Made available in DSpace on 2016-08-29T15:33:16Z (GMT). No. of bitstreams: 1 tese_4982_.pdf: 796586 bytes, checksum: 94cd243fe7bce4430684cdf530b0ef91 (MD5) Previous issue date: 2011-08-30 / 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.