Estudio y predicción de activos financieros mediante redes neuronales

Santamaría Vazquez, Fernando (2018). Estudio y predicción de activos financieros mediante redes neuronales. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Description

Title: Estudio y predicción de activos financieros mediante redes neuronales
Author/s:
  • Santamaría Vazquez, Fernando
Contributor/s:
  • González Guillén, Carlos
  • Fernández Lobato, Pablo
Item Type: Final Project
Degree: Grado en Ingeniería en Tecnologías Industriales
Date: 2018
Subjects:
Faculty: E.T.S.I. Industriales (UPM)
Department: Matemática Aplicada a la Ingeniería Industrial
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 (4MB) | Preview

Abstract

La predicción del comportamiento de los mercados financieros ha atraído siempre la atención de todo inversor en Bolsa, teniendo por objetivo obtener así la mayor rentabilidad posible asumiendo el menor riesgo. No obstante, el hecho de que la evolución de los precios dependa de una gran cantidad de variables (muchas veces difíciles de cuantificar) y que suceda de manera no lineal, convierte esta tarea en un reto de una enorme complejidad. Por lo tanto, la mayoría de veces no basta con realizar un único análisis numérico de los datos históricos del activo en cuestión para generar predicciones satisfactorias. Dado al interés que suscita el ámbito, son muchas las herramientas, cada vez más sofisticadas y precisas, que se han propuesto para tratar de adelantarse a estos movimientos de mercados. Una de esas herramientas es el aprendizaje automático conocido como machine learning y, más concretamente, las redes neuronales artificiales. El machine learning es una disciplina científica del campo de la ingeniería artificial cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan automáticamente; es decir, que sean capaces de identificar patrones complejos en múltiples situaciones distintas a partir de información suministrada en forma de ejemplos mediante algoritmos computacionales. El término automáticamente hace referencia también a que el comportamiento de estos sistemas se mejora por sí solos de forma autónoma; es decir, sin ayuda humana. Esto deja al aprendizaje automático como uno de los pilares de la conocida como Cuarta Revolución Industrial o Industria 4.0, en la que se persigue el funcionamiento coordinado, inteligente y completamente autónomo de las máquinas y sistemas productivos. Con esta meta fijada, las empresas están dotando de una relevancia crucial al machine learning pues la cantidad de datos generados actualmente está aumentando de manera exponencial y extraer de ellos información valiosa supone una ventaja competitiva que no se puede menospreciar. Por ello, la introducción al mundo del aprendizaje automático resulta especialmente atractiva, más aún de cara a líneas futuras en donde la aproximación a la mencionada Industria 4.0 será más apreciable. El objetivo principal del siguiente trabajo es explorar la posibilidad de predecir lel comportamiento de los mercados financieros mediante el uso de las técnicas de aprendizaje automático y más concretamente con redes neuronales. Para ello se ha experimentado con una serie de indicadores financieros para comprobar si, efectivamente, resultan útiles una vez implementados en una red neuronal.

More information

Item ID: 53810
DC Identifier: http://oa.upm.es/53810/
OAI Identifier: oai:oa.upm.es:53810
Deposited by: Biblioteca ETSI Industriales
Deposited on: 01 Feb 2019 08:46
Last Modified: 01 Feb 2019 08:46
  • 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