Construcción de modelos de predicción de activos financieros
Use este enlace para citar
http://hdl.handle.net/2183/36523Coleccións
Metadatos
Mostrar o rexistro completo do ítemTítulo
Construcción de modelos de predicción de activos financierosAutor(es)
Director(es)
Martínez Filgueira, Xosé ManuelData
2023Centro/Dpto/Entidade
Universidade da Coruña. Facultade de Economía e EmpresaDescrición
Traballo fin de mestrado (UDC.ECO). Banca e finanzas. Curso 2022/2023Resumo
[Resumen]: En las últimas décadas, el aprendizaje automático ha tomado gran protagonismo,
capturando la atención del público en general. El objeto de este trabajo radica en
comparar diversos modelos de predicción de activos financieros, tales como las redes
neuronales recurrentes (LSTM), random forest, regresión lineal y SVR. El caso de
estudio será la cotización semanal al cierre de la acción SAN.MC, mediante este se
buscará dar con un modelo que sea considerado óptimo para guiar a un individuo que
desea conocer la posible evolución del precio de una acción que posee en cartera, sin
contar con conocimientos de análisis técnico y fundamental. [Abstract]: In recent decades, machine learning has gained significant importance, capturing the
attention of the public. The purpose of this project is to compare various models for
predicting financial assets, such as recurrent neural networks (LSTM), random forest,
linear regression, and SVR. The case study will focus on the weekly closing price of the
SAN.MC stock. The aim is to find an optimal model that can guide individuals who wish
to understand the potential evolution of a stock's price in their portfolio, without requiring
knowledge of technical and fundamental analysis.
Palabras chave
Precio
Cotización
Modelo de regresión
Python
SVM
SVR
LSTM
Redes neuronales recurrentes
Random forest
Modelo de ensamble
MAE
MSE
R2
MAPE
RMSE
Aprendizaje automático
Price
Regression model
Recurrent neural networks
Random forest
Ensemble model
Machine learning
Cotización
Modelo de regresión
Python
SVM
SVR
LSTM
Redes neuronales recurrentes
Random forest
Modelo de ensamble
MAE
MSE
R2
MAPE
RMSE
Aprendizaje automático
Price
Regression model
Recurrent neural networks
Random forest
Ensemble model
Machine learning
Dereitos
Os titulares dos dereitos de propiedade intelectual autorizan a visualización do contido deste traballo a través de Internet, así como a súa reproducción, gravación en soporte informático ou impresión para o seu uso privado e/ou con fins de estudo e de investigación. En nengún caso se permite o uso lucrativo deste documento. Estos dereitos afectan tanto ó resumo do traballo como o seu contido Los titulares de los derechos de propiedad intelectual autorizan la visualización del contenido de este trabajo a través de Internet, así como su repoducción, grabación en soporte informático o impresión para su uso privado o con fines de investigación. En ningún caso se permite el uso lucrativo de este documento. Estos derechos afectan tanto al resumen del trabajo como a su contenido