Publication: Preditor de alto desempenho para retornos de ações baseado em redes neurais sem peso
Loading...
Date
30/08/2011
Authors
item.page.advisor
item.page.coadvisor
item.page.referee
Journal Title
Journal ISSN
Volume Title
Publisher
Universidade Federal do Espírito Santo
item.page.resumo
Este trabalho apresenta um novo preditor de séries temporais baseado em rede neural sem peso que utiliza Virtual Generalized Random Access Memory para predizer retorno futuro de ações. Esse novo preditor foi avaliado na predição de retornos futuros semanais de 46 ações de mercado de ações brasileiro. Os resultados mostram que preditores neurais sem peso podem produzir predições de retornos com os mesmo níveis de erros e propriedades de um preditor neural autoregressivo, entretando, 5.000 vezes mais rápido.
Abstract
This work presents a new weightless neural network-based time series predictor that uses Virtual Generalized Random Access Memory weightless neural network, which does not store knowledge in their connections but in Random Access Memories (RAM) inside the network’s nodes, or neurons. This new predictor was evaluated in predicting future weekly returns of 46 stocks from the Brazilian stock market and compared with neural autoregressive predictors based on feedfoward neural networks trained with the backpropagation algorithm. Our results showed that weightless neural network-based predictors can produce predictions of future stock returns with the same error levels and properties of baseline autoregressive neural network predictors, however, running 5.000 times faster.
Description
Keywords
Preditor ARNN, Preditor WNN VG-RAM
Citation
ALMEIDA, André Gustavo Coelho de. Preditor de alto desempenho para retornos de ações baseado em redes neurais sem peso. 2011. 57 p. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2011.