O principal objetivo desse trabalho é estudar o processamento de séries temporais para a realização de previsão utilizando redes neurais artificiais e os modelos ARIMA-GARCH. Com relação as redes neurais foram estudados os algoritmos de processamento temporal utilizando redes neurais alimentadas adiante e as redes recorrentes. Sendo que nas redes recorrentes o algoritmo utilizado para análise da série temporal foi o algoritmo de aprendizagem recorrente em tempo real (RTRL). Para os modelos ARIMA foi utilizada a metodologia desenvolvida por Box e Jenkins. Foram utilizadas as séries temporais de retornos diários do IBOVESPA, Petrobrás, Nasdaq, IBM e saca de 60Kg de soja como exemplo de aplicação das metodologias

The main objective of this dissertation is the time series processing to perform forecasting using artificial neural networks and ARIMA models. Regarding to neural networks to perform time series processing my studies focused feedforward and recurrent networks. The main recurrent algorithm applied to time series analysis were real time recurrent learning (RTRL). The Box and Jenkins methodology was applied to ARIMA analysis. As an application example we analyzed the following daily returns time series: IBOVESPA, Petrobras, Nasdaq, IBM, 60Kg soybean bag