Deep Learning aplicado a sistemas financieros

Graf Aray, Christian (2021). Deep Learning aplicado a sistemas financieros. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Deep Learning aplicado a sistemas financieros
Author/s:
  • Graf Aray, Christian
Contributor/s:
  • Gómez Canaval, Sandra
Item Type: Final Project
Degree: Grado en Ingeniería de Computadores
Date: June 2021
Subjects:
Freetext Keywords: Tendencias de mercado; Inversión; Mercado financiero; Estrategias automatizadas
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB)

Abstract

Dentro del mercado financiero existen muchos escenarios de uso que se corresponden con problemas de predicción y clasificación de series temporales. En el contexto de este dominio y sector, el objetivo de este Trabajo de Fin de Grado consiste en desarrollar un sistema para automatizar la creación de modelos viables para la predicción de tendencias de mercado, más concretamente, aquellas tendencias en el campo de la inversión. Para ello se ha obtenido un dataset de datos históricos de mercado, el cual se ha preprocesado de tal manera que pueda ser usando como entrada de un proceso de clasificación datos organizados en series temporales. Para analizar estos datos, se definirá un modelo de Deep Learning que intentará predecir un indicador estadístico de n días hacia el futuro. Posteriormente, se prueba la robustez de los modelos con extensivo backtesting y posteriormente, se implementa un algoritmo de trading en vivo que utiliza los modelos de Deep Learning en combinación con las estrategias de trading desarrolladas. Finalmente, para que los resultados del modelo puedan ser analizados y utilizados por los usuarios finales, se ha desarrollado una plataforma web de análisis que monitoriza los trades del algoritmo en tiempo real de una manera amigable y usable para los accionistas. Todo lo anterior se ha desplegado dentro de una arquitectura modular desplegada en los servicios de Google Cloud. Abstract: In the financial market there are many use-case scenarios that correspond with problems of prediction and classification. In the context of financial domain is where this Final Project Degree takes place. Particularly, the goal of this Project is developing a system to automate the creation of viable models for the prediction of market tendencies, more specifically, the investment tendencies. For this purpose, a historical market dataset has been obtained and processed to be used for Time Series Classification. To analyze the data, a Deep Learning model will be defined that will attempt to predict a statistical indicator n days in the future. The robustness of the models will be tested with extensive backtesting and afterwards, a live trading algorithm will be implemented to use the Deep Learning models in conjunction with the developed trading strategies. Finally, in order for the results to be analyzed and used by the end users, a web platform that monitors the trades of the algorithm in real time in a user-friendly way has been developed. Everything deployed in a modular architecture with Google Cloud services.

More information

Item ID: 67453
DC Identifier: https://oa.upm.es/67453/
OAI Identifier: oai:oa.upm.es:67453
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 24 Jun 2021 09:30
Last Modified: 24 Jun 2021 09:30
  • 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