Nome do Projeto
NÃO ALEATORIEDADE NO MERCADO DE CAPITAIS: APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS
Ênfase
PESQUISA
Data inicial - Data final
01/08/2015 - 31/07/2016
Unidade de Origem
Coordenador Atual
Área CNPq
Engenharias - Engenharia de Produção
Resumo
Durante as últimas décadas, pesquisas em inteligência artificial (AI), especialmente em Redes Neurais Artificiais (RNAs) vem atraindo muita atenção, despertando intenso interesse e se expandindo rapidamente, com aplicações em inúmeras áreas do conhecimento, sendo usadas especialmente, conforme cita Palma Neto e Nicoletti (2005), na solução de problemas que envolvem classificação, predição e controle. Ferson (2007), cita que o interesse pela previsão dos preços dos retornos das ações é provavelmente tão antigo quanto os próprios mercados, bem como a literatura sobre o assunto é vasta e significativa. Neste sentido, o uso de redes neurais em modelos de previsão tem se mostrado cada vez mais presente na literatura e nas modelagens empíricas nacionais e internacionais. Ludwing Jr. e Costa (2007, p. 7) citam que uma das desvantagens das redes neurais é o fato delas, normalmente, serem uma “caixa preta”, sendo impossível saber o motivo que levou uma rede a chegar a um determinado resultado ou, no caso de uma rede de múltiplas camadas, saber qual a relevância de um peso sináptico para um determinado resultado ou ainda, qual o significado físico de um peso sináptico. De acordo com os autores, só é possível saber se a rede funciona corretamente pela análise do erro médio quadrático apresentado ao se introduzir os dados para validação, ou seja, não há como gerar uma prova formal para os resultados obtidos. Valença (2005) ao introduzir, no Brasil, as redes neurais Group Method of Data Handling (GMDH), cita que tais modelagens podem ser vistas como um sistema híbrido composto por uma combinação de redes neurais e conceitos estatísticos capazes de atenuar este efeito “caixa preta”, pela sua simplicidade de implantação. Embora sua aplicação e entendimento sejam simples, raros estudos têm sido desenvolvidos através de modelagens GMDH no Brasil. Desta forma, a pergunta de pesquisa deste artigo é: “o uso de redes polinomiais GMDH é suficientemente capaz demonstrar não aleatoriedade no retorno mensal dos índices dos países pertencentes ao BRIC´s e aos países pertencentes ao G7?”.

Objetivo Geral

O objetivo geral deste trabalho é comparar a previsibilidade dos mercados de capitais dos principais países emergentes, pertencentes ao BRICs, e os sete países mais desenvolvidos economicamente, através do uso de redes neurais GMDH para séries de dados do retorno mensal dos índices destes países.

a) Desvelar o conceito de redes neurais polinomiais, pouco difundidas no Brasil;
b) Desmitificar o conceito de “caixa preta” que prejudica o entendimento de como são tomadas as decisões durante o cálculo de uma rede neural;
c) Criação e desenvolvimento de uma plataforma de cálculo.


Equipe do Projeto

NomeCH SemanalData inicialData final
THALLES FERREIRA DE OLIVEIRA810/10/201501/05/2016

Página gerada em 21/11/2019 17:17:46 (consulta levou 0.074947s)