Construcción de modelos de predicción de activos financieros

Abstract

[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.