[pt] Esta dissertação investiga a utilização de Redes Neurais
Artificiais (RNAs) na previsão de séries temporais, em
particular de séries financeiras, consideradas uma classe
especial de séries temporais, caracteristicamente ruídos e
sem periodicidade aparente. O trabalho envolve quatro
partes principais: um estudo sobre redes neurais
artificiais e séries temporais; a modelagem das RNAs para
previsão de séries temporais; o desenvolvimento de um
ambiente de simulação; e o estudo de caso.
No estudo sobre Redes Neurais Artificiais e séries
temporais fez-se um levantamento preliminar das aplicações
de RNAs na previsão de séries. Constatou-se a
predominância do uso do algoritmos de retropropagação do
erro para o treinamento das redes, bem como dos modelos
estatísticos de regressão, de médias móveis e de
alisamento exponencial nas comparações com os resultados
da rede.
Na modelagem das RNAs de retropropagação do erro
considerou-se três fatores determinantes no desempenho da
rede: convergência, generalização e escalabilidade. Para o
controle destes fatores usou-se mecanismos como; escolha
da função de ativação dos neurônios - sigmóide ou tangente
hiperbólica; escolha da função erro - MSE (Mean Square
Error) ou MAD (Mean Absolutd Deviation); e escolha dos
parâmetros de controle do gradiente descendente e do
temapo de treinamento - taxa de aprendizado e termo de
momento. Por fim, definiu-se a arquitetura da rede em
função da técnica utilizada para a identificação de
regularidades na série (windowing) e da otimização dos
fatores indicadores de desempenho da rede.
O ambiente de simulação foi desenvolvido em linguagem C e
contém 3.600 linhas de códigos divididas em três módulos
principais: interface com o usuário, simulação e funções
secundárias. O módulo de interface com o usuário é
responsável pela configuração e parametrização da rede,
como também pela visualização gráfica dos resultados;
módulo de simulação executa as fases de treinamento e
testes das RNAs; o módulo de funções secundárias cuida do
pré/pós-processamento dos dados, da manipulação de
arquivos e dos cálculos dos métodos de avaliação
empregados.
No estudo de caso, as RNAs foram modeladas para fazer
previsões da série do preço do ouro no mercado
internacional. Foram feitas previsões univariadas single e
multi-step e previsões multivariadas utilizando taxas de
câmbio de moedas estrangeiras. Os métodos utilizandos para
a avaliação do desempenho da rede foram: coeficiente U de
Theil, MSE (Mean Square Error), NRMSE (Normalized Root
Mean Square Error), POCID (Percentage Of Change In
Direction), scattergram e comparação gráfica. Os
resultados obtidos, além de avaliados com os métodos
acima, foram comparados com o modelo de Box-Jenkins e
comprovaram a superioridade das RNAs no tratamento de
dados não-lineares e altamente ruidosos. / [en] This dissertation investigates the use of Artificial
Neural Nerworks (ANNs) in time series forecastig,
especially financial time series, which are typically
noisy and with no apparent periodicity. The dissertation
covers four major parts: the study of Artificial Neural
Networks and time series; the desing of ANNs applied to
time series forecasting; the development of a simulation
enironment; and a case study.
The first part of this dissertation involved the study of
Artficial Neural Netwrks and time series theory, resulting
in an overview of ANNs utilization in time series
forecasting. This overview confirmed the predominance of
Backpropagations as the training algorithm, as well as the
employment of statistical models, such as regression and
moving average, for the Neural Network evaluation.
In the design of ANNS, three performance measures were
considered: covergence, generalization and scalability. To
control these parameters, the following methods were
applied: choice of activation function - sigmoid or
hiperbolic tangent; choice of cost function - MSE (Mean
Square Error) or MAD (Mean Absolute Deviation); choise of
parameteres for controlling the gradiente descendent and
learning times - the learning rate and momentum term; and
network architecture.
The simulation environment was developed in C language,
with 3,600 lines of code distributed in three main
modules: the user interface, the simulaton and the support
functions modules. The user interface module is
responsaible for the network configuration and for the
graphical visualization. The simulation module performs
the training and testing of ANNs. The support functions
module takes care of the pre and pos processin, the files
management and the metrics calculation.
The case study concerned with the designing of an ANN to
forescast the gold price in the international market. Two
kinds of prediction were used: univariate - single and
multi-step, and multivariate. The metrics used to evaluate
the ANN performance were: U of Theil`s coeficient, MSE
(Mean Square Error), NRMSE (Normalized Mean Saquare
Error), POCID (Percentage Of Cnage In Direction),
scattergram and graphical comparison. The results were
also comapred with the Box-Jenkins model, confirming the
superiority of ANN in handling non-linear and noisy data.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:8489 |
| Date | 12 June 2006 |
| Creators | ANTONIO JORGE GOMES ABELEM |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO, MARCO AURÉLIO CAVALCANTI PACHECO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0029 seconds