{"id":{"repo_id":"brasilia","oai_identifier":"oai:repositorio.unb.br:10482/50092"},"canonical_url":"https://search.dev.ndltd.org/etd/brasilia/oai:repositorio.unb.br:10482/50092","repository":{"repo_id":"brasilia","name":"Universidade de Brasília","base_url":"http://repositorio2.unb.br/oai/request"},"display":{"title":"Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3","abstract":"Esta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica- mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network- DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem- porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori- dade da rede neural DESN.","abstract_html":"Esta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica- mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network- DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem- porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori- dade da rede neural DESN.","abstract_has_math":false,"creators":["Lima, Maycon Kawlin Sardévist Alcântara e"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Rocha Filho, Tarcísio Marciano da"],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024-08-21","date_published":"2024-08-21","updated_at":"2026-08-21T16:42:33Z","subjects":[],"languages":["por"],"rights":["Acesso Aberto"],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"http://repositorio.unb.br/handle/10482/50092","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"source_record":{"url":"http://repositorio2.unb.br/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Arepositorio.unb.br%3A10482%2F50092","prefix":"dim"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Rocha Filho, Tarcísio Marciano da"]},{"key":"dc:creator","label":"Author","values":["Lima, Maycon Kawlin Sardévist Alcântara e"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-08-21T19:24:01Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-08-21T19:24:01Z"]},{"key":"dc:date.issued","label":"Date","values":["2024-08-21"]},{"key":"dc:type","label":"Dc Type","values":["Dissertação"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["por"]},{"key":"dc:rights","label":"Dc Rights","values":["Acesso Aberto"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://repositorio.unb.br/handle/10482/50092"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2021."]},{"key":"dc:description.abstract","label":"Abstract","values":["Esta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica- mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network- DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem- porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori- dade da rede neural DESN."]},{"key":"dc:title","label":"Title","values":["Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3"]}]}],"canonical_facts":{"dc:contributor.advisor":["Rocha Filho, Tarcísio Marciano da"],"dc:creator":["Lima, Maycon Kawlin Sardévist Alcântara e"],"dc:date.accessioned":["2024-08-21T19:24:01Z"],"dc:date.available":["2024-08-21T19:24:01Z"],"dc:date.issued":["2024-08-21"],"dc:description":["Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2021."],"dc:description.abstract":["Esta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica- mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network- DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem- porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori- dade da rede neural DESN."],"dc:identifier.uri":["http://repositorio.unb.br/handle/10482/50092"],"dc:language.iso":["por"],"dc:rights":["Acesso Aberto"],"dc:title":["Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3"],"dc:type":["Dissertação"]},"updated_at":"2026-08-21T16:42:33Z"}