Use este identificador para citar ou linkar para este item:
http://repositorio.ufla.br/jspui/handle/1/58260
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Martins, Rogerson Alexandre | - |
dc.date.accessioned | 2023-08-14T19:18:48Z | - |
dc.date.available | 2023-08-14T19:18:48Z | - |
dc.date.issued | 2023-08-11 | - |
dc.date.submitted | 2023-03-16 | - |
dc.identifier.citation | MARTINS, R. A. Previsão de séries temporais com máquinas de suporte vetorial. 2023. 62 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)–Universidade Federal de Lavras, Lavras, 2023. | pt_BR |
dc.identifier.uri | http://repositorio.ufla.br/jspui/handle/1/58260 | - |
dc.description.abstract | This dissertation uses the Support Vector Machine (SVM) technique combining Principal Components and Independent Components analysis in the evaluation of financial time series. This subject is of great interest to researchers, investors and financial institutions that seek to understand the behavior/influence on decision-making in the price market. It is known that the combination of Principal and Independent Components analysis, together with vector support machines can guarantee better results for the context. As a result, it appears that the PCA - SVR, ICA - SV models showed better accuracy when compared to common models, such as the SVR simply. The results of the MAE, MSE, RMSE, R 2 metrics corroborate the applied models in question. | pt_BR |
dc.description.sponsorship | Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Lavras | pt_BR |
dc.rights | acesso aberto | pt_BR |
dc.rights | Attribution 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
dc.subject | Análise de componentes principais | pt_BR |
dc.subject | Análise de componentes independentes | pt_BR |
dc.subject | Análise técnica | pt_BR |
dc.subject | Principal component analysis | pt_BR |
dc.subject | Independent components analysis | pt_BR |
dc.subject | Technical analysis | pt_BR |
dc.subject | Support vector machine | pt_BR |
dc.title | Previsão de séries temporais com máquinas de suporte vetorial | pt_BR |
dc.title.alternative | Time series forecast with vector support machines | pt_BR |
dc.type | dissertação | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Estatística e Experimentação Agropecuária | pt_BR |
dc.publisher.initials | UFLA | pt_BR |
dc.publisher.country | brasil | pt_BR |
dc.contributor.advisor1 | Guimarães, Paulo Henrique Sales | - |
dc.contributor.referee1 | Sáfadi, Thelma | - |
dc.contributor.referee2 | Pereira, Geraldo Magela da Cruz | - |
dc.contributor.referee3 | Pereira, Tiago Martins | - |
dc.description.resumo | A presente dissertação utiliza a técnica de Máquina de Suporte Vetorial (SVM) combinando análise de Componentes Principais e Componentes Independentes na avaliação de séries temporais financeiras. Este assunto é de grande interesse de pesquisadores, investidores e instituições financeiras que buscam compreender o comportamento/influência na tomada de decisão no mercado de preços. Sabe-se que a combinação de análise Componentes Principais e Independentes, conjuntamente com as máquinas de suporte vetorial pode garantir melhores resultados para o contexto. Como resultados, verifica-se que os modelos PCA - SVR, ICA - SV apresentaram melhores acertabilidade quando comparado com modelos comuns, tal como o SVR simplesmente. Os resultados das métricas MAE, MSE, RMSE, R 2 corroboram com os modelos aplicados em questão. | pt_BR |
dc.publisher.department | Departamento de Estatística | pt_BR |
dc.subject.cnpq | Estatística | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/9007226867931523 | pt_BR |
Aparece nas coleções: | Estatística e Experimentação Agropecuária - Mestrado (Dissertações) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DISSERTAÇÃO_Previsão de séries temporais com máquinas de suporte vetorial.pdf | 787,47 kB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons