Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana
El trading es una actividad que se basa en el estudio de los mercados financieros mediante el análisis fundamental y el análisis técnico de uno o varios activos. Esto con el fin de determinar si invertir o no en dicho instrumento financiero y de esta forma, obtener beneficios monetarios. A pesar de...
- Autores:
-
Iguarán Cotes, Jorge Mario
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2019
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/44483
- Acceso en línea:
- http://hdl.handle.net/1992/44483
- Palabra clave:
- Predicción del precio de las acciones
Aprendizaje automático (Inteligencia artificial)
Redes neurales (Computadores)
Bolsa de valores
Mercado financiero
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| id |
UNIANDES2_7cda04ea16694fa18fc4072e78fc70a7 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/44483 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.es_CO.fl_str_mv |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana |
| title |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana |
| spellingShingle |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana Predicción del precio de las acciones Aprendizaje automático (Inteligencia artificial) Redes neurales (Computadores) Bolsa de valores Mercado financiero Ingeniería |
| title_short |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana |
| title_full |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana |
| title_fullStr |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana |
| title_full_unstemmed |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana |
| title_sort |
Aplicación de redes neuronales para predecir el precio de acciones en la bolsa colombiana |
| dc.creator.fl_str_mv |
Iguarán Cotes, Jorge Mario |
| dc.contributor.advisor.none.fl_str_mv |
Giraldo Trujillo, Luis Felipe |
| dc.contributor.author.none.fl_str_mv |
Iguarán Cotes, Jorge Mario |
| dc.contributor.jury.none.fl_str_mv |
Higuera Arias, Carolina |
| dc.subject.armarc.es_CO.fl_str_mv |
Predicción del precio de las acciones Aprendizaje automático (Inteligencia artificial) Redes neurales (Computadores) Bolsa de valores Mercado financiero |
| topic |
Predicción del precio de las acciones Aprendizaje automático (Inteligencia artificial) Redes neurales (Computadores) Bolsa de valores Mercado financiero Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
El trading es una actividad que se basa en el estudio de los mercados financieros mediante el análisis fundamental y el análisis técnico de uno o varios activos. Esto con el fin de determinar si invertir o no en dicho instrumento financiero y de esta forma, obtener beneficios monetarios. A pesar de que el trading podría servir como una forma de ingreso pasivo, este no es usado de forma amplia por el público general. Esto se debe a que los mercados financieros pueden verse afectados de diferente forma por una gran cantidad de variables. Por ende, el análisis del comportamiento de los activos que se suele llevar a cabo, incluso por traders profesionales, puede resultar ineficiente e inconsistente. En los últimos años, con el auge del Machine Learning y las redes neuronales, se han abierto las posibilidades de procesar grandes cantidades de datos y realizar análisis predictivos a través de ellos. En el presente artículo se hacen uso de redes neuronales feedforward con el objetivo de predecir el precio de la acción de Ecopetrol a través del tiempo. Para esto, se establecieron 3 horizontes de tiempo de predicción diferentes (Mediano, corto y largo). Para cada uno de estos se construyó un modelo predictor, se evaluaron los resultados por medio de varios métodos y se estudió el aporte de cada una de las variables del modelo sobre el resultado final. Los resultados de las simulaciones han mostrado que, para horizontes de tiempo de predicción adecuados, es posible predecir el precio de Ecopetrol en bolsa, con una precisión adecuada, a través del uso de redes neuronales. |
| publishDate |
2019 |
| dc.date.issued.none.fl_str_mv |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2020-09-03T14:53:48Z |
| dc.date.available.none.fl_str_mv |
2020-09-03T14:53:48Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/44483 |
| dc.identifier.pdf.none.fl_str_mv |
u830596.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/44483 |
| identifier_str_mv |
u830596.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
7 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/8080b8e1-9018-4107-8f14-574304829e4c/download https://repositorio.uniandes.edu.co/bitstreams/8038e759-3c4a-49ae-affb-a2d3418f9861/download https://repositorio.uniandes.edu.co/bitstreams/1e36b8f0-bac1-4a53-9631-bd9028a01b92/download |
| bitstream.checksum.fl_str_mv |
ea0b8f42d52c43fbce43209321ae86f2 734b777a5636af34d2590c85cf9e9c5a 2a823275b3a5512ff4afa987802d8fae |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812134013587947520 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Giraldo Trujillo, Luis Felipe38235f6b-3734-4646-9b39-867f41953660400Iguarán Cotes, Jorge Mario97b6cdc9-3a8d-46d7-96fd-d462de23461a500Higuera Arias, Carolina2020-09-03T14:53:48Z2020-09-03T14:53:48Z2019http://hdl.handle.net/1992/44483u830596.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El trading es una actividad que se basa en el estudio de los mercados financieros mediante el análisis fundamental y el análisis técnico de uno o varios activos. Esto con el fin de determinar si invertir o no en dicho instrumento financiero y de esta forma, obtener beneficios monetarios. A pesar de que el trading podría servir como una forma de ingreso pasivo, este no es usado de forma amplia por el público general. Esto se debe a que los mercados financieros pueden verse afectados de diferente forma por una gran cantidad de variables. Por ende, el análisis del comportamiento de los activos que se suele llevar a cabo, incluso por traders profesionales, puede resultar ineficiente e inconsistente. En los últimos años, con el auge del Machine Learning y las redes neuronales, se han abierto las posibilidades de procesar grandes cantidades de datos y realizar análisis predictivos a través de ellos. En el presente artículo se hacen uso de redes neuronales feedforward con el objetivo de predecir el precio de la acción de Ecopetrol a través del tiempo. Para esto, se establecieron 3 horizontes de tiempo de predicción diferentes (Mediano, corto y largo). Para cada uno de estos se construyó un modelo predictor, se evaluaron los resultados por medio de varios métodos y se estudió el aporte de cada una de las variables del modelo sobre el resultado final. Los resultados de las simulaciones han mostrado que, para horizontes de tiempo de predicción adecuados, es posible predecir el precio de Ecopetrol en bolsa, con una precisión adecuada, a través del uso de redes neuronales.Trading is an activity that is based on the study of financial markets through the fundamental analysis and technical analysis of one or more assets. This in order to determine whether or not to invest in said financial instrument and thus obtain monetary benefits. Although trading could serve as a form of passive income, it is not widely used by the general public. This is because financial markets can be affected differently by a large number of variables. Therefore, the analysis of the behavior of the assets that is usually carried out, even by professional traders, can be inefficient and inconsistent. In recent years, with the rise of Machine Learning and neural networks, the possibilities of processing large amounts of data and performing predictive analysis through them have been opened. In this article, we use feedforward neural networks with the objective of predicting the price of the Ecopetrol share over time. For this, 3 different prediction time horizons were established (Medium, short and long). For each of these, a predictive model was constructed, the results were evaluated by means of several methods and the contribution of each of the variables of the model on the final result was studied. The results of the simulations have shown that, for suitable prediction time horizons, it is possible to predict the price of Ecopetrol on the stock exchange, with adequate accuracy, through the use of neural networks.Ingeniero ElectrónicoPregrado7 hojasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y Electrónicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaAplicación de redes neuronales para predecir el precio de acciones en la bolsa colombianaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPPredicción del precio de las accionesAprendizaje automático (Inteligencia artificial)Redes neurales (Computadores)Bolsa de valoresMercado financieroIngenieríaPublicationTHUMBNAILu830596.pdf.jpgu830596.pdf.jpgIM Thumbnailimage/jpeg28859https://repositorio.uniandes.edu.co/bitstreams/8080b8e1-9018-4107-8f14-574304829e4c/downloadea0b8f42d52c43fbce43209321ae86f2MD55TEXTu830596.pdf.txtu830596.pdf.txtExtracted texttext/plain28833https://repositorio.uniandes.edu.co/bitstreams/8038e759-3c4a-49ae-affb-a2d3418f9861/download734b777a5636af34d2590c85cf9e9c5aMD54ORIGINALu830596.pdfapplication/pdf1277276https://repositorio.uniandes.edu.co/bitstreams/1e36b8f0-bac1-4a53-9631-bd9028a01b92/download2a823275b3a5512ff4afa987802d8faeMD511992/44483oai:repositorio.uniandes.edu.co:1992/444832023-10-10 18:43:59.718https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |