Mineração de Dados com Mapas de Kohonen: uma Abordagem no Setor Financeiro

Autori

  • Anderson Guimarães de Pinho Universidade Federal Fluminense

DOI:

https://doi.org/10.12712/rpca.v2i1.11052

Abstract

Clientes que decidem por
investir em ações na Bolsa de Valores de São Paulo (Bovespa) podem optar por ações de empresas nos
mais diversos ramos de atividade. Se gestores do marketing souberem explicitar o conhecimento
necessário para diferenciar clientes de acordo com o setor em que operam na bolsa de valores, estes
poderão incorporar este conhecimento nos processos da empresa, maximizando lucros e resultados.
Mapas de Kohonen representam uma classe de modelos de redes neurais denominados mapas autoorganizáveis
e seu potencial de aplicação em processos de descoberta de conhecimento representa
alguma vantagem competitiva. Em nosso caso de aplicação isto significa separar clientes de acordo
com suas concentrações de operações na Bovespa nos 10 possíveis mercados de ações. Os resultados
mostrarão que clientes podem ser agrupados em 1 de 6 clusters diferentes, cada um com
características bastante singulares.

Downloads

I dati di download non sono ancora disponibili.

Biografia autore

Anderson Guimarães de Pinho, Universidade Federal Fluminense

Professora da UFF.

##submission.downloads##

Pubblicato

2008-04-30

Fascicolo

V. 2 N. 1 (2008)

Sezione

Artigos/Papers

Licenza

Os autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License, permitindo o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista. 

A Revista usa o CC BY. Essa licença permite que outras pessoas distribuam, remixem, adaptem e desenvolvam seu trabalho, mesmo comercialmente, desde que sejam creditadas pela criação original. Essa é a licença mais flexível oferecida. Recomendado para máxima disseminação e uso de materiais licenciados.

Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), sempre com reconhecimento de autoria e publicação inicial nesta revista.

A Revista ulitiliza o DOI (Digital Object Identifier ) desde 2007 O DOI com a finalidade de autenticar cada artigo, portanto seu conteúdo digital.