English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

This paper deals with the forecasting problem of assets’ prices in financial series from BM&F Bovespa, the Brazilian stock exchange. The goal is to propose a forecasting method based on Artificial Neural Networks (ANNs) that focuses on adjusting the network weights in order to maximize the rate of correctness of the price trends of a given asset, instead of minimizing the error between its real values and predicted ones. At the same time, the method minimizes the probability of overfitting, which is a very frequent problem in ANN applications. Due to the characteristics of the problem found in its modeling stage, such as the presence of two objectives which one of them presents a discontinuous and non-differentiable function, a multiobjective evolutionary algorithm has been implemented to solve it. This work used real data from 10 assets and an index from BM&F Bovespa. The computational experiments carried out indicate that the proposed model, although simple, presented competitive results when compared to the best works in the field, which use error minimization in its implementation. In this way, the presented approach was very promising, being able to contribute with more works of this line of research. Resumo: Este trabalho aborda o problema de predição de preços de ativos em séries financeiras da BM&F Bovespa, a bolsa de valores brasileira. O objetivo é propor um método de predição baseado em Redes Neurais Artificiais (RNAs) que se concentra em ajustar os pesos da rede de modo a maximizar a taxa de acerto das tendências dos preços de determinado ativo ao invés de minimizar o erro entre seus valores reais e previstos. Ao mesmo tempo, o método minimiza a probabilidade de overfitting, que é um problema muito frequente na aplicação de RNAs. Devido às caracteŕısticas do problema encontradas em sua modelagem, como a presença de dois objetivos onde um deles apresenta uma função descont́ınua e não diferenciável, foi implementado um algoritmo evolucionário multiobjetivo para resolvê-lo. Este trabalho empregou dados reais de 10 ativos mais um ı́ndice da BM&F Bovespa. Os experimentos computacionais realizados indicam que o modelo proposto, apesar de simples, apresentou resultados competitivos se comparados aos dos melhores trabalhos da área, que utilizam minimização de erro na sua implementação. Desta forma, a abordagem apresentada se mostrou bastante promissora, podendo contribuir com mais trabalhos dessa linha de pesquisa.

Proposta de um método de otimização baseado em tendência para predição do comportamento de séries financeiras