Trabalho de Conclusão de Curso
Documento
Autoria
Unidade da USP
Data de Apresentação
Orientador
Banca
Cirino, Giuseppe Antonio
Palitó, Thamyres Tâmulla Cavalcante
Título em Português
Impacto de variáveis climatológicas e de mercado financeiro na previsão de ações de concessionárias de energia elétrica
Palavras-chave em Português
Previsão de séries temporais
Mercado de ações
Mineração de dados
Modelos autorregressivos
Variáveis climáticas e financeiras
Redes neurais artificias
Resumo em Português
Com o avanço da tecnologia, o mercado financeiro e as organizações, cada vez mais, estão utilizando grandes fontes de dados para trilhar suas estratégias. No que diz respeito às ações negociadas na bolsa, o fluxo de informações se tornou mais intenso com o avanço da tecnologia e novas formas de precificação deste ativo financeiro foram criadas nos últimos anos. A previsão de ações utilizando modelos autorregressivos e sistemas inteligentes já é uma realidade nas bolsas de valores ao redor do mundo. Partindo deste princípio, este trabalho visa avaliar a consistência e acuracidade de um método capaz de avaliar a influência de variáveis do mercado financeiro e climáticas na previsão do preço máximo, mínimo e de fechamento das ações da CPFL e Eletropaulo. Para prever estes resultados, as simulações exploraram ferramentas de mineração de dados, modelos autorregressivos e redes neurais artificias. Os resultados apresentados mostram que as variáveis escolhidas e o algoritmo utilizado nas simulações produziram dados consistentes que evidenciam que tanto variáveis econômico-financeiras quanto climáticas influenciam positivamente na previsão de ações de concessionárias de energia elétrica, neste caso CPFL e Eletropaulo.
Título em Inglês
Impact of cmate and financial market variables on forecasting shares of electric energy concessionaires
Palavras-chave em Inglês
Forecasting of time series
Stock market
Data mining
Autoregressive models
Climatic and financial variables
Artificial neural networks
Resumo em Inglês
Due the technology’s advancement, the financial market and organizations are increasingly using large data sources to track their strategies. Regarding the shares traded on the stock market, the flow of information has become more intense with the advance of technology and new forms of pricing of this financial asset has been created in recent years. Predicting stocks using autoregressive models and intelligent systems is already a reality in stock markets around the world. Based on this principle, this work aims to evaluate the consistency and accuracy of a method capable of evaluating the influence of financial and climatic variables in forecasting the maximum, minimum and closing price of CPFL and Eletropaulo shares. To predict these results, the simulations explored data mining tools, autoregressive models and artificial neural networks. The results presented as exposed that the chosen variables and the simulation algorithm has produced consistent data that show that both economic and financial variables influence positively on the forecast of electric power concessionaires stocks, in this case CPFL and Eletropaulo.
Arquivos
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.
 
Data de Publicação
2018-01-23
Número de visitas
93
Número de downloads
28
Copyright © 2010 Biblioteca Digital de Trabalhos Acadêmicos da USP. Todos os direitos reservados.