Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/46883
Arquivos associados a este item:
Não existem arquivos associados a este item.
Título: Filling a gap in the taxonomy of phyllachoroid fungi : proposition of Neopolystigma, gen. nov., and the new family Neopolystigmataceae
Autor(es): Guterres, Débora Cervieri
Santos, Maria do Desterro Mendes dos
Furlanetto, Cléber
Pinho, Danilo B.
Barreto, Robert W.
Dianese, José Carmine
ORCID: https://orcid.org/0000-0002-3902-8487
https://orcid.org/0000-0001-5435-6182
https://orcid.org/0000-0003-0575-0487
https://orcid.org/0000-0003-2624-302X
https://orcid.org/0000-0001-8920-4760
https://orcid.org/0000-0002-9100-0545
Afiliação do autor: Universidade Federal de Viçosa, Departamento de Fitopatologia
Universidade de Brasília, Departamento de Ecologia
Universidade de Brasília, Departamento de Fitopatologia
Universidade de Brasília, Departamento de Fitopatologia
Universidade Federal de Viçosa, Departamento de Fitopatologia
Universidade de Brasília, Departamento de Fitopatologia
Assunto: Fungos - cerrados
Taxonomia
Data de publicação: 2022
Editora: Taylor & Francis
Referência: GUTERRES, Débora C. et al. Filling a gap in the taxonomy of phyllachoroid fungi: proposition of Neopolystigma, gen. nov., and the new family Neopolystigmataceae. Mycologia, [S. l.], v. 114, n. 5, 900-913, 2022. DOI: https://doi.org/10.1080/00275514.2022.2092365.
Abstract: Researchers and practitioners globally, from a range of perspectives, acknowledge the difficulty in determining the value of a financial asset. This subject is of utmost importance due to the numerous participants involved and its impact on enhancing market structure, function, and efficiency. This paper conducts a comprehensive review of the academic literature to provide insights into the reasoning behind certain conventions adopted in financial value estimation, including the implementation of preprocessing techniques, the selection of relevant inputs, and the assessment of the performance of computational models in predicting asset prices over time. Our analysis, based on 109 studies sourced from 10 databases, reveals that daily forecasts have achieved average error rates of less than 1.5%, while monthly data only attain this level in optimal circumstances. We also discuss the utilization of tools and the integration of hybrid models. Finally, we highlight compelling gaps in the literature that provide avenues for further research.
Unidade Acadêmica: Instituto de Ciências Biológicas (IB)
Departamento de Ecologia (IB ECL)
Departamento de Fitopatologia (IB FIT)
DOI: https://doi.org/10.1080/00275514.2022.2092365
Versão da editora: https://www.tandfonline.com/doi/full/10.1080/00275514.2022.2092365
Aparece nas coleções:Artigos publicados em periódicos e afins

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.