ESTUDO DA ESTATÍSTICA DE ANÁLISE TEMPORAL COM INTELIGÊNCIA ARTIFICIAL PARA APLICAÇÃO EM ROBÔS DE INVESTIMENTO NO AUXÍLIO DOS INVESTIDORES PARA OTIMIZAÇÃO DE GANHOS NA BOLSA DE VALORES DE SÃO PAULO

Autores/as

  • Marcos Alcantara Duarte Universidade de Guarulhos
  • Stephany Santana Gomes Graduando em Ciências da Computação.
  • Vinicius Lima Graduando em Ciências da Computação
  • Vitor Ferreto Graduando em Ciências da Computação
  • Edgard Ambrósio Graduando em Ciências da Computação

DOI:

https://doi.org/10.33947/2316-7394-v7n1-3535

Palabras clave:

Estatística, Redes Neurais, Machine Learning, Inteligência Artificial

Resumen

Verifica-se que o baixo número de investidores na Bolsa de Valores em São Paulo deve-se tanto à falta de conhecimento quanto à complicação que encontram na hora de investir e até mesmo no baixo rendimento esperado.  Neste artigo, a solução é o estudo para a criação de um algoritmo que possa auxiliar na criação de um robô que auxiliará aos investidores a obter um melhor lucro. Para o desenvolvimento do mesmo, foram feitos estudos em busca de ferramentas e técnicas específicas, para a obtenção de resultados através do uso da estatística, machine learning, redes neurais e apresentando os resultados em um navegador.  Então resulta-se em um artigo fundamentado com ótimas técnicas para aplicabilidade, servindo para a criação do robô de investimento e até mesmo ser utilizado como base para criação de outros algoritmos que façam uso de redes neurais e estatística.


Biografía del autor/a

Marcos Alcantara Duarte, Universidade de Guarulhos

Graduando em Ciências da Computação. Empresário e profissional do mercado financeiro e de capitais.

Publicado

2019-10-03

Cómo citar

Duarte, M. A., Gomes, S. S., Lima, V., Ferreto, V., & Ambrósio, E. (2019). ESTUDO DA ESTATÍSTICA DE ANÁLISE TEMPORAL COM INTELIGÊNCIA ARTIFICIAL PARA APLICAÇÃO EM ROBÔS DE INVESTIMENTO NO AUXÍLIO DOS INVESTIDORES PARA OTIMIZAÇÃO DE GANHOS NA BOLSA DE VALORES DE SÃO PAULO. Revista Computação Aplicada - UNG-Ser, 7(1), 12–18. https://doi.org/10.33947/2316-7394-v7n1-3535

Número

Sección

Artigos