• Modelo de previsão de Séries Temporais para previsão do preço das ações da Netflix

    Author(s):
    Thalita de Oliveira Santos, Thaylon Gomes da Silva
    Editor(s):
    Thyago C. C. Nepomuceno (see profile) , Rayane Araujo Lima, Naialy Patricia Rodrigues
    Date:
    2022
    Subject(s):
    Economics, Time-series analysis, Quantitative research
    Item Type:
    Book chapter
    Tag(s):
    Análise de Séries Temporais, prediction, Predição, Time Series Analysis, Quantitative methods
    Permanent URL:
    https://doi.org/10.17613/6eke-4n36
    Abstract:
    O mercado de ações é uma parte importante de qualquer economia e, por isso, compreendê-lo é objetivo de vários estudos, pois permite que o investidor tome decisões mais firmes e certeiras. Entretanto, realizar previsões de séries financeiras é uma tarefa difícil, uma vez que são compostas de ruídos e apresentam um comportamento bastante errático. Este trabalho faz o uso dos modelos de média móvel integrada autorregressiva e do modelo de média móvel integrado autorregressiva sazonal, para prever o preço de abertura das ações da Netflix na bolsa de valores norte-americana NASDAQ. O Critério de Informação de Akaike foi usado para selecionar o melhor modelo, e o desempenho dos modelos foi analisado através do erro quadrático médio. Depois de selecionar o modelo mais preciso, realizou-se uma comparação das médias dos períodos antes e durante a pandemia. Os resultados obtidos revelam que o modelo ARIMA (0,1,1) foi o que conseguiu realizar previsões mais precisas, e que a pandemia teve um impacto positivo no preço das ações.
    Notes:
    Capítulo 2: Modelo de previsão de Séries Temporais para previsão do preço das ações da Netflix. Avanços na Análise de Séries Temporais: Livro de Aplicações (Vol. 1)
    Metadata:
    Status:
    Published
    Last Updated:
    4 months ago
    License:
    Attribution
    Share this:

    Downloads

    Item Name: pdf santos-silva.-2022.-modelo-de-previsao-de-series-temporais-para-previsao-do-preco-das-acoes-da-netflix.pdf
      Download View in browser
    Activity: Downloads: 135