logotipo ence

 

Dia do Estatístico 2025
Encontro GENERIS
ENCE de Portas Abertas 2025
4° Workshop ENCE e o Mercado de Trabalho
Prova Didática
ENCEemFOCO
Capacitação
Revista Brasileira de Estatística
Catálogo de Projetos
Plano de Trabalho 2025
Plano de Trabalho 2024
01/11 
start stop bwd fwd

 
 
  

Vídeo Institucional
 
 
 
ungp brazil hub logo md
 
 
 
ico rbe.fw
 
 
 
banner com qrcode completo

Apresentação de Monografia da Graduação de Felipe Murta Dovales

ESCOLA NACIONAL DE CIÊNCIAS ESTATÍSTICAS

Graduação em Estatística

Apresentação de Monografia

A Escola Nacional de Ciências Estatísticas convida para a defesa de Monografia da Graduação intitulada: “Previsão do Preço Diário da Ação BBAS3: Uma comparação entre modelos ARIMA, LightGBM e LSTM”

Aluno: Felipe Murta Dovales

Orientador: Waldir Jesus de Araujo Lobão (ENCE/IBGE)

Data: 04 de dezembro de 2025 – quinta-feira

Horário: 17h30

Local: Rua André Cavalcanti, 106, sala 306  ENCE

Resumo: O presente trabalho tem como objetivo comparar abordagens estatísticas tradicionais e técnicas de aprendizado de máquina na previsão do preço da ação BBAS3, pertencente ao Banco do Brasil S.A. O estudo analisa o desempenho de três modelos distintos: o ARIMA (AutoRegressive Integrated Moving Average), representante dos métodos clássicos de séries temporais; a rede neural LSTM (Long Short-Term Memory), capaz de capturar dependências de longo prazo e padrões não lineares; e o modelo de gradiente impulsionado LightGBM (Light Gradient Boosting Machine), reconhecido por sua eficiência em problemas de previsão e classificação com grandes volumes de dados.
A metodologia empregada utiliza uma estratégia de janela deslizante (rolling window) para gerar previsões de 1 e 5 dias à frente, simulando um ambiente de atualização contínua de informações. As previsões obtidas serão avaliadas por meio das métricas Raiz do Erro Quadrático Médio (RMSE), Erro Percentual Absoluto Médio (MAPE) e Erro Absoluto Médio (MAE), permitindo uma comparação quantitativa entre as abordagens.
Espera-se que os resultados contribuam para a compreensão das diferenças entre modelos estatísticos e métodos baseados em aprendizado profundo e em árvores de decisão, destacando as potencialidades e limitações de cada um no contexto da previsão de preços de ativos financeiros.

Palavras-chave: Séries temporais; ARIMA; LightGBM; LSTM; séries financeiras; Banco do Brasil.

Banca examinadora:
Waldir Jesus de Araujo Lobão (ENCE/IBGE) – Orientador

Carlos Roberto Lavalle da Silva (ENCE/IBGE)

Sandra Canton Cardoso (ENCE/IBGE)

Coordenação de Graduação

Renata Pacheco Nogueira Duarte

Endereço: Rua André Cavalcanti, 106 - Bairro de Fátima - CEP 20231-050 - Rio de Janeiro