1. Repositório Institucional da Universidade Tecnológica Federal do Paraná (RIUT)
  2. GRAD - Cursos de Graduação
  3. TCC - Trabalhos de Conclusão de Curso de Graduação
  4. Londrina
  5. LD - Engenharia de Produção
Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/26140
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRaphael, Thiago Proença Meirelles Correa-
dc.date.accessioned2021-10-08T18:05:13Z-
dc.date.available2021-10-08T18:05:13Z-
dc.date.issued2021-08-19-
dc.identifier.citationRAPHAEL, Thiago Proença Meirelles Correa. Análise da previsão de retorno dos principais fundos de renda fixa brasileira, através de algorítmos de aprendizagem de máquina. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Londrina, 2021.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/26140-
dc.description.abstractThe financial market has an increasing number of investment funds, becoming more accessible to the general public, with its infinite possibilities and low entry values. At the same time with so many open opportunities, it has the individual peculiarities of each one of them, complexity in names, profitability, variations and rates. Making it very difficult for the population to understand the same and understand how movements can occur based on the current economy. In this context, the present work aimed to analyze two investment funds and verify the return forecast through machine learning algorithms, related to three major national indicators: Exchange, CDI and IPCA. For this purpose, the Naive Bayes algorithm was used in the Weka tool (Waikato Environment for Knowledge Analysis), Linear Regression via Excel and the Forecast Worksheet via Excel. Based on the results for the years 2018, 2019 and 2020 . The results obtained were that there is no relationship between the variation of funds and the determined predictors, showing that the forecast by time series is still the most effective, even if far from a good result.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectFundos de investimentospt_BR
dc.subjectFundo mútuo de renda fixapt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectAnálise de regressãopt_BR
dc.subjectMutual fundspt_BR
dc.subjectMoney market fundspt_BR
dc.subjectMachine learningpt_BR
dc.subjectRegression analysispt_BR
dc.titleAnálise da previsão de retorno dos principais fundos de renda fixa brasileira, através de algorítmos de aprendizagem de máquinapt_BR
dc.title.alternativeAnalysis of the return forecast of the main brazilian fixed income funds through machine learning algorithmspt_BR
dc.typebachelorThesispt_BR
dc.description.resumoO mercado financeiro possui um número cada vez mais elevado de fundos de investimento, tornando-se mais acessível ao público em geral, com suas infinitas possibilidades e baixos valores de entrada. Ao mesmo tempo com tantas oportunidades em aberto, ele possui as peculiaridades individuais de cada uma delas, complexidade nos nomes, rentabilidades, variações e taxas. Dificultando muito para a população compreender o mesmo e entender como as movimentações podem ocorrer com base na economia atual. Neste contexto, o presente trabalho teve como objetivo analisar dois fundos de investimento e verificar a previsão de retorno através de algoritmos de aprendizagem de máquina, relacionados a três grandes indicadores nacionais: Câmbio, CDI e IPCA. Para tal foi utilizado algoritmo Naive Bayes na ferramenta Weka (Waikato Environment for Knowledge Analysis), Regressão Linear via Excel e a Planilha de Previsão via Excel. Tomando como base os resultados nos anos de 2018, 2019 e 2020. Os resultados obtidos foram que não há relação entre a variação dos fundos e os preditores determinados, mostrando que a previsão por séries temporais ainda é a mais eficaz, mesmo que distante de um bom resultado.pt_BR
dc.degree.localLondrinapt_BR
dc.publisher.localLondrinapt_BR
dc.contributor.advisor1Tondato, Rogério-
dc.contributor.referee1Ferreira, José Angelo-
dc.contributor.referee2Tondato, Silvana Rodrigues Quintilhano-
dc.contributor.referee3Tondato, Rogério-
dc.publisher.countryBrasilpt_BR
dc.publisher.programEngenharia de Produçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOpt_BR
Aparece nas coleções:LD - Engenharia de Produção

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
algoritmosaprendizagemmaquina.pdf711,68 kBAdobe PDFThumbnail
Visualizar/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.