Técnicas de seleção de atributos através de Random Forests: um estudo de caso para detecção de tendências em séries temporais financeiras (2022)
- Authors:
- Autor USP: MARTELETTO, SÉRGIO REINALDO - EACH
- Unidade: EACH
- DOI: 10.11606/D.100.2022.tde-08032023-134543
- Subjects: APRENDIZADO COMPUTACIONAL; ANÁLISE DE SÉRIES TEMPORAIS; MERCADO FINANCEIRO
- Keywords: Feature selection; Random forests; Seleção de atributos
- Agências de fomento:
- Language: Português
- Abstract: Nas últimas décadas tem havido um interesse crescente em prever o comportamento futuro dos mercados financeiros. Pesquisadores investigam esse problema modelando uma representação conveniente para os dados, as chamadas séries temporais, apesar da dificuldade de estudá-las com precisão devido aos seus padrões não lineares e não estacionários. Além disso, a questão da alta dimensionalidade, presente no conjunto de dados, reduz o entendimento das relações de dependência entre as observações. O uso de novas tecnologias em finanças, como o aprendizado de máquina, busca extrair e analisar informações sobre o preço dos ativos e fluxos de negociação em um ambiente competitivo de risco-retorno. Esse trabalho propõe a análise comparativa de técnicas modernas de seleção de atributos VSURF (Variable Selection Using Random Forests) e RFE ( Recursive Feature Elimination), a fim de reduzir a dimensionalidade na base de dados. Os resultados obtidos foram consistentes e não causaram perda da capacidade preditiva do modelo
- Imprenta:
- Data da defesa: 11.05.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MARTELETTO, Sérgio Reinaldo. Técnicas de seleção de atributos através de Random Forests: um estudo de caso para detecção de tendências em séries temporais financeiras. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/100/100132/tde-08032023-134543/. Acesso em: 01 out. 2024. -
APA
Marteletto, S. R. (2022). Técnicas de seleção de atributos através de Random Forests: um estudo de caso para detecção de tendências em séries temporais financeiras (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/100/100132/tde-08032023-134543/ -
NLM
Marteletto SR. Técnicas de seleção de atributos através de Random Forests: um estudo de caso para detecção de tendências em séries temporais financeiras [Internet]. 2022 ;[citado 2024 out. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100132/tde-08032023-134543/ -
Vancouver
Marteletto SR. Técnicas de seleção de atributos através de Random Forests: um estudo de caso para detecção de tendências em séries temporais financeiras [Internet]. 2022 ;[citado 2024 out. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100132/tde-08032023-134543/
Informações sobre o DOI: 10.11606/D.100.2022.tde-08032023-134543 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
