Predicción bursátil y análisis de eficiencia mediante redes neuronales recurrentes

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Stock Market Prediction and Efficiency Analysis using Recurrent Neural Network

Contenido del libro:

Memoria de proyecto del año 2018 en la asignatura Informática - Informática Técnica, curso: Informática, idioma: Inglés, resumen: El modelado y la predicción del mercado financiero han sido un tema atractivo para los estudiosos e investigadores de diversos campos académicos. El mercado financiero es un concepto abstracto en el que los productos financieros como acciones, bonos y metales preciosos son objeto de transacciones entre compradores y vendedores.

En el escenario actual del mundo de los mercados financieros, especialmente en el mercado bursátil, la previsión de la tendencia o el precio de las acciones mediante técnicas de aprendizaje automático y redes neuronales artificiales es el tema más atractivo que debe investigarse. Como explicó Giles, la previsión financiera es un ejemplo de problema de procesamiento de señales que resulta difícil debido al elevado ruido, el pequeño tamaño de la muestra, la no estacionariedad y la no linealidad. Las características ruidosas significan la brecha de información incompleta entre el precio y el volumen de negociación de las acciones en el pasado con un precio futuro.

El mercado de valores es sensible al entorno político y macroeconómico.

Sin embargo, estos dos tipos de información son demasiado complejos e inestables de recopilar. La información anterior que no puede incluirse en las características se considera ruido.

El tamaño de la muestra de datos financieros viene determinado por los registros de transacciones del mundo real. Por un lado, un mayor tamaño de la muestra se refiere a un período más largo de registros de transacciones; por otro, un gran tamaño de la muestra aumenta la incertidumbre del entorno financiero durante el 2 período de la muestra. En este proyecto, utilizamos datos bursátiles en lugar de datos diarios para reducir la probabilidad de ruido incierto y aumentar relativamente el tamaño de la muestra dentro de un determinado periodo de tiempo.

Por no estacionariedad se entiende que la distribución de los datos bursátiles varía con el tiempo. Por no linealidad se entiende que la correlación de características de las distintas acciones individuales es diversa. La hipótesis del mercado eficiente fue desarrollada por Burton G.

Malkiel en 1991.