Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/39130| Título: | Aplicação de aprendizagem de máquina para monitoramento de atividade econômica utilizando dados de comércio exterior |
| Título(s) alternativo(s): | Application of machine learning for economic activity monitoring using foreing trade data |
| Autor(es): | Bazia Neto, Pedro |
| Orientador(es): | Gomes Junior, Luiz Celso |
| Palavras-chave: | Aprendizado do computador Análise de séries temporais Indicadores econômicos Comércio internacional Algorítmos computacionais Machine learning Time-series analysis Economic indicators International trade Computer algorithms |
| Data do documento: | 19-Mar-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | BAZIA NETO, Pedro. Aplicação de aprendizagem de máquina para monitoramento de atividade econômica utilizando dados de comércio exterior. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024. |
| Resumo: | O emprego de técnicas de ciência de dados e aprendizagem de máquina tem obtido uma posição de destaque tanto na área tecnológica quanto em outros domínios do conhecimento que percebem o potencial científico trazido pelo estudo de quantidades massivas de dados. Tendo em vista essa interdisciplinaridade, esse trabalho de conclusão de curso se propõe a explorar uma aplicação da ciência de dados em séries temporais de variáveis econômicas. Mais especificamente, propõe o desenvolvimento de modelos de aprendizagem de máquina para realizar estimativas referentes ao comportamento da atividade econômica brasileira. Para isso, são utilizados dados históricos de comércio exterior e o índice de Atividade Econômica do Banco Central do Brasil, IBC-Br. Uma análise é conduzida sobre os dados com propósito de se explorar parâmetros importantes no estudo de séries temporais como: estacionariedade, correlação e causalidade. Ao fim, quatro classes de modelos são estudadas: Regressão Linear Múltipla, Vetor Autorregressivo(VAR), Floresta Randômica e ARIMA. Os desempenhos são avaliados usando métricas estatísticas clássicas e a comparação com um modelo base sem variáveis exógenas. O melhor modelo foi capaz de alcançar uma redução no erro de cerca de 48% para previsões mensais quando comparado ao modelo de referência, demonstrando potencial aplicabilidade em situações reais de estimativa de atividade econômica. |
| Abstract: | The use of data science and machine learning techniques has obtained a prominent position both in the technological field and in other fields of knowledge that realize the scientific potential brought by the study of massive amounts of data. Considering this interdisciplinarity, this work of course conclusion proposes to explore an application of data science in time series of economic variables. More specifically, aims the development of machine learning models to perform estimates concerning the behavior of the Brazilian economic activity. To this end, historical foreign trade data and the Economic Activity Index from Brazilian Central Bank, IBC-Br, are used. An exploratory analysis is conducted on the data and four classes of models are studied: Multiple Linear Regression, Vector Autoregression (VAR), ARIMA and Random Forest. The performances are evaluated using classical statistical metrics and comparison with a base model. The best model was able to achieve an error reduction of about 48forecasts when compared to the base model, showing potential applicability in real economic activity estimation situations. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/39130 |
| Aparece nas coleções: | CT - Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| monitoriamento.pdf | 1,22 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
