Analisis y procesamiento de series de tiempo de activos financieros por medio de inteligencia artificial
Date
2024-12-03
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
"El análisis de sistemas físicos mediante mediciones siempre está limitado por la capacidad de adquisición, generando datos discretos de los cuales es necesario extraer información o predicciones. Tradicionalmente, estas tareas se han abordado con métodos de interpolación, ajuste y extrapolación. En el ámbito de las series de tiempo, los problemas principales son la interpolación de datos faltantes y la predicción fuera del rango de medición. Aunque existen métodos numéricos eficientes, su uso se vuelve limitado al manejar grandes volúmenes de datos (superiores a 10^6). Este escenario, junto con el aumento en la capacidad de cómputo, ha impulsado el uso de algoritmos de ciencia de datos, especialmente aquellos basados en inteligencia artificial y aprendizaje automático, aplicados en diversas plataformas como motores de búsqueda, streaming o navegación. En este contexto, la predicción de series de tiempo es abordable mediante inteligencia artificial. Este trabajo plantea el uso de redes neuronales para predecir valores de activos financieros utilizando Scikit-Learn y TensorFlow en Python, con el objetivo de generar predicciones diarias a mediano y largo plazo. Se presentan los fundamentos teóricos (Capítulos 1 y 2), la aplicación al mercado financiero (Capítulo 3), los resultados obtenidos (Capítulo 4) y las conclusiones finales".
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading