Bacharelado em Engenharia da Computação
URI Permanente desta comunidade
Navegar
Navegando Bacharelado em Engenharia da Computação por Autor "Doutor Ciniro Aparecido Leite Nametala"
Agora exibindo 1 - 4 de 4
Resultados por página
Opções de Ordenação
- ItemAlgoritmo genético compacto e modelo de Markowitz aplicados à otimização de portfólio em carteiras de criptomoedas.(2023-12-11) Faria, Carlos Eduardo de Sousa; Doutor Ciniro Aparecido Leite NametalaA seleção de carteiras de investimentos é uma tarefa complexa que envolve a escolha dos ativos que compõem um portfólio. No contexto das criptomoedas, essa atividade torna-se particularmente desafiadora devido à alta volatilidade e complexidade inerentes a esse mercado. Apesar dessas características, as criptomoedas têm ganhado uma crescente popularidade nos últimos anos, tornando-se uma opção de investimento atrativa para muitos. Neste cenário, identificou-se uma necessidade premente de abordar a otimização da seleção de carteiras de criptomoedas, explorando o potencial dos Algoritmos de Estimação de Distribuição (EDAs). O propósito fundamental deste trabalho é a implementação de um tipo de EDA chamado Algoritmo Genético Compacto, empregando a Teoria Moderna de Portfólio de Markowitz como base. O objetivo é a otimização da composição do portfólio de investimentos, enfocando a maximização dos retornos e a minimização dos riscos associados. Para alcançar essa finalidade, os preços de fechamento das criptomoedas selecionadas foram obtidos de maneira abrangente por meio da plataforma CoinGecko, cobrindo um período histórico de três anos (de 2020 a 2022) segmentados em três experimentos. Os resultados obtidos mostram que a técnica foi capaz de gerar bons resultados. Utilizando a métrica do índice Sharpe, a melhor carteira identificada pelo Algoritmo Genético Compacto, no conjunto de treino ficou classificada entre os 100 melhores retornos no conjunto de teste, durante os três experimentos conduzidos em um espaço de soluções contendo 1000 carteiras geradas.
- ItemAplicação de uma meta-heurística para otimização de pontos de saída de operações em negociações envolvendo o minicontrato futuro do índice Bovespa(2024-12-11) Carvalho, Artur Francisco Pereira; Doutor Ciniro Aparecido Leite NametalaEste trabalho propõe a aplicação de uma meta-heurística para otimizar os pontos de saída de operações no mercado financeiro. A técnica utilizada é a Otimização por Enxame de Partículas (PSO). O estudo é focado no Minicontrato Futuro do Índice Bovespa (WINFUT). O objetivo é maximizar o retorno e minimizar o risco através da definição de pontos de stop-loss e take-profit ideais. Utilizando uma estratégia baseada no cruzamento de médias móveis, o algoritmo PSO é empregado para otimizar as operações de negociação. A pesquisa adota uma abordagem quantitativa e experimental, combinando análise de dados históricos com simulações para validar a eficácia da estratégia proposta. Os resultados são comparados com uma estratégia de proporção fixa de 3:1, comum em plataformas de negociação, destacando a eficácia do método desenvolvido.
- ItemDetecção de outliers em séries temporais de carga com redes neurais recorrentes(2023-12-11) Santos, Lucas Batista dos; Doutor Ciniro Aparecido Leite NametalaUm aspecto importante da curva de carga horária disponibilizada pelo Operador Nacional do Sistema Elétrico (ONS) é a capacidade de analisar a variação no consumo de energia ao longo do tempo. A demanda horária, influenciada pela sazonalidade, serve como um indicador do consumo esperado de energia e do adequado funcionamento do Sistema Interligado Nacional (SIN). Embora seja possível identificar visualmente outliers na série temporal de carga horária, essa abordagem torna-se trabalhosa e imprecisa. Portanto, é preferível detectar automaticamente os outliers, levando em consideração os padrões sazonais. Neste trabalho, um modelo de Rede Neural Artificial (RNA) com células Long Short-Term Memory (LSTM) foi empregado para identificar outliers com base na sazonalidade. Foram utilizados dados históricos de consumo de energia coletados ao longo do tempo no subsistema Sudeste/Centro-Oeste (SECO). Para rotular os dados, utilizou-se a técnica Interquartile Range (IQR). O treinamento da RNA foi conduzido com base nos dados rotulados para os anos de 2020 e 2021. Posteriormente, o modelo foi testado com dados do ano de 2022. Os resultados foram positivos, alcançando métricas de precision e recall de 98% e 96%, respectivamente.
- ItemRedução de dimensionalidade em dados de clima com uso de Stacked Autoencoders.(2023-12-11) Silva, Kevenn Henrique de Paula; Doutor Ciniro Aparecido Leite NametalaDurante as últimas décadas, as bases de dados vêm crescendo exponencialmente. Esse aumento não ocorre somente na quantidade de amostras de dados, mas também em relação à quantidade de características que descrevem as variáveis, deixando os datasets cada vez mais massivos. Devido a isso, torna-se necessária uma simplificação desses conjuntos de dados por meio de uma redução nessas dimensionalidades. Os dados climáticos são exemplos de dados que, geralmente, possuem muitas amostras e características envolvidas. Estes fatores acarretam uma alta dimensionalidade e, por sua vez, esse cenário afeta o custo computacional e a capacidade preditiva, prejudicando a busca por padrões e descoberta de conhecimento. Além disso, a redução de dimensionalidade irá beneficiar a visualização e o armazenamento de grandes conjuntos de dados climáticos. Desse modo, este trabalho propôs utilizar uma Rede Neural Artificial (RNA) com arquitetura Autoencoder (AE), especificamente um tipo chamado de Stacked Autoencoder (SAE), para realizar a compressão de dados climáticos de entrada, criando uma representação compacta e de menor dimensão. Após isso, com a capacidade do AE de reconstruir os dados de entrada a partir dessa representação latente, verificou-se que a redução de dimensionalidade é boa o suficiente para reconstruir os dados. Estes dados reconstruídos foram avaliados por meio do erro quadrático médio (EQM), obtendo-se um valor de 0.01605. Com esse resultado, é possível confirmar que a RNA cumpriu sua função de reduzir a base de dados climáticos.