Deep learning para el pronóstico de la dirección del USDCOP

Currently, forex is one of the assets with highest traded volume in Colombia. Conventional methodologies are commonly used to forecast exchange rates. However, a new research trend using artificial intelligence has emerged. There is a lack of research in USDCOP exchange rate forecasting using deep l...

Full description

Autores:
Gutiérrez Salamanca, Paula Marcela
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/51009
Acceso en línea:
http://hdl.handle.net/1992/51009
Palabra clave:
Cambio exterior
Aprendizaje automático (Inteligencia artificial)
Análisis de series de tiempo
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_a6438067ce4197e3aa770dfe7e4a1056
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/51009
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
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_abf2Abrego Pérez, Adriana Lourdesvirtual::10562-1Gutiérrez Salamanca, Paula Marcela6988dc74-53f1-4250-9c31-e8175298fee2500Rey Ayala, Manuel AlfredoAbolghasem Ghazvini, Sepideh2021-08-10T18:06:07Z2021-08-10T18:06:07Z2020http://hdl.handle.net/1992/5100923386.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Currently, forex is one of the assets with highest traded volume in Colombia. Conventional methodologies are commonly used to forecast exchange rates. However, a new research trend using artificial intelligence has emerged. There is a lack of research in USDCOP exchange rate forecasting using deep learning in Colombia. Therefore, the main goal of this study is to predict the direction of change for the USDCOP with deep learning methodologies so it can be used in trading models to obtain higher returns on investment portfolios. Results demonstrate that deep neural networks outperformed the forecasting accuracy of conventional models such as ARIMA in different periods of time and time-steps.--Taken from the Degree Document Format.Actualmente, el mercado de divisas es uno de los más negociados en Colombia. Generalmente se usan metodologías convencionales para el pronóstico de tasas de cambio. Sin embargo, nuevos modelos han venido cobrando fuerza desde el campo de la inteligencia artificial. Precisamente, en Colombia existe una carencia de estudios en el pronóstico del USDCOP con el uso de estas técnicas. Por lo anterior, el propósito de este estudio es realizar el pronóstico de la dirección del USDCOP con metodologías de aprendizaje profundo y de esta manera pueda ser usado en modelos de trading algorítmico para obtener retornos superiores. Los resultados comprobaron que los modelos de aprendizaje profundo superaron la capacidad de predicción de modelos convencionales como ARIMA en diferentes periodos de tiempo y pasos evaluados.Magíster en Ingeniería IndustrialMaestría16 hojasapplication/pdfspaUniversidad de los AndesMaestría en Ingeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería IndustrialDeep learning para el pronóstico de la dirección del USDCOPTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMCambio exteriorAprendizaje automático (Inteligencia artificial)Análisis de series de tiempoIngeniería201513126Publication068495cd-8500-4c41-8b33-f4ac1aab2efevirtual::10562-1068495cd-8500-4c41-8b33-f4ac1aab2efevirtual::10562-1THUMBNAIL23386.pdf.jpg23386.pdf.jpgIM Thumbnailimage/jpeg8738https://repositorio.uniandes.edu.co/bitstreams/cf9dedd6-b4f0-479b-8128-db8358312e6a/downloada5b32301f89b5416fe2fc6dd021e78c6MD55ORIGINAL23386.pdfapplication/pdf1647707https://repositorio.uniandes.edu.co/bitstreams/7bd685c3-9dc3-4b93-8ffb-445e6854ade5/downloadfc8c17dac51d13be8a4edb73a3220195MD51TEXT23386.pdf.txt23386.pdf.txtExtracted texttext/plain41519https://repositorio.uniandes.edu.co/bitstreams/ea5bc7d7-86e5-4c00-a018-3ffbcf533042/downloadee3ee90e34eae5c79b82fb76cac31ea5MD541992/51009oai:repositorio.uniandes.edu.co:1992/510092024-03-13 14:13:03.503https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.spa.fl_str_mv Deep learning para el pronóstico de la dirección del USDCOP
title Deep learning para el pronóstico de la dirección del USDCOP
spellingShingle Deep learning para el pronóstico de la dirección del USDCOP
Cambio exterior
Aprendizaje automático (Inteligencia artificial)
Análisis de series de tiempo
Ingeniería
title_short Deep learning para el pronóstico de la dirección del USDCOP
title_full Deep learning para el pronóstico de la dirección del USDCOP
title_fullStr Deep learning para el pronóstico de la dirección del USDCOP
title_full_unstemmed Deep learning para el pronóstico de la dirección del USDCOP
title_sort Deep learning para el pronóstico de la dirección del USDCOP
dc.creator.fl_str_mv Gutiérrez Salamanca, Paula Marcela
dc.contributor.advisor.none.fl_str_mv Abrego Pérez, Adriana Lourdes
dc.contributor.author.none.fl_str_mv Gutiérrez Salamanca, Paula Marcela
dc.contributor.jury.none.fl_str_mv Rey Ayala, Manuel Alfredo
Abolghasem Ghazvini, Sepideh
dc.subject.armarc.none.fl_str_mv Cambio exterior
Aprendizaje automático (Inteligencia artificial)
Análisis de series de tiempo
topic Cambio exterior
Aprendizaje automático (Inteligencia artificial)
Análisis de series de tiempo
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description Currently, forex is one of the assets with highest traded volume in Colombia. Conventional methodologies are commonly used to forecast exchange rates. However, a new research trend using artificial intelligence has emerged. There is a lack of research in USDCOP exchange rate forecasting using deep learning in Colombia. Therefore, the main goal of this study is to predict the direction of change for the USDCOP with deep learning methodologies so it can be used in trading models to obtain higher returns on investment portfolios. Results demonstrate that deep neural networks outperformed the forecasting accuracy of conventional models such as ARIMA in different periods of time and time-steps.--Taken from the Degree Document Format.
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-08-10T18:06:07Z
dc.date.available.none.fl_str_mv 2021-08-10T18:06:07Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/51009
dc.identifier.pdf.none.fl_str_mv 23386.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/1992/51009
identifier_str_mv 23386.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.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.none.fl_str_mv 16 hojas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Maestría en Ingeniería Industrial
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería Industrial
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/cf9dedd6-b4f0-479b-8128-db8358312e6a/download
https://repositorio.uniandes.edu.co/bitstreams/7bd685c3-9dc3-4b93-8ffb-445e6854ade5/download
https://repositorio.uniandes.edu.co/bitstreams/ea5bc7d7-86e5-4c00-a018-3ffbcf533042/download
bitstream.checksum.fl_str_mv a5b32301f89b5416fe2fc6dd021e78c6
fc8c17dac51d13be8a4edb73a3220195
ee3ee90e34eae5c79b82fb76cac31ea5
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_ 1818111885867745280

Publicaciones similares