| O objetivo deste trabalho é realizar previsões de séries de retornos de ações de empresas dos setores financeiro e de alimentos utilizando redes neurais artificiais (RNA) do tipo feedforward treinadas com algoritmo de Levenberg-Marquardt e modelos ARIMA-GARCH. Foram selecionadas duas séries de cada setor. Para o setor financeiro são analisadas as séries do Bradesco e do Itaú, no setor de alimentos as séries da Perdigão e da Sadia. Todas estas séries possuem 1542 valores que iniciam em 3/01/2000. Estas séries foram divididas em duas partes, uma para estimação dos modelos ARIMA-GARCH e treinamento da RNA e a segunda parte para realizar as previsões e construir as medidas de desempenho. Para cada uma das séries foram ajustadas topologias com dez neurônios na camada de entrada, um neurônio na camada de saída e neurônios na camada intermediária variando de um a nove. Para escolher o melhor modelo ARIMA-GARCH foram utilizados os critérios de informação de Akaike (AIC) e bayesiano (BIC). Para comparar as previsões realizadas são utilizadas duas medidas de desempenho: o coeficiente de desigualdade de Theil (TIC) e a raiz do erro quadrado médio (RMSE). Verificou-se que as previsões realizadas pelas redes neurais artificiais foram superiores às realizadas pelos modelos ARIMA-GARCH para três das quatro séries de retornos consideradas. |
