Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local
En el año 2018 se creó la Segunda Misión del Mercado de Capitales en Colombia, con el objetivo de estudiar el estado actual de los mercados financieros locales y sugerir soluciones para los problemas encontrados. Entre los hallazgos se encontró que el mercado de acciones ha tenido un decrecimiento n...
- Autores:
-
Palacio Roldan, Julian
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/81458
- Palabra clave:
- Mercados financieros
Análisis de sentimientos Español
Long short-term memory
Gated recurrent unit
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| Summary: | En el año 2018 se creó la Segunda Misión del Mercado de Capitales en Colombia, con el objetivo de estudiar el estado actual de los mercados financieros locales y sugerir soluciones para los problemas encontrados. Entre los hallazgos se encontró que el mercado de acciones ha tenido un decrecimiento notable en los años recientes, por lo que se deben tomar acciones que fomenten la participación en este mercado. Como aporte a la solución, en este trabajo se desarrolla un modelo de recomendación de acciones pertenecientes al índice COLCAP, cuyo objetivo es el de ser incluido en una herramienta que, además de mostrar los resultados del modelo, le permita ver al inversionista cifras de riesgo y los insumos que utilizó el modelo para llegar al resultado: indicadores basados en precios históricos de las acciones, noticias e indicadores financieros de cada emisor. Para ello, se proponen dos modelos de redes neuronales recurrentes que predicen los precios de las acciones, y luego estas predicciones son utilizadas para clasificar las acciones de mejor a peor según la rentabilidad calculada con dichos pronósticos. Para entrenar los modelos, se obtienen datos de precios, noticias y estados financieros, utilizando técnicas de web scraping para los primeros dos, luego se realiza un análisis de sentimientos con redes neuronales recurrentes para clasificar las noticias en positivas, negativas o neutras; y se genera un dataset final añadiendo variables calculadas. Una vez entrenados los modelos, se utiliza la técnica de validación cruzada para obtener medidas de pronóstico, y luego, después de comparar, se escoge el modelo gated recurrent unit como el mejor ya que es más preciso en los pronósticos. (Texto tomado de la fuente) |
|---|