Made available in DSpace on 2016-08-02T21:42:46Z (GMT). No. of bitstreams: 1 Elaine Silvia.pdf: 1953099 bytes, checksum: 11dba01f12b78ca6dc565b229711cbaf (MD5) Previous issue date: 2008-02-14 / Macroeconomical variables that interfere in the economy and contagy that came of from worldwide crisis is the main theme which worries researchers of the financing area. Since 1980, that is the studied period of this research, the Stock Market brings huge amounts of profit in the shares of the companies of open capital, at the same time in that it scares the stock market holders, due to the volatile behaviour of its outcomes. The scope of this work is to identify if there is a relation between this behaviour of these macro economical variables and the obtained outcome by the national companies, which happens because of the behaviour of the macro economical crisis. Done the analysis of the Main Components, it is concluded that the macro economical variables have a fundamental importance in the action that determines the return index BOVESPA.(AU) / Variáveis macroecômicas que interferem na economia e contágio decorrente de crises mundiais é o tema que preocupa os estudiosos da área financeira. Desde 1980, que é o período deste estudo, a bolsa de valores traz volumosos lucros nas ações das companhias de capital aberto, ao mesmo tempo em que assusta os investidores, devido ao comportamento volátil de seus resultados. O escopo deste trabalho é o de identificar se existe uma relação entre o comportamento das variáveis macroeconômicas e o resultado obtido pelas empresas nacionais, ocasionada pelo comportamento das crises macroeconômicas. Efetuada a análise de Componentes Principais, conclui-se que as variáveis macroeconômicas têm importância fundamental no desempenho que determina o índice de retorno BOVESPA.(AU)

Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.

Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.