maysam-yazdanpanahi / forecast-of-time-series-with-stock-data

Comparative Analysis of Techniques for Forecasting Time Series in the Context of Financial Markets

Análise Comparativa de Técnicas para a Previsão de Séries Temporais no Contexto de Mercados Financeiros

Título

Análise Comparativa de Técnicas para a Previsão de Séries Temporais no Contexto de Mercados Financeiros

Publicação

Biblioteca UFSC

Geral

Comparar as principais técnicas de predição para ST no contexto de mercado financeiro.

Específicos

1. Fazer uma análise qualitativa sobre o estado da arte sobre na predição de ST e teorias de previsão nos mercados financeiros;
2. Definir os processos de obtenção e preparação dos dados;
3. Definir os algoritmos mais adequados a serem implementados visando as áreas econométrica, AM e aprendizado profundo;
4. Criar modelagens computacionais para as técnicas escolhidas no item anterior;
5. Treinar os modelos escolhidos;
6. Fazer uma análise comparativa dos resultados dos preditores;
7. Desenvolver um repositório e disponibilizar na internet, de maneira a tornar todos os resultados desta pesquisa amplamente reproduzíveis.

Resultados das Modelagens

AR

ARIMA

SARIMA

Floresta Aleatória

SVR

LSTM

Requisitos

Requisite	Version
Python	3.9.7
Pip	21.2.4

Instalação das Bibliotecas

pip install --require-hashes -r requirements.txt

Referências

Patel, J., Shah, S., Thakkar, P., & Kotecha, K. (2015) Predicting stock and stock price index movement using trend deterministic data preparation and machine learn- ing techniques. Expert Systems with Applications, 42, 259-268. Disponível em: https://www.sciencedirect.com/science/article/pii/S0957417414004473

Sampaio e Mancini, 2007. Estudos De Revisão Sistemática: Um Guia Para Síntese Criteriosa Da Evidência Científica. Universidade Federal de Minas Gerais, Belo Horizonte, MG. Disponível em : https://www.scielo.br/pdf/rbfis/v11n1/12.pdf

Lo, Andrew W. (2004) The Adaptive Markets Hypothesis: Market Efficiency from an Evolutionary Perspective. Journal of Portfolio Management, Forthcoming. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=602222

Kaushik, Manav, e A. K. Giri. (2020), Forecasting Foreign Exchange Rate: A Multivariate Comparative Analysis between Traditional Econometric, Contemporary Machine Learning & Deep Learning Techniques. arXiv preprint arXiv:2002.10247. Disponível em: https://arxiv.org/abs/2002.10247

Luger, George F. (2013), Inteligência Artificial. 6 ed. São Paulo, Brasil. Pearson Education

BUSSAB, Wilton de Oliveira e MORETTIN, Pedro Alberto (2010), Estatística básica. 6 ed. São Paulo, Brasil. Editora Saraiva

Cao, L., Tay, F. (2001) Financial Forecasting Using Support Vector Machines. Neural Comput & Applic 10, 184–192. Disponível em: https://link.springer.com/article/10.1007/s005210170010

Parmezan, Antonio Rafael Sabino. Predição de séries temporais por similaridade. 2016. Dissertação (Mestrado em Ciências de Computação e Matemática Computacional) - Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2016. doi:10.11606/D.55.2016. tde-21112016-150659. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-21112016-150659/pt-br.php

BOX, G. E. P.; JENKINS, G. M.; REINSEL, G. C.; LJUNG, G. M. Time series analysis: Forecasting and control. 5. ed. New Jersey, United States of America: Wiley, 2015. (Wiley Series in Probability and Statistics).

Junior, Salomon and Pamplona. ARIMA: An Applied Time Series Forecasting Model for the Bovespa Stock Index. Applied Mathematics, 2014, 5, 3383-3391 Published Online December 2014 in SciRes. Disponível em: https://www.researchgate.net/publication/275214476

Kaastra, M. Boyd. Designing a neural network for forecasting financial and economic time series. Neurocomputing, 10 (3) (1996), pp. 215-236. 1996 Disponível em: https://www.sciencedirect.com/science/article/pii/0925231295000399/pdf?md5=85cce437dd80a9cc55ebaa8a43455327&pid=1-s2.0-0925231295000399-main.pdf

Daniel, Fabrice. Financial Time Series Data Processing for Machine Learning. arXiv preprint arXiv:1907.03010, 2019 - arxiv.org. 2019. Disponível em: https://arxiv.org/pdf/1907.03010.pdf

Sergio, Anderson Tenório. Seleção dinâmica de combinadores de previsão de séries temporais. Dissertação de Doutorado em Ciências de Computação - Centro de Informática, Universidade Federal de Pernambuco, Recife, 2017. Disponível em: https://repositorio.ufpe.br/bitstream/123456789/25449/1/TESE%20Anderson%20Ten%C3%B3rio%20Sergio.pdf

Cowpertwait, P. S. P.; Metcalfe, A. V. Introductory time series with R. Springer Science & Business Media, 2009.

Vapnik, V. N. An overview of statistical learning theory. IEEE Transactions on Neural Networks, 10, 988–999 1999. Disponível em : https://ieeexplore.ieee.org/document/788640

PYTHON SOFTWARE FOUNDATION. Python Language Site: Documentation, 2021. Página de documentação. Disponível em: https://www.python.org/doc/

GIL, A. C. Como elaborar projetos de pesquisa, 2010. 4 ed. São Paulo, Brasil. Editora Atlas.

Bueno, R. L. Econometria de Séries Temporais, 2011. 2 ed. São Paulo, Brasil. Editora Cengage Learning.

---