Análise do impacto de notícias na previsão do índice Bovespa

Página do item simplificado
dc.contributor.advisorDoutor Marcos Roberto Ribeiro
dc.contributor.authorEmanuel Elias
dc.date.accessioned2023-12-01T11:43:47Z
dc.date.available2023-12-01T11:43:47Z
dc.date.issued2023-08-09
dc.description.abstractAtualmente, o principal canal de informação dos brasileiros são as redes sociais. Em uma sociedade na qual os cidadãos possuem fácil acesso à informação, a propagação de notícias ocorre rapidamente. Visto que, através de redes sociais as informações podem ser facilmente disseminadas. Este trabalho, se propõe à auxiliar na previsão de preço do IBOV, considerando os efeitos de informações veiculadas na internet. A fim de contribuir para a compreensão de seus impactos e, como resultado, minimizar os prejuízos. Em virtude que é possível, estabelecer uma relação, entre o conteúdo das notícias e tweets com as oscilações do mercado financeiro. Os modelos preditivos desenvolvidos foram obtidos com os métodos da classe Box-Jenkins, e enriquecidos com o valor de sentimento de notícias e tweets. Os modelos que obtiveram melhores resultados consideravam os sentimentos de tweets. De 2018 a 2022, o modelo de previsão diária que considerava toda a série histórica do preço de fechamento do IBOV, obteve melhor desempenho. Considerando apenas os sentimentos de tweets, o protótipo foi capaz de realizar previsões com diferença média entre o valor previsto e o valor real de aproximadamente 0,0066 de MAPE.
dc.description.abstract1Currently, the principal source of information for Brazilians is social networks. In a society where citizens have easy access to information. The spread of news occurs rapidly. Since, through social networks, information can effortlessly propagate. This work proposes to conduct the IBOV forecast, considering the effects of data transmitted on the internet to contribute to understanding its outcomes. And as a result, minimize damage. Because it is possible to relative news and tweet content with oscillations in the financial market. The predictive models developed utilizing techniques derived from the Box-Jenkins class. And enriched with the sentiment values of news and tweets. The models that achieved the best results considered the sentiments of tweets. From 2018 to 2022, the daily forecast model that considered the entire historical series of the closing price of the IBOV, performed better considering only the sentiments of tweets. The prototype is capable of forecasting with an average difference between the predicted value and the actual value of approximately 0.0066 of MAPE.
dc.description.abstract2Trabalho de conclusão de curso: ferramenta para previsão do índice bovespa
dc.identifier.urihttp://hdl.handle.net/20.500.14387/1434
dc.language.isoPortuguês
dc.orcid0000-0002-3559-2478
dc.publisher.campiBambuí
dc.publisher.countryBrasil
dc.publisher.institutionInstituto Federal de Minas Gerais
dc.relation.urlhttps://repositorio.ifmg.edu.br/handle/20.500.14387/664
dc.rightsAcesso aberto
dc.subject.keywordIbovespa
dc.subject.keywordAnálise de Sentimentos
dc.subject.keywordARIMAX
dc.subject.keywordMercado de Ações
dc.subject.keywordProcessamento de Linguagem Natural
dc.titleAnálise do impacto de notícias na previsão do índice Bovespa
dc.title.alternativeANALYSIS OF THE IMPACT OF NEWS ON THE PREDICTION OF THE BOVESPA INDEX
dc.typeTrabalho de Conclusão de Curso
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
2023-2-TCC-Monografia-Emanuel Elias.pdf
Tamanho:
1.35 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.79 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar
Coleções
Trabalho de Conclusão de Curso