| dc.contributor.advisor | Montaño, Razer Anthom Nizer Rojas, 1975- | pt_BR |
| dc.contributor.author | Oliveira, Brunno Cunha Mousquer de | pt_BR |
| dc.contributor.other | Universidade Federal do Paraná. Setor de Educação Profissional e Tecnológica. Curso de Especialização em Inteligência Artificial Aplicada | pt_BR |
| dc.date.accessioned | 2022-10-05T17:10:16Z | |
| dc.date.available | 2022-10-05T17:10:16Z | |
| dc.date.issued | 2022 | pt_BR |
| dc.identifier.uri | https://hdl.handle.net/1884/79206 | |
| dc.description | Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montaño | pt_BR |
| dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada. | pt_BR |
| dc.description | Inclui referências: p. 20-21 | pt_BR |
| dc.description.abstract | Resumo: Ocorreu um forte crescimento no mercado de ações no Brasil, muitas pessoas físicas trouxeram seus investimentos para o mercado de renda variável devido a baixa da SELIC e corretoras de investimento sem taxa. Esse estudo tem como objetivo comparar modelos de aprendizado de máquina com atributos diferentes para identificar se é possível melhorar a predição com informações da própria companhia. Foram avaliados quatro algoritmos: árvore de decisão, floresta aleatória, gradiente boosting e long short-term memory. E quatro datas para previsão: 1, 7, 14 e 28 dias. Os experimentos com as novas informações, como fluxo de caixa e rendimento, tiveram melhoria na previsão de até 33%. | pt_BR |
| dc.format.extent | 1 recurso online : PDF. | pt_BR |
| dc.format.mimetype | application/pdf | pt_BR |
| dc.language | Português | pt_BR |
| dc.subject | Inteligência artificial | pt_BR |
| dc.subject | Investimentos - Análise | pt_BR |
| dc.subject | Aprendizado do computador | pt_BR |
| dc.subject | Arvores de decisão | pt_BR |
| dc.title | Melhorando previsão de ações com novos atributos | pt_BR |
| dc.type | Monografia Especialização Digital | pt_BR |
