---

Este estudo propäe um modelo híbrido que reúne uma rede neural do tipo SOM (Self-Organizing Map) com uma rede neural do tipo Multicamadas com Retropropaga‡Æo (BPN: Backpropagation Network). A utiliza‡Æo da rede SOM tem o intuito de segmentar a base de dados em diversos clusters, onde sÆo ressaltadas suas diferen‡as. A rede BPN é usada para construir um modelo matemático de previsÆo que descreve a rela‡Æo entre os indicadores e o valor de fechamento de cada cluster formado na rede SOM. A viabilidade e o percentual de efetividade do modelo proposto sÆo demonstrados através de experimentos de predi‡Æo de índices utilizados pelo NYSE (New York Stock Exchange). O modelo foi elaborado a partir de uma base de dados composta pelo índice NYSE Composite U.S. 100 no período entre 2 de abril de 2004 e 8 de novembro de 2012. Como variáveis de entrada para as redes neurais, foram utilizados 10 índices: MA_10, BIAS_20, WMS%R_9, K_9, D_9, MTM_10, ROC_10, CCI_24, AR_26, BR_26. Os resultados obtidos com o modelo híbrido proposto se mostraram bastante superiores aos obtidos com modelos convencionais estatísticos.

---

Adriano Beluco é Professor de Ciências Exatas pelo Instituto Federal do Rio Grande do Sul. Reside em Porto Alegre, Brasil. Suas pesquisas sÆo direcionadas na área de Ciências Exatas Aplicadas a Administra‡Æo, Arquitetura, Urbanismo, Recursos Hídricos e Redes Neurais Artificiais.

---