Aplicación de series de tiempo en valores de activos financieros

Las redes neuronales realizan un proceso de aprendizaje sobre un conjunto de datos conocidos, desarrollan algoritmos que solo afectan a características conocidas y pueden predecir el comportamiento probable del mismo tipo de conjunto de datos en un área determinada. En este trabajo se presenta el contenido teórico y los métodos de aprendizaje supervisado con una arquitectura de aprendizaje profundo, con el objetivo de obtener predicciones del precio de las acciones considerando diferentes tipos de modelos, utilizando herramientas computacionales especiales y comparándolos posteriormente. Entre los principales resultados y conclusiones se muestra que, entre los modelos de redes neuronales analizados, el mejor modelo es el modelo forward debido a que se utilizan como variables predictoras el precio de apertura, precio de cierre, precio alto y precio bajo, lo que en cierto sentido lo hace. Las arquitecturas más robustas proporcionan mejores resultados. Dado que los resultados dinámicos materiales no son óptimos, se recomienda incluirlos en el análisis posterior del mismo tema.