Uso de redes neuronales para predecir mercados financieros
En este documento presentamos dos modelos fundamentados en Redes Neuronales Recurrentes diseñados para predecir los mercados financieros, abarcando tanto acciones específicas como ETFs. Dada la expansión de la Inteligencia Artificial en los últimos años, las herramientas computacionales más sofistic...
- Autores:
-
Molina Mahecha, Andrés Felipe
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/73137
- Acceso en línea:
- https://hdl.handle.net/1992/73137
- Palabra clave:
- Redes neuronales
Modelos predictivos
Mercados financieros
Ingeniería
- Rights
- openAccess
- License
- Attribution 4.0 International
| id |
UNIANDES2_aec9c14352e37315b280d670d1538285 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/73137 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Uso de redes neuronales para predecir mercados financieros |
| title |
Uso de redes neuronales para predecir mercados financieros |
| spellingShingle |
Uso de redes neuronales para predecir mercados financieros Redes neuronales Modelos predictivos Mercados financieros Ingeniería |
| title_short |
Uso de redes neuronales para predecir mercados financieros |
| title_full |
Uso de redes neuronales para predecir mercados financieros |
| title_fullStr |
Uso de redes neuronales para predecir mercados financieros |
| title_full_unstemmed |
Uso de redes neuronales para predecir mercados financieros |
| title_sort |
Uso de redes neuronales para predecir mercados financieros |
| dc.creator.fl_str_mv |
Molina Mahecha, Andrés Felipe |
| dc.contributor.advisor.none.fl_str_mv |
Takahashi Rodríguez, Silvia |
| dc.contributor.author.none.fl_str_mv |
Molina Mahecha, Andrés Felipe |
| dc.contributor.jury.none.fl_str_mv |
Takahashi Rodríguez, Silvia |
| dc.subject.keyword.none.fl_str_mv |
Redes neuronales Modelos predictivos Mercados financieros |
| topic |
Redes neuronales Modelos predictivos Mercados financieros Ingeniería |
| dc.subject.themes.spa.fl_str_mv |
Ingeniería |
| description |
En este documento presentamos dos modelos fundamentados en Redes Neuronales Recurrentes diseñados para predecir los mercados financieros, abarcando tanto acciones específicas como ETFs. Dada la expansión de la Inteligencia Artificial en los últimos años, las herramientas computacionales más sofisticadas se encuentran en poder de las grandes corporaciones. Los inversores comunes, conocidos en el sector financiero como "retail", no tienen acceso a estos beneficios, situándonos en una notable desventaja al intentar acceder al potencial computacional que podría brindarnos ventajas económicas en inversiones. Desarrollamos dos modelos predictivos en plataformas distintas y con procesos de Machine Learning variados, con el objetivo de explorar diferentes perspectivas que puedan optimizar los resultados. Estos modelos están diseñados para ser tan precisos como sea posible dadas las limitaciones de los recursos computacionales actuales. Sin embargo, la idea es que con el paso del tiempo y a medida que estos recursos se vuelvan no solo más potentes sino también más accesibles, podamos acercarnos a modelos predictivos de alta precisión. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-12-12T12:43:34Z |
| dc.date.available.none.fl_str_mv |
2023-12-12T12:43:34Z |
| dc.date.issued.none.fl_str_mv |
2023-11-10 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/1992/73137 |
| dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
https://hdl.handle.net/1992/73137 |
| identifier_str_mv |
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.en.fl_str_mv |
Attribution 4.0 International |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution 4.0 International http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
27 páginas |
| 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 |
Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería Sistemas y Computación |
| 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/765bd748-d1eb-447b-9622-629f0f7ef8a5/download https://repositorio.uniandes.edu.co/bitstreams/a02e2bd6-b366-47a4-90df-bf2beaa11897/download https://repositorio.uniandes.edu.co/bitstreams/c51474d1-6999-4392-ab87-176360818fe1/download https://repositorio.uniandes.edu.co/bitstreams/461a10a6-f7b7-433e-9ad3-d927006b8647/download https://repositorio.uniandes.edu.co/bitstreams/c80844ca-d671-470d-8d20-0e2c7c0ed9e8/download https://repositorio.uniandes.edu.co/bitstreams/8f124364-890c-490b-90db-5772fe007e91/download https://repositorio.uniandes.edu.co/bitstreams/ed410bec-babc-47b7-8907-3c7d232d46bf/download https://repositorio.uniandes.edu.co/bitstreams/ade51f8d-0e4c-407a-b9a9-c33272d3b4ed/download |
| bitstream.checksum.fl_str_mv |
0175ea4a2d4caec4bbcc37e300941108 ae9e573a68e7f92501b6913cc846c39f 47d5584de3024d4193d26cebc8ae6c26 d2f1ea149b57c9d8d8c83eb0cde70a1e 3e2b8a2756cfd79c46e6cfa89c277113 933c17e6a84b94f0862e164f0747d468 e26c70a53b4a4733139d7aaf3c979df1 b9ea171d3b7e1d77e6da5feff71a82c5 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812134082683863040 |
| spelling |
Takahashi Rodríguez, SilviaMolina Mahecha, Andrés FelipeTakahashi Rodríguez, Silvia2023-12-12T12:43:34Z2023-12-12T12:43:34Z2023-11-10https://hdl.handle.net/1992/73137instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/En este documento presentamos dos modelos fundamentados en Redes Neuronales Recurrentes diseñados para predecir los mercados financieros, abarcando tanto acciones específicas como ETFs. Dada la expansión de la Inteligencia Artificial en los últimos años, las herramientas computacionales más sofisticadas se encuentran en poder de las grandes corporaciones. Los inversores comunes, conocidos en el sector financiero como "retail", no tienen acceso a estos beneficios, situándonos en una notable desventaja al intentar acceder al potencial computacional que podría brindarnos ventajas económicas en inversiones. Desarrollamos dos modelos predictivos en plataformas distintas y con procesos de Machine Learning variados, con el objetivo de explorar diferentes perspectivas que puedan optimizar los resultados. Estos modelos están diseñados para ser tan precisos como sea posible dadas las limitaciones de los recursos computacionales actuales. Sin embargo, la idea es que con el paso del tiempo y a medida que estos recursos se vuelvan no solo más potentes sino también más accesibles, podamos acercarnos a modelos predictivos de alta precisión.Ingeniero de Sistemas y ComputaciónPregrado27 páginasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y ComputaciónAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Uso de redes neuronales para predecir mercados financierosTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPRedes neuronalesModelos predictivosMercados financierosIngeniería201923434PublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repositorio.uniandes.edu.co/bitstreams/765bd748-d1eb-447b-9622-629f0f7ef8a5/download0175ea4a2d4caec4bbcc37e300941108MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/a02e2bd6-b366-47a4-90df-bf2beaa11897/downloadae9e573a68e7f92501b6913cc846c39fMD52ORIGINALUso de Redes Neuronales Para Predecir Mercados Financieros.pdfUso de Redes Neuronales Para Predecir Mercados Financieros.pdfapplication/pdf516422https://repositorio.uniandes.edu.co/bitstreams/c51474d1-6999-4392-ab87-176360818fe1/download47d5584de3024d4193d26cebc8ae6c26MD53autorizacionTesis_a.molinam.pdfautorizacionTesis_a.molinam.pdfHIDEapplication/pdf283150https://repositorio.uniandes.edu.co/bitstreams/461a10a6-f7b7-433e-9ad3-d927006b8647/downloadd2f1ea149b57c9d8d8c83eb0cde70a1eMD52TEXTUso de Redes Neuronales Para Predecir Mercados Financieros.pdf.txtUso de Redes Neuronales Para Predecir Mercados Financieros.pdf.txtExtracted texttext/plain31998https://repositorio.uniandes.edu.co/bitstreams/c80844ca-d671-470d-8d20-0e2c7c0ed9e8/download3e2b8a2756cfd79c46e6cfa89c277113MD54autorizacionTesis_a.molinam.pdf.txtautorizacionTesis_a.molinam.pdf.txtExtracted texttext/plain1964https://repositorio.uniandes.edu.co/bitstreams/8f124364-890c-490b-90db-5772fe007e91/download933c17e6a84b94f0862e164f0747d468MD56THUMBNAILUso de Redes Neuronales Para Predecir Mercados Financieros.pdf.jpgUso de Redes Neuronales Para Predecir Mercados Financieros.pdf.jpgGenerated Thumbnailimage/jpeg8124https://repositorio.uniandes.edu.co/bitstreams/ed410bec-babc-47b7-8907-3c7d232d46bf/downloade26c70a53b4a4733139d7aaf3c979df1MD55autorizacionTesis_a.molinam.pdf.jpgautorizacionTesis_a.molinam.pdf.jpgGenerated Thumbnailimage/jpeg11200https://repositorio.uniandes.edu.co/bitstreams/ade51f8d-0e4c-407a-b9a9-c33272d3b4ed/downloadb9ea171d3b7e1d77e6da5feff71a82c5MD571992/73137oai:repositorio.uniandes.edu.co:1992/731372023-12-13 03:13:10.71http://creativecommons.org/licenses/by/4.0/Attribution 4.0 Internationalopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |