Made available in DSpace on 2014-07-29T15:08:15Z (GMT). No. of bitstreams: 1 dissertacaoRaulWCalaca.pdf: 389248 bytes, checksum: cb60b52936f41e68078c960a1cf097e6 (MD5) Previous issue date: 2008-08-06 / The Elliott Wave analysis is a technique developed for the prediction of prices of financial assets (stocks, exchange rates etc.). This work introduces the basic concepts of the financial market, focusing mainly on the Elliott Wave principle, which differs from other techniques for providing direction and intensity of changes in shares / stocks prices in the financial market. The Elliott Wave detection usually employs manual methods, since automated systems present high costs and are apparently based on trial and error method associated with Statistics. Manual methods assess, following some rules, the waves prospected by trial and error, and requires specialized training and experience. To automatically detect the waves of Elliott, this work suggests, develops and tests a computational system based on Genetic Algorithms, an Artificial Intelligence technique inspired on Biology. Genetic Algorithms are used to evolve answers to problems by assessing candidates, which are coded as chromosomes. Tests of the system were performed based on BM&FBOVESPA stocks with high daily liquidity. Simulations have indicated that the detected waves are satisfactory, with error rate below 3% in each inflection point. / A análise das Ondas de Elliott é uma técnica desenvolvida para a previsão dos preços de ativos financeiros (ações, taxas de câmbios etc). O presente trabalho introduz conceitos básicos do mercado financeiro, focando principalmente nas Ondas de Elliott que diverge das outras técnicas por prever direção e intensidade da mudança do valor de ações/papéis no mercado financeiro. A detecção das Ondas de Elliott usa geralmente metodologia manual, visto que os sistemas automáticos possuem custos elevados e são aparentemente baseados em métodos de tentativa e erro associados à Estatística. O método manual avalia, seguindo algumas regras, as ondas prospectadas por tentativa e erro, exigindo treinamento especializado e experiência. Para detectar automaticamente as Ondas de Elliott no mercado financeiro, este trabalho propõe, desenvolve e testa um sistema computacional baseado em Algoritmos Genéticos, uma técnica de Inteligência Artificial baseada na seleção natural da Biologia. Algoritmos Genéticos são utilizados para evoluir respostas a problemas que permitem avaliar candidatos a soluções, codificados como cromossomos. Os testes do sistema foram realizados com base nos dados de ações pertencentes à Bolsa de Bolsa de Valores, Mercadorias e Futuros (BM&FBOVESPA) e possuidoras de alta liquidez diária. As simulações indicaram que as ondas detectadas pelo sistema foram satisfatórias, possuindo índice de erro abaixo de 3% por ponto de inflexão.

[pt] A avaliação das condições do mar por meio de instrumentos in situ na zona de surfe é muito desafiante. Nesse ambiente, temos a quebra das ondas e presença de banhistas. A quebra das ondas gera grande dissipação de energia, o que pode danificar os instrumentos e possivelmente causar um choque entre o instrumento e os banhistas. Uma solução para auferir as condições do mar com sensor remoto pode apresentar grande vantagem. Neste trabalho, é proposto um método de visão computacional tradicional, uma vez que não há um banco público de imagens de ondas para a utilização de redes neurais. Utilizamos câmeras de rede convecionais e de baixo custo já largamente instaladas nos principais pontos de surfe do Brasil e do mundo fazendo com que o nosso método fique mais acessível a todos. Com ele, conseguimos extrair propriedades das ondas, como distância, frequência, direção, posição no mundo, percurso, velocidade, intervalo entre séries e altura da face da onda, e prover uma análise quantitativa das condições do mar. Esses dados devem servir às áreas de Oceanografia, de Engenharia Costeira, de Segurança do mar e ao novo esporte olímpico: surfe. / [en] Evaluating sea conditions in the nearshore through in situ instruments can be challenging. This environment is exposed to wave breaking and civilian recreation. Wave breaking dissipates energy, which can lead to damaging the instrument and possibly causing shock with civilians. A solution to acquire sea conditions data through remote sensing can be of great advantage. This work, presents a traditional computer vision method, since there is no public wave image dataset. Low cost conventional network cameras are used, which are already installed in the main surfing spots around the world makng our method more accessible to the general public. With it, we are able to extract wave properties such as length, frequency, direction, world position, path, speed and sets interval. This data should serve as input to areas such as Oceanography, Coast Engineering, water safety and the new Olympic Game: Surfing.