNICAS DE REDES NEURAIS

MODELOS PARA PREVISÃO DE DEMANDA NO RESTAURANTE UNIVERSITÁRIO UTILIZANDO TÉCNICAS DE REDES NEURAIS 31 de Julho a 02 de Agosto de 2008 MODELOS PARA PREVISÃO DE DEMANDA NO RESTAURANTE UNIVERSITÁRIO UTILIZANDO TÉCNICAS DE REDES NEURAIS Liliane Lopes Cordeiro (DMA - UFV) lililopescordeiro@yahoo.com.br Heverton

Leia mais

FAQ PERGUNTAS FREQUENTES STOCKS ETF S FUTURES CURRENCIES MUTUALFUNDS

FAQ PERGUNTAS FREQUENTES STOCKS ETF S FUTURES CURRENCIES MUTUALFUNDS Ibovtrend THE MARKET TIMING AND TRADE DECISION SYSTEM FOR EVERY MAJOR GLOBAL MARKET FAQ PERGUNTAS FREQUENTES STOCKS ETF S FUTURES CURRENCIES MUTUALFUNDS Pergunta: O Ibovtrend um corretora? Resposta: Nós

Leia mais

Relatório da Aula Prática sobre Redes Neurais Artificiais

Relatório 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 mais

ANÁLISE DE CRÉDITO AO CONSUMIDOR UTILIZANDO REDES NEURAIS

ANÁLISE DE CRÉDITO AO CONSUMIDOR UTILIZANDO REDES NEURAIS ANÁLISE DE CRÉDITO AO CONSUMIDOR UTILIZANDO REDES NEURAIS Alexandre Leme Sanches (FATEC BP ) alex_sanches68@hotmail.com Amanda Zeni (FATEC BP ) zeniamanda_007@hotmail.com Redes Neurais Artificiais são

Leia mais

3 Estratégias de Análise Técnica

3 Estratégias de Análise Técnica 3 Estratégias de Análise Técnica Como foi visto no Capítulo 2, as estratégias dos investidores do mercado são compostas por dois fatores, a saber: o mecanismo de ativação σ i (t) (Eq. 2-10) e o mecanismo

Leia mais

Análises: Análise Fundamentalista Análise Técnica

Análises: Análise Fundamentalista Análise Técnica Análises: Análise Fundamentalista Análise Técnica Análise Fundamentalista Origem remonta do final do século XIX e princípio do século XX, quando as corretoras de bolsa tinham seus departamentos de análise

Leia mais

ANÁLISE TÉCNICA E FUNDAMENTALISTA: DIVERGÊNCIAS, SIMILARIDADES E COMPLEMENTARIEDADES (1)

ANÁLISE TÉCNICA E FUNDAMENTALISTA: DIVERGÊNCIAS, SIMILARIDADES E COMPLEMENTARIEDADES (1) ANÁLISE TÉCNICA E FUNDAMENTALISTA: DIVERGÊNCIAS, SIMILARIDADES E COMPLEMENTARIEDADES (1) Daniel Augusto Tucci Chaves (2) Prof. Dr. Keyler Carvalho Rocha (3) Resumo Tema de grandes discussões entre os participantes

Leia mais

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS Mecánica Computacional Vol XXIX, págs 9169-9175 (artículo completo) Eduardo Dvorkin, Marcela Goldschmit, Mario Storti (Eds) Buenos Aires, Argentina, 15-18 Noviembre 2010 RECONHECIMENTO DE ACORDES MUSICAIS:

Leia mais

Previsão de demanda em uma empresa farmacêutica de manipulação

Previsão de demanda em uma empresa farmacêutica de manipulação Previsão de demanda em uma empresa farmacêutica de manipulação Ana Flávia Brito Rodrigues (Anafla94@hotmail.com / UEPA) Larissa Pinto Marques Queiroz (Larissa_qz@yahoo.com.br / UEPA) Luna Paranhos Ferreira

Leia mais

INSTITUTO DE TECNOLOGIA FACULDADE DE ENGENHARIA DA COMPUTAÇÃO SITEC2010 - Semana do Instituto de Tecnologia Aluno: Edson Adriano Maravalho Avelar Orientador: Prof. Dr. Kelvin Lopes Dias 1 Motivação Aumento

Leia mais

REDES NEURAIS APLICADAS À PREVISÃO DE SÉRIES TEMPORAIS

REDES 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 mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - 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 mais

www.convexity.net.br http://www.convexity.net.br/treinamentos/in stituto-educacional-bmfbovespa-fazendo-adiferenca/

www.convexity.net.br http://www.convexity.net.br/treinamentos/in stituto-educacional-bmfbovespa-fazendo-adiferenca/ www.convexity.net.br A Convexity possui uma parceria com o Instituto Educacional BM&FBOVESPA. A parceria abrange os seguintes aspectos: - Os treinamentos Convexity são certificados pelo Instituto Educacional.

Leia mais

Introdução 12. 1 Introdução

Introdução 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 mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

Educação Financeira Responsável. Escola de Operadores

Educação Financeira Responsável. Escola de Operadores Escola de Operadores Escola de Operadores Treinamentos e Ltda. São Paulo, SP, Brasil Telefone: (5511) 3022-4528 (5511) 99103-9827 www.escoladeoperadores.com.br Contato@escoladeoperadores.com.br http://twitter.com/operadoresbr

Leia mais

TÍTULO: 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 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 mais

SETA (SISTEMA PARA ESTUDO TÉCNICO DE AÇÕES) UMA CAIXA DE FERRAMENTAS COMPUTACIONAIS APLICADAS AO ENSINO DE TÉCNICAS DE NEGOCIAÇÃO DE AÇÕES

SETA (SISTEMA PARA ESTUDO TÉCNICO DE AÇÕES) UMA CAIXA DE FERRAMENTAS COMPUTACIONAIS APLICADAS AO ENSINO DE TÉCNICAS DE NEGOCIAÇÃO DE AÇÕES SETA (SISTEMA PARA ESTUDO TÉCNICO DE AÇÕES) UMA CAIXA DE FERRAMENTAS COMPUTACIONAIS APLICADAS AO ENSINO DE TÉCNICAS DE NEGOCIAÇÃO DE AÇÕES José Tarcísio Franco de Camargo jtfc@bol.com.br Faculdade Municipal

Leia mais

Renato Maia Silva. Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP. Dissertação de Mestrado

Renato Maia Silva. Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP. Dissertação de Mestrado Renato Maia Silva Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo

Leia mais

ESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS

ESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS UNIVERSIDADE FEDERAL DE JUIZ DE FORA ESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS EM CENÁRIOS DE ALTA LUMINOSIDADE ALUNO: MARCOS VINÍCIUS

Leia mais

CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO

CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO LUCAS H. S. DE ANDRADE 1, CRISTIANO M. AGULHARI 1, ALESSANDRO GOEDTEL 2 1. Laboratório de Controle e Automação de Sistemas, Universidade Tecnológica Federal

Leia mais

Automatização 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 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 mais

GUIA SOBRE RISCOS DE RENDA VARIÁVEL V1. 04_2012

GUIA SOBRE RISCOS DE RENDA VARIÁVEL V1. 04_2012 AO FINAL DESTE GUIA TEREMOS VISTO: GUIA SOBRE RISCOS DE RENDA VARIÁVEL V1. 04_2012 O objetivo deste material é prestar ao investidor uma formação básica de conceitos e informações que possam auxiliá-lo

Leia mais

3 Multi-Agent System for Stock Exchange Simulation

3 Multi-Agent System for Stock Exchange Simulation Multi-Agent System for Stock Exchange Simulation 29 3 Multi-Agent System for Stock Exchange Simulation A participação na competição Agent Reputation Trust (ART) Testbed [10] motivou o estudo do domínio

Leia mais

www.contratofuturo.com

www.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 mais

HSBC Fundo de Investimento Renda Fixa Longo Prazo Tripla Vantagem CNPJ nº 09.522.596/0001-64

HSBC Fundo de Investimento Renda Fixa Longo Prazo Tripla Vantagem CNPJ nº 09.522.596/0001-64 HSBC Fundo de Investimento Renda Fixa Longo Prazo Tripla Vantagem CNPJ nº 09.522.596/0001-64 (Administrado pelo HSBC Bank Brasil S.A. - Banco Múltiplo CNPJ nº 01.701.201/0001-89) Demonstrações financeiras

Leia mais

BANCO STANDARD DE INVESTIMENTOS S.A. ( BSI ) STANDARD BANK INTERNATIONAL HOLDINGS S.A. ( SIH ) ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO

BANCO STANDARD DE INVESTIMENTOS S.A. ( BSI ) STANDARD BANK INTERNATIONAL HOLDINGS S.A. ( SIH ) ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO BANCO STANDARD DE INVESTIMENTOS S.A. ( BSI ) STANDARD BANK INTERNATIONAL HOLDINGS S.A. ( SIH ) ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO ÚLTIMA VERSÃO Abril 2013 APROVAÇÃO Conselho de Administração

Leia mais

Análise de Risco de Crédito em Correspondentes Bancários através de Redes Neurais

Análise de Risco de Crédito em Correspondentes Bancários através de Redes Neurais Análise de Risco de Crédito em Correspondentes Bancários através de Redes Neurais Marcelo França Corrêa, Marley Vellasco ICA: Applied Computational Intelligence Laboratory Department of Electrical Engineering

Leia mais

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Anais do CNMAC v.2 ISSN 1984-820X Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Juliana Aparecida Anochi Instituto Nacional

Leia mais