Predicting market movement with Artificial Neural Networks

This paper presents an application of an Artificial Neural Network (ANN) to the prediction of stock market direction in the US. Using a multilayer perceptron neural network and a backpropagation algorithm for the training process, the model aims at learning the hidden patterns in the daily movement of the S&P500 to correctly identify if the market will be in a Trend Following or Mean Reversion behavior. The ANN is able to produce a successful investment strategy which outperforms the buy and hold strategy, but presents instability in its overall results which compromises its practical application in real life investment decisions.

Engineered MRI nanoprobes based on superparamagnetic iron oxide nanoparticles

This project aimed to engineer new T2 MRI contrast agents for cell labeling based on formulations containing monodisperse iron oxide magnetic nanoparticles (MNP) coated with natural and synthetic polymers. Monodisperse MNP capped with hydrophobic ligands were synthesized by a thermal decomposition method, and further stabilized in aqueous media with citric acid or meso-2,3-dimercaptosuccinic acid (DMSA) through a ligand exchange reaction. Hydrophilic MNP-DMSA, with optimal hydrodynamic size distribution, colloidal stability and magnetic properties, were used for further functionalization with different coating materials. A covalent coupling strategy was devised to bind the biopolymer gum Arabic (GA) onto MNPDMSA and produce an efficient contrast agent, which enhanced cellular uptake in human colorectal carcinoma cells (HCT116 cell line) compared to uncoated MNP-DMSA. A similar protocol was employed to coat MNP-DMSA with a novel biopolymer produced by a biotechnological process, the exopolysaccharide (EPS) Fucopol. Similar to MNP-DMSA-GA, MNP-DMSA-EPS improved cellular uptake in HCT116 cells compared to MNP-DMSA. However, MNP-DMSA-EPS were particularly efficient towards the neural stem/progenitor cell line ReNcell VM, for which a better iron dose-dependent MRI contrast enhancement was obtained at low iron concentrations and short incubation times. A combination of synthetic and biological coating materials was also explored in this project, to design a dynamic tumortargeting nanoprobe activated by the acidic pH of tumors. The pH-dependent affinity pair neutravidin/iminobiotin, was combined in a multilayer architecture with the synthetic polymers poy-L-lysine and poly(ethylene glycol) and yielded an efficient MRI nanoprobe with ability to distinguish cells cultured in acidic pH conditions form cells cultured in physiological pH conditions.

Métodos de aprendizagem automática: um estudo baseado na avaliação e previsão de clientes bancários

Data Mining surge, hoje em dia, como uma ferramenta importante e crucial para o sucesso de um negócio. O considerável volume de dados que atualmente se encontra disponível, por si só, não traz valor acrescentado. No entanto, as ferramentas de Data Mining, capazes de transformar dados e mais dados em conhecimento, vêm colmatar esta lacuna, constituindo, assim, um trunfo que ninguém quer perder. O presente trabalho foca-se na utilização das técnicas de Data Mining no âmbito da atividade bancária, mais concretamente na sua atividade de telemarketing. Neste trabalho são aplicados catorze algoritmos a uma base de dados proveniente do call center de um banco português, resultante de uma campanha para a angariação de clientes para depósitos a prazo com taxas de juro favoráveis. Os catorze algoritmos aplicados no caso prático deste projeto podem ser agrupados em sete grupos: Árvores de Decisão, Redes Neuronais, Support Vector Machine, Voted Perceptron, métodos Ensemble, aprendizagem Bayesiana e Regressões. De forma a beneficiar, ainda mais, do que a área de Data Mining tem para oferecer, este trabalho incide ainda sobre o redimensionamento da base de dados em questão, através da aplicação de duas estratégias de seleção de atributos: Best First e Genetic Search. Um dos objetivos deste trabalho prende-se com a comparação dos resultados obtidos com os resultados presentes no estudo dos autores Sérgio Moro, Raul Laureano e Paulo Cortez (Sérgio Moro, Laureano, & Cortez, 2011). Adicionalmente, pretende-se identificar as variáveis mais relevantes aquando da identificação do potencial cliente deste produto financeiro. Como principais conclusões, depreende-se que os resultados obtidos são comparáveis com os resultados publicados pelos autores mencionados, sendo os mesmos de qualidade e consistentes. O algoritmo Bagging é o que apresenta melhores resultados e a variável referente à duração da chamada telefónica é a que mais influencia o sucesso de campanhas similares.