Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/13470
Files in This Item:
File Description SizeFormat 
gustavoliraugarte.pdf3.17 MBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Moura, Alex Sander de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8194555687630315pt_BR
dc.contributor.referee1Facco, Werley Gomes-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3453479685020198pt_BR
dc.contributor.referee2Paula, Willian Vieira de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7544785804927897pt_BR
dc.creatorUgarte, Gustavo Lira-
dc.creator.Latteshttp://lattes.cnpq.br/0044831130853242pt_BR
dc.date.accessioned2021-09-28T18:10:09Z-
dc.date.available2021-09-28-
dc.date.available2021-09-28T18:10:09Z-
dc.date.issued2021-09-10-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/13470-
dc.description.abstractThe aim of this work is to investigate the application of neural networks in op- tion pricing. Different architectures and parameters were tested in order to obtain better performance and greater prediction accuracy. Two volatility prediction mechanisms were used to compare the performance of the neural network with the parametric Black-Scholes model. Neural network performance was also compared with more advanced modular neural networks and a completely new technique was tested to add rational prediction hypotheses to neural networks, as well as the importance of adding virtual options that satisfy these hypotheses to better train the neural networks. In addition, the size and number of hidden layers were tested to provide a reference and a structured way of choo- sing neural network parameters. It was also proven that the prediction of neural networks surpasses traditional parametric methods.pt_BR
dc.description.resumoO objetivo deste trabalho ́e investigar a aplica ̧c a ̃ o de redes neurais na precifica ̧c ̃ao de op ̧c o ̃ es. Diferentes arquiteturas e parˆametros foram testados a fim de obter melhor desempenho e maior precis ̃ao na predi ̧c a ̃ o. Foram utilizados dois mecanismos de previs ̃ao de volatilidade para comparar o desempenho da rede neural com o modelo param ́etrico Black-Scholes. Tamb ́em foi comparado o desempenho da rede neural com redes neurais modulares mais avan ̧cadas e uma t ́ecnica completamente nova foi testada para adicionar hip ́oteses de predi ̧c a ̃ o racional a ` s redes neurais, bem como, foi mostrada a importˆancia de adicionar op ̧c o ̃ es virtuais que satisfa ̧cam essas hip ́oteses para melhor treinar as redes neurais. Al ́em disso, o tamanho e o n ́ umero de camadas ocultas foram testados para fornecer uma referˆencia e uma forma estruturada de como escolher os parˆametros da rede neural. Foi comprovado tamb ́em que a previs ̃ao de redes neurais supera os m ́etodos param ́etricos tradicionais.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora - Campus Avançado de Governador Valadarespt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICSA - Instituto Ciências Sociais Aplicadaspt_BR
dc.publisher.initialsUFJF/GVpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectRedes neuraispt_BR
dc.subjectRedes neurais modularespt_BR
dc.subjectBlack-scholespt_BR
dc.subjectPre-cificação de opçõespt_BR
dc.subjectNeural networkspt_BR
dc.subjectModular neural networkspt_BR
dc.subjectBlack-scholespt_BR
dc.subjectOp-tion pricingpt_BR
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIApt_BR
dc.titleO mercado financeiro e inteligência artificial: uma comparação de modelos de aprendizagem automática com modelos tradicionais de precificaçãopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Appears in Collections:Ciências Econômicas - Campus GV



This item is licensed under a Creative Commons License Creative Commons