Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Tecnológico

Departamento: Engenharia de Produção e Sistemas/EPS

Dimensão Institucional: Extensão

Dimensão ODS: Econômica

Tipo do Documento: Projeto de Extensão

Título: COLETA E ANÁLISE DE BANCOS DE DADOS INSTITUCIONAIS PARA GERAÇÃO DE RELATÓRIOS/INFORMES E EDITORAÇÃO DE UM SITE FINANCEIRO

Coordenador
  • DANIEL CHRISTIAN HENRIQUE
Participante
  • ADRIELLE HELENA MANNRICH
  • DANIEL CHRISTIAN HENRIQUE (Di)
  • EDUARDO DE SOUZA RONSONI
  • FABRICIO EMYDIO DA SILVA
  • GABRIEL DUDENA DE FARIA
  • GIANPIERO CAMARGO BEDIN
  • JOÃO CARLOS PRATS RAMOS
  • JUCEMAR PAES NETO
  • KEVIN LUIZ ROCHA DE AZEVEDO
  • LUIZ RICARDO MENDES DA SILVA

Conteúdo

A disseminação de informações que os meios digi...a disseminação de informações que os meios digitais acarretaram nos últimos anos possibilitou à população iniciar a observação de novas opções de aplicações de seus recursos financeiros, migrando para investimentos mais rentáveis que a conservadora poupança. porém, nem sempre estas referências são de credibilidade ou mesmo são superficiais e sem fundamento estatístico. este projeto de extensão, portanto, visa suprir parte desta lacuna realizando coletas e análises em bancos de dados institucionais de âmbito municipal, estadual e federal disponíveis gratuitamente em seus sites institucionais (assim como advindo da plataforma financeira economatica) para o desenvolvimento de informes e relatórios financeiros oriundos de análises quantitativas que possibilitem aos stakeholders nacionais e internacionais tomarem melhores decisões financeiras com relação a uma empresa ou grupo empresarial com suas cotações dispostas na b3. para atingir este propósito, também será criado um site no “páginas ufsc” (ou um blog de finanças) para divulgação das informações e interação com a sociedade em três idiomas.são três os objetivos específicos: (1) gerar dados de confiabilidade através de análises estatísticas robustas, pertinentes a cada conjunto de dados, usando abordagens tradicionais e atuais (como os vetores auto-regressivos, modelos da família garch de volatilidade, modelos supervisionados e não supervisionados em machine learning e florestas aleatórias); (2) capacitar alunos da graduação para desenvolvimento de análises robustas de dados da área financeira e em machine learning, tornando-os profissionais diferenciados no mercado de trabalho. (3) internacionalizar as informações postadas no site ofertando a opção de tradução da página para o inglês e espanhol.

Índice de Shannon: 3.77414

Índice de Gini: 0.908916

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
3,67% 3,57% 4,24% 5,93% 5,41% 4,23% 5,05% 6,81% 21,86% 4,57% 7,29% 5,60% 6,41% 2,98% 5,04% 7,32%
ODS Predominates
ODS 9
ODS 1

3,67%

ODS 2

3,57%

ODS 3

4,24%

ODS 4

5,93%

ODS 5

5,41%

ODS 6

4,23%

ODS 7

5,05%

ODS 8

6,81%

ODS 9

21,86%

ODS 10

4,57%

ODS 11

7,29%

ODS 12

5,60%

ODS 13

6,41%

ODS 14

2,98%

ODS 15

5,04%

ODS 16

7,32%