Predicción del precio de acciones mediante técnicas de minería de datos

Heredia García, Nicolás (2016). Predicción del precio de acciones mediante técnicas de minería de datos. Thesis (Master thesis), E.T.S.I. Industriales (UPM).

Description

Title: Predicción del precio de acciones mediante técnicas de minería de datos
Author/s:
  • Heredia García, Nicolás
Contributor/s:
  • Morales Alonso, Gustavo
  • Mira McWilliams, Jose Manuel
Item Type: Thesis (Master thesis)
Masters title: Ingeniería Industrial
Date: 2016
Subjects:
Freetext Keywords: Minería de datos, rentabilidad, precisión, sensibilidad, modelo de predicción, CART, random forest, redes neuronales, máquinas de soporte vectorial, regresión multivariante adaptativa.
Faculty: E.T.S.I. Industriales (UPM)
Department: Ingeniería de Organización, Administración de Empresas y Estadística
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (21MB) | Preview

Abstract

La predicción del precio de acciones mediante técnicas de minería de datos es un campo de estudio relativamente reciente y que presenta por tanto, a día de hoy, numerosas incógnitas. Aun así, las posibilidades de utilización de estas técnicas en el contexto de la inversión son muy prometedoras debido a su capacidad para analizar grandes volúmenes de datos y buscar relaciones ocultas entre los mismos. En este proyecto se desarrolla una herramienta de análisis del precio de acciones, basada en las técnicas mencionadas y programada a partir del software estadístico R, gratuito y con multitud de librerías disponibles para facilitar la labor de análisis. Mediante esta herramienta se realiza la construcción de diversos modelos estadísticos y la valoración de su capacidad de predicción para diversas acciones a través de una serie de indicadores como la precisión y sensibilidad del modelo, la rentabilidad del mismo en un periodo de tiempo determinado o la comparación con respecto a una estrategia de comprar una acción y mantenerla en cartera durante el mismo periodo de tiempo. Para el desarrollo de dichos modelos se utilizan como variables principales los precios intradía históricos de las compañías que conforman el IBEX 35, así como una serie de indicadores técnicos relativos al precio de la propia acción a analizar. Con ellos se intenta reflejar el comportamiento de un indicador de la propia acción, basado en los retornos económicos, que es el que finalmente va a producir las señales de compraventa sobre esa acción. Todos los datos necesarios para el análisis se pueden conseguir de forma relativamente sencilla a través de internet aunque posteriormente es imprescindible realizar un filtrado y adaptación de los mismos para adecuarlos al formato en el que trabaja R. Concretamente, los modelos de predicción se construyen por medio de técnicas de minería de datos como CART, random forest, redes neuronales, máquinas de soporte vectorial y regresión multivariante adaptativa por tramos. Debido a que este campo tiene una componente de ensayo y error muy importante, se realizan diversos experimentos para evaluar aspectos fundamentales de los modelos propuestos. Para ello se escoge la acción de la compañía Repsol y se lleva a cabo una simulación determinista en la que se van variando diversos parámetros asociados a los modelos y se guardan los resultados para ver cuáles son los modelos que se comportan de mejor forma. Hay que señalar que los resultados obtenidos en este proyecto son esperanzadores. Es por ello que se abre la puerta a nuevas investigaciones al respecto, ya que las combinaciones a realizar hasta encontrar el mejor modelo son infinitas y existe también la posibilidad de incluir nueva información para el análisis, como por ejemplo datos del balance contable de la propia empresa. Además es posible escalar la herramienta para que analice todas las compañías deseadas de forma simultánea.

More information

Item ID: 44734
DC Identifier: http://oa.upm.es/44734/
OAI Identifier: oai:oa.upm.es:44734
Deposited by: Biblioteca ETSI Industriales
Deposited on: 21 Feb 2017 06:58
Last Modified: 21 Feb 2017 06:58
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM