Predicción de precios de activos financieros empleando aprendizaje automático
Financial asset price prediction using machine learning
Ver/ Abrir
Identificadores
URI: https://hdl.handle.net/10902/30241Registro completo
Mostrar el registro completo DCAutoría
Nasta, Samuel ValerFecha
2023-06Derechos
Attribution-NonCommercial-NoDerivatives 4.0 International
Palabras clave
Inteligencia artificial
Predicción de tendencias
Aprendizaje automático
Mercados financieros
Gestión de riesgos
Red neuronal
Máquina de vector soporte
Regresión lineal
Artificial intelligence
Trend prediction
Machine learning
Financial markets
Risk management
Neural network
Support vector machine
Linear regression
Resumen/Abstract
En este documento se presenta un estudio sobre la predicción de las tendencias y el precio de diferentes activos financieros empleando modelos de inteligencia artificial. El objetivo principal de este trabajo es comprobar si, en base a los precios diarios de un activo como datos de entrenamiento para un modelo de inteligencia artificial es posible determinar la tendencia de sus precios. Los resultados obtenidos muestran que los modelos de aprendizaje automático son capaces realizar la tarea propuesta con una precisión aceptable, y que algunos algoritmos obtienen un mejor rendimiento con respecto a los demás. Este estudio puede tener implicaciones importantes en la toma de decisiones en los mercados financieros y en la gestión de riesgos de inversión, ya que los modelos entrenados podrían utilizarse como indicadores financieros.
This paper presents a study on trends and prices predictions of different financial assets using artificial intelligence models. The main objective of this document is to check if by using the daily prices of an asset as training data for an artificial intelligence model it is possible to determine the trend of its prices. The results obtained show that machine learning models are able to perform the proposed task with acceptable accuracy, and that some algorithms perform better than others. This study may have important implications for decision making in financial markets and investment risk management, since the trained models could be used as financial indicators.