Construcción de un modelo de predicción para activos financieros. Creación de una red neuronal recurrente LSTM con machine learning

Abstract

[Resumen]: La predicción de la cotización futura de los activos es un objetivo ambicioso en el mundo de los mercados financieros. Las mejoras tecnológicas de los últimos años han originado una carrera entre los grandes fondos de inversión para desarrollar algoritmos más eficientes que mejoren sus rentabilidades anuales. A través de la inteligencia artificial se están creando modelos predictivos cuya misión es batir al mercado a partir del análisis, casi a tiempo real, de múltiples variables. Este trabajo analiza la inteligencia artificial (IA), centrada en la rama del aprendizaje automático o machine learning en inglés, para investigar el funcionamiento de los modelos predictivos en la bolsa de valores. A lo largo del trabajo se examina la IA desde un enfoque teórico, centrado principalmente en el aprendizaje profundo (Deep learning) y en las redes neuronales, para abordar una implementación práctica de una red neuronal recurrente de tipo LSTM. A partir de los datos históricos de los blue chips de España, se construye, entrena y evalúa un modelo que realiza pronósticos de las cotizaciones futuras. Se calculan métricas de error para estudiar el rendimiento de los modelos y se presentan los resultados predichos en una comparativa respecto a los precios reales de las acciones estudiadas.

[Abstract]: Predicting the future price of financial assets is an ambitious goal in the world of financial markets. Technological improvements in recent years have led to a race among large investment funds to develop more efficient algorithms to improve their annual returns. Through artificial intelligence, predictive models are being created whose mission is to beat the market based on the analysis, almost in real time, of multiple variables. This paper analyses artificial intelligence (AI), focusing on the branch of machine learning to investigate the performance of prediction models in the stock market. Throughout the paper, AI is examined from a theoretical approach, mainly focused on deep learning and neural networks, to address a practical implementation of a recurrent neural network of LSTM type. Based on historical data of Spanish blue chips, a model that performs forecasts of future stock prices is built, trained and evaluated. Error metrics are calculated to study the performance of the models and the predicted results are presented in a comparison with respect to the actual prices of the stocks studied.