Use este identificador para citar ou linkar para este item: http://repositorio.upf.br/handle/riupf/2792
Registro completo de metadados
Campo DCValorIdioma
dc.creatorLanger, Alessandro Henrique-
dc.date.accessioned2024-10-25T17:36:55Z-
dc.date.available2024-10-25-
dc.date.available2024-10-25T17:36:55Z-
dc.date.issued2024-07-02-
dc.identifier.citationLANGER, Alessandro Henrique. Aplicação de redes neurais para predição de preços de ações. 2024. 14 f. Artigo de Conclusão de Curso (Bacharel em Computação). Curso de Computação. Universidade de Passo Fundo, Passo Fundo, 2014.pt_BR
dc.identifier.urihttp://repositorio.upf.br/handle/riupf/2792-
dc.description.abstractThis work developed an LSTM model to predict Apple (AAPL) stock prices using historical data and technical indicators. Information such as closing prices, volume, RSI, MACD, P/E, EPS, as well as volatility and dollar strength indices (VIX and DXY) were incorporated. The model was trained with normalized and structured data in 120-day windows, achieving an accuracy of 75.63% in predicting the direction of stock prices. The approach demonstrated that LSTM can capture complex patterns in financial time series, offering a robust tool to support investment decision making.pt_BR
dc.description.provenanceSubmitted by Franciele Silva (francielesilva@upf.br) on 2024-10-25T17:36:54Z No. of bitstreams: 1 PF2024AlessandroHenriqueLanger.pdf: 1125380 bytes, checksum: 58f9fe3676fc88d9305a64b5da2f4190 (MD5)en
dc.description.provenanceMade available in DSpace on 2024-10-25T17:36:55Z (GMT). No. of bitstreams: 1 PF2024AlessandroHenriqueLanger.pdf: 1125380 bytes, checksum: 58f9fe3676fc88d9305a64b5da2f4190 (MD5) Previous issue date: 2024-07-02en
dc.languageporpt_BR
dc.publisherUniversidade de Passo Fundopt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectLSTMpt_BR
dc.subjectPredição de preços de açõespt_BR
dc.subjectMachine Learningpt_BR
dc.subjectSéries temporaispt_BR
dc.subjectInvestimentospt_BR
dc.titleAplicação de redes neurais para predição de preços de açõespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Hölbig, Carlos Amaral-
dc.description.resumoEste trabalho desenvolveu um modelo LSTM para prever os preços das ações da Apple (AAPL) utilizando dados históricos e indicadores técnicos. Foram incorporadas informações como preços de fechamento, volume, RSI, MACD, P/E, EPS, além de índices de volatilidade e força do dólar (VIX e DXY). O modelo foi treinado com dados normalizados e estruturados em janelas de 120 dias, atingindo uma precisão de 75,63% na previsão da direção dos preços das ações. A abordagem demonstrou que a LSTM pode capturar padrões complexos em séries temporais financeiras, oferecendo uma ferramenta robusta para suporte na tomada de decisões de investimento.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Ciências Exatas e Geociências - ICEGpt_BR
dc.publisher.initialsUPFpt_BR
Aparece nas coleções:ICEG - Curso de Ciência da Computação - Trabalhos de Conclusão de Curso de Graduação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PF2024AlessandroHenriqueLanger.pdfArtigo de conclusão de curso Alessandro Henrique Langer1,1 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.