Análisis y aplicación de Data Stream Mining en mercados financieros

Jiménez Martín, Carlos (2020). Análisis y aplicación de Data Stream Mining en mercados financieros. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Análisis y aplicación de Data Stream Mining en mercados financieros
Author/s:
  • Jiménez Martín, Carlos
Contributor/s:
  • Menasalvas Ruiz, Ernestina
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: June 2020
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Lenguajes y Sistemas Informáticos e Ingeniería del Software
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 (2MB) | Preview

Abstract

Data Stream Mining es un campo de la Inteligencia Artificial que busca extraer conocimiento útil de los datos de forma constante y continuada ante la entrada constante de datos. El análisis de datos en modo Stream se diferencia del modo Batch en la capacidad de adaptación del algoritmo de aprendizaje respecto a los diferentes cambios en el modelo de los datos a lo largo del tiempo. Por otro lado, los índices bursátiles son índices de referencia en el mundo financiero que marcan el precio de las acciones en el mercado de distintas marcas, empresas, conjunto de índices, … Ejemplos de estos son Nike, el Banco Santander, Apple, el IBEX35, etc. El valor de las acciones está en constante cambio, dónde cada minuto varía el precio de una acción, lo que provoca perdidas o ganancias, por eso es de gran interés ser capaces de adelantarse a los acontecimientos y poder predecir cómo va a fluctuar el valor de un índice bursátil en el tiempo. Por este motivo, en este trabajo de fin de grado se analiza el poder predictivo del Data Stream Mining en la predicción de los índices bursátiles mediante un caso de estudio utilizando el índice bursátil IBEX35.---ABSTRACT---Data Stream Mining is a field of artificial intelligence that seeks to extract useful knowledge from data on a constant and continuous basis in the face of constant data entry. Stream mode data analysis differs from Batch mode in the ability to adapt the learning algorithm to different changes in the data model over time. On the other hand, stock exchange indexes are reference indexes in the financial world that mark the price of stocks in the market of different brands, companies, set of indexes, ... Examples of these are Nike, Banco Santander, Apple, IBEX35, etc. The value of stocksis constantly changing, where every minute the price of a stock change, causing losses or gains, which is why it is of great interest to be able to anticipate events and predict how the value of a stock index will fluctuate over time. For this reason, this bachelor thesis analyzes the predictive power of Data Stream Mining in predicting stock indexes through a case study using the IBEX35 stock index.

More information

Item ID: 63097
DC Identifier: http://oa.upm.es/63097/
OAI Identifier: oai:oa.upm.es:63097
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 20 Jul 2020 09:14
Last Modified: 20 Jul 2020 09:14
  • 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