svm

Uma importante medida em finanças é o risco associado a um ativo, e a volatilidade é talvez a medida de risco mais amplamente utilizada. Dentre as várias técnicas disponíveis para estimar a volatilidade, as técnicas de Aprendizado de Máquina têm se mostrado bastante eficazes em comparação com os métodos convencionais. Neste contexto, analisamos a previsão da volatilidade do Ibovespa utilizando métodos GARCH, SVR (Support Vector Regression) e Redes Neurais, com o Python como ferramenta de análise.
Neste artigo mostramos como funciona o algoritmo SVM para problemas de classificação. Desenvolvemos a intuição com exemplos gráficos e mostramos aplicações para dados econômicos usando R e Python.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.