出版社：Universidade Regional do Noroeste do Estado do Rio Grande do Sul
摘要：Este artigo analisa a eficiência das redes neurais polinomiais Group Method of Data Handling (GMDH) na previsão dos retornos, em bases mensais, dos principais indicadores do mercado de capitais do brasileiro (Ibovespa) e argentino (Merval). Inicialmente, para a determinação da variável exógena, calculou-se o retorno logaritmo de cada um dos índices. Em seguida, para a determinação das variáveis endógenas, realizaram-se defasagens em t-1, t-2 e t-3 da variável exógena. Calcularam-se até nove camadas alimentadas para frente. Os resultados sugerem relativa previsibilidade de ambos os mercados, denotando certa ineficiência. A ineficiência, especialmente do mercado argentino, é corroborada por testes de causalidade de Granger adicionais, que demonstram a influência da Bolsa de Valores de São Paulo em cima da Bolsa de Valores de Buenos Aires e não havendo esta influência no sentido inverso.
其他摘要：This article analyses the efficiency of Group Method of Data Handling (GMDH) polynomial neural networks when anticipating return, on a monthly basis, on the return of the main Brazilian (Ibovespa) and Argentinean (Merval) market indicators. Initially, in order to determine the exogenous variable, we calculated the logarithmical return on each index. Afterwards, in order to determine the endogenous variables, we have performed t-1, t-2 and t-3 lags on the exogenous variable. We computed up to nine front fed layers. Results suggest some predictability on both markets, denoting some inefficiency. Inefficiency, especially on the Argentinean market, is validated by the additional causality Granger tests that demonstrate the influence of the São Paulo Stock Market over the Buenos Aires Stock Market and no such influence the other way round.
关键词：Redes neurais; Cointegração; Causalidade de Granger.
