Trabalho de Conclusão de Curso
Aplicação de redes neurais LSTM para previsão de séries temporais financeiras
Registro en:
LEANDRO, Jhonatan Correa. Aplicação de redes neurais LSTM para previsão de séries temporais financeiras. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) – Faculdade de Ciências Exatas e Tecnologias, Universidade Federal da Grande Dourados, Dourados, MS, 2021.
Autor
Leandro, Jhonatan Correa
Institución
Resumen
Making forecasts in the financial market can bring huge gains for institutions, governments, in vestors, among others. However, it is not a trivial task, due to the chaotic and unpredictable nature of the financial market. Several approaches have already been studied in order to achieve satisfactory results, such as machine learning and neural networks Long Short-Term Memory networks (LSTM) due to their effectiveness working with time series. In this work, our proposal is to use an LSTM neural network and from the closing price using renko chart, and perform the bullish or bearish forecast for the next market movement. Results show that our proposal presents satisfactory results compared to the traditional Buy and Hold technique. Realizar previsões no mercado financeiro pode trazer um imenso ganho para instituições, governos, investidores, entre outros. Entretanto não é uma tarefa trivial, devido à natureza caótica e imprevisível do mercado financeiro. Várias abordagens já foram estudadas com o propósito de alcançar resultados satisfatórios, como por exemplo, aprendizado de máquina e redes neurais Long Short-Term Memory networks (LSTM) devido a efetividade das mesmas trabalhando com séries temporais. Nesse trabalho, nossa proposta está em usar uma rede neural LSTM e a partir do preço de fechamento usando gráfico renko, e realizar a previsão de alta ou baixa para o próximo movimento do mercado. Resultados mostram que nossa proposta apresenta resultados satisfatórios comparado a técnica tradicional Buy and Hold.