APLICAÇÃO DE REDES NEURAIS POLINOMIAIS NA PREVISÃO DO IBOVESPA E MERVAL

Autores

  • Everton Anger Cavalheiro Universidade de Cruz Alta
  • Kelmara Mendes Vieira Universidade Federal de Santa Maria
  • Paulo Sérgio Ceretta Universidade Federal de Santa Maria
  • José Carlos Severo Correa possui graduação em Ciências Economicas pela Universidade Federal de Santa Maria (1994) e mestrado em Engenharia de Produção pela Universidade Federal de Santa Maria (2000) . Atualmente é Professor tempo integral da Universidade de Cruz Alta, Membro de corpo editorial da Cadernos de Economia (Chapecó) e Membro de corpo editorial da Revista Gestão e Desenvolvimento em Contexto - Gedecon. Tem experiência na área de Economia. Atuando principalmente nos seguintes temas: Cadeia agroalimentar, leite, agroindustria, reestruturação econômica, produção.
  • Carlos Frederico de Oliveira Cunha Universidade de Cruz Alta

DOI:

https://doi.org/10.21527/2237-6453.2011.18.196-224

Resumo

Este artigo analisa a eficiência das redes neurais polinomiais Group Method of Data Handling (GMDH) na previsão dos retornos, em bases mensais, nos retornos dos principais indicadores do mercado de capitais do brasileiro (Ibovespa) e argentino (Merval). Inicialmente, para a determinação da variável exógena, calculou-se o retorno logaritmo de cada um dos índices. Em seguida, para a determinação das variáveis endógenas realizaram-se defasagens em t-1, t-2 e t-3 da variável exógena. Calcularam-se até nove camadas alimentadas para frente. Os resultados sugerem relativa previsibilidade de ambos os mercados, denotando certa ineficiência. A ineficiência, especialmente do mercado argentino, é corroborada por testes de causalidade de Granger adicionais, que demonstram a influência da Bolsa de Valores de São Paulo em cima da Bolsa de Valores de Buenos Aires e não havendo esta influência no sentido inverso.

Biografia do Autor

Everton Anger Cavalheiro, Universidade de Cruz Alta

é professor auxiliar da Universidade de Cruz Alta (UNICRUZ). Possui graduação em Administração pela Universidade Federal de Santa Maria (2006), especialização (MBA) pela Fundação Getúlio Vargas (FGV) em 2007 e mestrado em Administração pela Universidade Federal de Santa Maria (UFSM) em 2010. Atualmente é Coordenador do MBA em Gestão Estratégica em Finanças e membro do CONSUN (Conselho Universitário) da Universidade de Cruz Alta. Seus interesses em pesquisa são: Finanças Comportamentais, previsibilidade de mercados, equações estruturais e Inteligência Artificial através de Reds Neurais Artificiais (RNA).

Kelmara Mendes Vieira, Universidade Federal de Santa Maria

possui graduação em Administração pela Universidade Federal de Viçosa (1995), mestrado em Administração pela Universidade Federal do Rio Grande do Sul (1998) e doutorado em Administração pela Universidade Federal do Rio Grande do Sul (2006). Atualmente é professora adjunta da Universidade Federal de Santa Maria. Tem experiência na área de Administração, com ênfase em Finanças, atuando principalmente nos seguintes temas: mercado de capitais, administração financeira, finanças comportamentais.

Paulo Sérgio Ceretta, Universidade Federal de Santa Maria

possui graduação em Administração pela Universidade Federal de Santa Maria (1992) , especialização em Estatistica e Modelagem Quantitativa pela Universidade Federal de Santa Maria (2008) , mestrado em Engenharia de Produção pela Universidade Federal de Santa Maria (1995) e doutorado em Engenharia de Produção pela Universidade Federal de Santa Catarina (2001) . Atualmente é PROFESSOR ADJUNTO da Universidade Federal de Santa Maria, Bolsista do Conselho Nacional de Desenvolvimento Científico e Tecnológico, Revisor de periódico da REAd. Revista Eletrônica de Administração, Revisor de periódico da Revista Brasileira de Finanças, Revisor de periódico da Revista de Ciências da Administração (CAD/UFSC), Revisor de periódico da Latin American Business Review (Binghamton), Revisor de periódico da Redes (Santa Cruz do Sul) e Revisor de periódico da Custos e @gronegócio Online. Tem experiência na área de Administração , com ênfase em Administração de Empresas. Atuando principalmente nos seguintes temas: FINANÇAS, MERCADO DE AÇÕES, previsibilidade, Quociente de variância, Caminho aleatório

José Carlos Severo Correa, possui graduação em Ciências Economicas pela Universidade Federal de Santa Maria (1994) e mestrado em Engenharia de Produção pela Universidade Federal de Santa Maria (2000) . Atualmente é Professor tempo integral da Universidade de Cruz Alta, Membro de corpo editorial da Cadernos de Economia (Chapecó) e Membro de corpo editorial da Revista Gestão e Desenvolvimento em Contexto - Gedecon. Tem experiência na área de Economia. Atuando principalmente nos seguintes temas: Cadeia agroalimentar, leite, agroindustria, reestruturação econômica, produção.

possui graduação em Ciências Economicas pela Universidade Federal de Santa Maria (1994) e mestrado em Engenharia de Produção pela Universidade Federal de Santa Maria (2000) . Atualmente é Professor tempo integral da Universidade de Cruz Alta, Membro de corpo editorial da Cadernos de Economia (Chapecó) e Membro de corpo editorial da Revista Gestão e Desenvolvimento em Contexto - Gedecon. Tem experiência na área de Economia. Atuando principalmente nos seguintes temas: Cadeia agroalimentar, leite, agroindustria, reestruturação econômica, produção.

Carlos Frederico de Oliveira Cunha, Universidade de Cruz Alta

Mestrado em Ciências Sociais em Desenvolvimento, Agricultura e Sociedade pela Universidade Federal Rural do Rio de Janeiro, Brasil(1998)
Colaborador-horista da Universidade Regional do Noroeste do Estado do Rio Grande do Sul , Brasil

Downloads

Publicado

2011-11-11

Como Citar

Cavalheiro, E. A., Vieira, K. M., Ceretta, P. S., Correa, J. C. S., & Cunha, C. F. de O. (2011). APLICAÇÃO DE REDES NEURAIS POLINOMIAIS NA PREVISÃO DO IBOVESPA E MERVAL. Desenvolvimento Em Questão, 9(18), 196–224. https://doi.org/10.21527/2237-6453.2011.18.196-224

Edição

v. 9 n. 18 (2011)

Seção

Artigos

Licença

Autores que publicam nesta revista concordam com os seguintes termos:

a. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

b. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

c. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).