RT info:eu-repo/semantics/bachelorThesis
T1 Predicción y clasificación de series temporales bursátiles mediante redes neuronales recurrentes
A1 Hernández Rodríguez, César
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Neuronal Network
K1 LSTM
K1 GRU
AB En este trabajo se pretende explorar la capacidad del Aprendizaje Profundo en lapredicción de series temporales, en particular el uso de Redes Neuronales Recurrentes,para predecir valores diarios bursátiles.Se han empleado Redes Neuronales con distinto poder para procesar el recuerdo alargo plazo: LSTM, GRU, SimpleRNN. Experimentando cada tipo con diversas seriescorrespondientes a la Bolsa de Valores NASDAQ, se ha tratado de obtener el mejor modelode predicción para cada caso concreto. Asimismo, se ha desarrollado una clasificación dedichas series para mejorar el asesoramiento a un posible inversor sobre la compra o ventade valores bursátiles.Desde el punto de vista de la Inteligencia Artificial, este trabajo ha puesto en prácticaRedes Neuronales Recurrentes que, por tamaño y longitud de secuencias procesadas, handerivado en lo denominado Aprendizaje Profundo, se ha usado la herramienta Keras parasu implementación; con lo que el uso: TensorFlow y Python.En el preprocesamiento y comparación de datos se han usado técnicas propias de laEstadística, lo que incluye un manejo del análisis técnico e indicadores específicos comolas medias móviles y los osciladores.
YR 2020
FD 2020
LK http://uvadoc.uva.es/handle/10324/44399
UL http://uvadoc.uva.es/handle/10324/44399
LA spa
DS UVaDOC
RD 16-jul-2024