Sistema de Previsão Financeira Tendências e medidas de probabilidade.

Slides:



Advertisements
Apresentações semelhantes
Escola Politécnica de Pernambuco Departamento de Ensino Básico
Advertisements

Métodos Iterativos.
Controle de Processos por Computador
O modelo de preços em oligopólio de Sylos-Labini
Universidade Federal Rural
COMERCIALIZAÇÃO DE PRODUTOS AGROINDUSTRIAIS
Aldilene Silva Célia Regina Daniela Alencar Maria do Socorro
Transformações espaciais geométricas
Medida do Tempo de Execução de um Programa
Medida do Tempo de Execução de um Programa
MB751 – Modelos de previsão
Inteligência Artificial
Estatística & Geologia
ORÇAMENTO EMPRESARIAL Aula 04
INF 1771 – Inteligência Artificial
Introdução aos Sistemas Dinâmicos 3 – Transformada de Laplace
3 - Equações Lineares de Segunda Ordem
CUSTO DO CAPITAL PRÓPRIO
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA
Aula 7 Objetivos Analisar as informações dispostas em diferentes tipos de gráficos. Perceber a importância dos gráficos na comunicação de informações.
Estabilidade e Estacionariedade em Séries Temporais
Introdução a Computação e Cálculo Numérico
Estratégias em Utilities O jogo que constitui o processo de regulação, tipicamente em utilities, propicia a possibilidade de comportamentos estratégicos.
Desempenho de Algoritmos Genéticos
Sistemas Operacionais
Estatística e Probabilidade
Pós-graduação Finanças & Negócios
Aula 03 – BCC202 Análise de Algoritmos (Parte 1) Túlio Toffolo www
Analise da empresa com índices financeiros e econômicos
Macroeconomia do Desenvolvimento
Quadrados Mínimos.
Sistema de equações lineares
Redes Bayesianas - Aplicação em Risco Operacional
Amintas engenharia.
Aula 6 - Método não-experimental ou de seleção não-aleatória
Análise fundamentalista de Ações
Análise de Incertezas Introdução.
Motivação enquanto processo O “o que” o homem faz está diretamente ligado ao “porque” e é esse porque que chamaremos de MOTIVAÇÃO Motivação enquanto processo:
GESTÃO DE RISCOS FINANCEIROS
Opções Financeiras - 3 As Gregas
Espaços e Subespaços Vetoriais
Campo Elétrico.
Fundamentos de economia
Avaliação do Desempenho
Matemática Discreta 1 – MD 1
Aula 5 Disciplina: Sistemas de Controle 1 - ET76H
A Transformada de Laplace
2.3 Experimentos Fatoriais 22 Efeitos das Interações
Campus de Caraguatatuba
MATRIZ BCG.
Gerenciamento de Custos
Campus de Caraguatatuba Aula 18: Sistemas de Equações Lineares (6)
MICROECONOMIA Aula 7 – Análise da Teoria da Produção.
Sistemas de Equações Lineares (SEL ) – Parte II
Curso de Ventos Estelares Marcelo Borges Fernandes.
Avaliação Econômica de Projetos - TAMANHO
Controle de Processos por Computador
Sistemas de Controle III N8SC3
Introdução – Origens Em 1958 A. W. Phillips apresentou um gráfico que mostrava a taxa de inflação vis s vis a taxa de desemprego no Reino Unido entre.
Ariela Diniz.  A relação entre as taxas de juros sobre títulos de dívida com o mesmo vencimento pode ser explicada por 3 fatores: ◦ O risco de default;
Um giro pelo mercado de trabalho
O Modelo OA - DA 7.1 Este modelo agrega todos os mercados, isto é, usa as condições de equilíbrio dos mercados de bens, financeiro e de trabalho para derivar.
VETOR: ESTRATÉGIA APLICADA
Produto, desemprego e inflação
Análise de investimentos
GESTÃO E GARANTIA DA QUALIDADE
Logística Empresarial
Aula 4 Bioestatística Probabilidade para variáveis aleatórias.
Prepared by: Fernando Quijano and Yvonn Quijano 7 C A P Í T U L O © 2004 by Pearson EducationMacroeconomia, 3ª ediçãoOlivier Blanchard Agregando Todos.
Comportamento Assintótico
Transcrição da apresentação:

Sistema de Previsão Financeira Tendências e medidas de probabilidade

Risco Complexo do Mercado Após recebimento dos dados do dia, nosso sistema de previsão entra no estágio de processamento, no qual “aprende” os novos dados e adapta seus modelos internos às novas condições de mercado para cada empresa analisada.

O nível desse “aprendizado” pode ser visualizado em tempo-real numa janela mostrada na interface gráfica do sistema:

Tal processo de “aprendizado” é feito através de técnicas avançadas de mapeamento não-linear de espaços multi- dimensionais, aplicadas à historia recente dos preços de cada ação. Por intermédio desse mapeamento, o sistema procura convergir para o atrator referente ao passado recente dos preços, para então tentar projetá-los para o futuro próximo. Dependendo do comportamento do mercado naquele momento, tal convergência pode ou não ser possível. Se convergência é possível, dizemos então que a ação nesse particular momento apresenta um comportamento caótico, caracterizado pela existência de um atrator. Em tais condições previsão é em princípio possível, pois os preços estão seguindo uma certa ordem.

No entanto, se ao contrário convergência é baixa ou não pode ser alcançada, então os preços naquele momento estão se comportando de forma praticamente aleatória, e qualquer forma de previsão é impossível. O nível de convergência alcançado pelo sistema seria então uma medida inversamente proporcional ao fator de risco, o qual escolhemos chamar de risco complexo, relacionado ao nível de aleatoriedade inerente aos preços.

Por exemplo, em momentos de convergência baixa ou nula o risco complexo para o investidor é máximo, e entrada no mercado deve ser evitada. Já em momentos de alto nível de convergência, o risco complexo é baixo e o risco total associado à previsão no curto prazo finito:

Previsão de Tendências Em nosso sistema medimos tendências de preços seguindo uma escala de 0 a 1, onde valores próximos a 0.5 denotam indefinição, valores acima de 0.5 caracterizam um comportamento altista e abaixo de 0.5 um comportamento baixista:

Quando o nível de risco complexo atingido é baixo o suficiente, nosso sistema computa a força da tendência prevista para os próximos dias, usando vários diferentes critérios. Cada um desses critérios, ou modelos, fornece um valor dentro da escala anterior. O desempenho de tais modelos de previsão da tendência de curto-prazo é constantemente monitorado através da correlação histórica entre os valores previstos e as medições reais obtidas ao longo do tempo.

Por exemplo, o gráfico a seguir mostra a correlação obtida por um desses modelos entre os valores de tendência previstos e reais para Telemar, ao longo de 600 dias. Observamos uma taxa de acerto para tendências de alta de 70%, e de 89% para tendências de baixa:

O sistema então procura combinar os valores fornecidos pelos vários modelos de forma a atingir uma previsão final para a tendência futura de curto-prazo.

Probabilidade ou Risco da Previsão A previsão de tendência obtida consiste numa hipótese, a qual possui um nível de probabilidade de acerto. Essa probabilidade está fortemente relacionada ao risco associado aquela hipótese. Por exemplo, uma hipótese de alta ou baixa com 70% de probabilidade de acerto teria um risco associado de 30%. Numa analogia com a inteligência natural dos seres humanos, poderíamos dizer que nesse caso o sistema teria um nível de 70% de “certeza” ao pronunciar sua hipótese. Já níveis baixos de “certeza” aproximariam a previsão final do sistema de uma região de indefinição.

O sistema estima esse nível de probabilidade ou “certeza” de acordo com vários fatores, os quais dependem da empresa analisada. Estes fatores são:  Nível de risco complexo.  Correlação histórica entre valores de tendência previstos e medidos.  Variação dessa correlação histórica.  Força e volatilidade da tendência recente.  Etc.