FGV Digital Repository
    • português (Brasil)
    • English
    • español
      Visit:
    • FGV Digital Library
    • FGV Scientific Journals
  • English 
    • português (Brasil)
    • English
    • español
  • Login
View Item 
  •   DSpace Home
  • FGV EESP - Escola de Economia de São Paulo
  • FGV EESP - MPFE: Dissertações, Mestrado Profissional em Finanças e Economia2
  • View Item
  •   DSpace Home
  • FGV EESP - Escola de Economia de São Paulo
  • FGV EESP - MPFE: Dissertações, Mestrado Profissional em Finanças e Economia2
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse

All of DSpaceFGV Communities & CollectionsAuthorsAdvisorSubjectTitlesBy Issue DateKeywordsThis CollectionAuthorsAdvisorSubjectTitlesBy Issue DateKeywords

My Account

LoginRegister

Statistics

View Usage Statistics

Aplicação de redes neurais na previsão da captação líquida do mercado de previdência aberta brasileiro

Thumbnail
View/Open
Dissertação Mestrado Profissional (302.6Kb)
Date
2009-12-18
Author
Pinto, Arizoly Rodrigues
Advisor
Pinto, Afonso de Campos
Metadata
Show full item record
Abstract
The objective of this work is to explore the use of Neural Networks in the Prediction of the Brazilian Net Inflow of Private Pension Fund Market, as a tool for decision-making and support to the management of companies. To build this model was used neural networks, a tool that is proving suitable for use in nonlinear models with better results than other techniques. The main data source for this work was the FENAPREVI - National Federation of Private Pension and Life. For comparison with the model of neural networks, we used a model of Multiple Linear Regression as a benchmark, in order to demonstrate the suitability of the tool in view of the objectives outlined in this job. The model was constructed from the monthly industry information, between May 2002 and August 2009, considering what has been called 'the live market”, which include products PGBL and VGBL, marketed without interruption during this period for the EAPP – Entities Open Private Pension Funds. The results demonstrated the suitability of the tool Neural Networks, which obtained better results than those obtained using Multiple Linear Regression
 
O objetivo deste trabalho é explorar a utilização de Redes Neurais no processo de previsão da Captação Líquida do Mercado de Previdência Privada Brasileiro como ferramenta à tomada de decisão e apoio na gestão das empresas do setor. Para a construção desse modelo foram utilizadas Redes Neurais, ferramenta que vem se mostrando adequada para utilização em modelos não lineares com resultados superiores a outras técnicas. A fonte de dados principal para a realização deste trabalho foi a FENAPREVI – Federação Nacional de Previdência Privada e Vida. Para comparação com o modelo de Redes Neurais, foi utilizado um modelo de Regressão Linear Múltipla como benchmark, com o objetivo de evidenciar a adequação da ferramenta em vista dos objetivos traçados no trabalho. O modelo foi construído a partir das informações mensais do setor, entre maio de 2002 e agosto de 2009, considerando o que se convencionou chamar de ‘mercado vivo’, que abrange os produtos PGBL e VGBL, comercializados ininterruptamente nesse período pelas chamadas EAPP – Entidades Abertas de Prividência Privada. Os resultados obtidos demonstraram a adequação da ferramenta Redes Neurais, que obtiveram resultados superiores aos obtidos utilizando Regressão Linear Múltipla.
 
URI
http://hdl.handle.net/10438/4300
Collections
  • FGV EESP - MPFE: Dissertações, Mestrado Profissional em Finanças e Economia2 [992]
Knowledge Areas
Economia
Subject
Redes neurais (Computação)
Investimentos - Processo decisório
Previdência privada - Brasil
Keyword
Finanças
Redes neurais
Investimentos
Previdência aberta
Processo decisório
Captação líquida

DSpace software copyright © 2002-2016  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV
 

 


DSpace software copyright © 2002-2016  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV
 

 

Import Metadata