Uma abordagem de machine learning para a análise do comportamento de ativos financeiros: um estudo de caso no período das enchentes no Rio Grande do Sul em 2024
| dc.contributor.advisor | Ribeiro, Helena Graziottin | |
| dc.contributor.author | Menosso, Alisson José | |
| dc.contributor.other | Notari, Daniel Luis | |
| dc.contributor.other | Casa, Marcos Eduardo | |
| dc.date.accessioned | 2026-04-22T13:36:03Z | |
| dc.date.issued | 2026-01-26 | |
| dc.date.submitted | 2025-11-24 | |
| dc.description | Este trabalho investiga o impacto das enchentes ocorridas no Rio Grande do Sul entre abril e maio de 2024 no comportamento dos ativos financeiros listados na B3 aplicando técnicas de mineração de dados seguindo a metodologia KDD. Utilizando algoritmos de clusterização (K-Means, DBSCAN e agrupamento hierárquico) e modelos preditivos (Random Forest e MLP), analisaram-se padrões setoriais durante este evento climático extremo, caracterizado como um "Cisne Negro" por sua raridade e alto impacto. Os resultados demonstraram a superioridade dos métodos de agrupamento na identificação de vulnerabilidades setoriais, com destaque para construção e engenharia, embalagens e agropecuária como os mais sensíveis. Os modelos preditivos, embora com capacidade limitada de classificação, identificaram variáveis relevantes como preços de oferta e volume negociado. Conclui-se que a mineração de dados oferece ferramentas eficazes para compreensão de vulnerabilidades setoriais durante crises, permitindo a criação de sistemas de alerta baseados em similaridade setorial e monitoramento de variáveis de liquidez para gestão proativa de risco. A pesquisa confirma que eventos extremos desencadeiam padrões distintos nos mercados financeiros, com mudanças significativas na estrutura de correlações entre ativos durante períodos críticos. [resumo fornecido pelo autor] | pt_BR |
| dc.identifier.uri | https://repositorio.ucs.br/11338/15488 | |
| dc.language.iso | pt | pt_BR |
| dc.subject | Aprendizado do computador | |
| dc.subject | Redes neurais (Computação) | |
| dc.subject | Mineração de dados (Computação) | |
| dc.subject | Inundações - Rio Grande do Sul | |
| dc.subject | Mercado financeiro - Rio Grande do Sul | |
| dc.subject | Arquitetura de rede de computador | |
| dc.title | Uma abordagem de machine learning para a análise do comportamento de ativos financeiros: um estudo de caso no período das enchentes no Rio Grande do Sul em 2024 | pt_BR |
| dc.type | Monografia | pt_BR |
| local.observacao | ||
| mtd2-br.advisor.instituation | Universidade de Caxias do Sul | pt_BR |
| mtd2-br.campus | Campus Universitário de Caxias do Sul | pt_BR |
| mtd2-br.program.name | Bacharelado em Ciência da Computação |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- TCC Alisson Jose Menosso.pdf
- Tamanho:
- 1.28 MB
- Formato:
- Adobe Portable Document Format