Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/jspui/handle/123456789/3525
Title: Predicción de series de tiempo financieras mediante el uso de la red neuronal de retropropagación
Authors: Yerovi Vargas, Ramiro Alejandro
metadata.dc.contributor.advisor: Moncada Mora, Luis Fabián
Keywords: Mercado bursátil
Inteligencia Artificial
Redes neuronales
Economía - Tesis
metadata.dc.date.available: 2012-08-23
Issue Date: 2012
Citation: Yerovi Vargas Ramiro Alejandro. (2012). Predicción de series de tiempo financieras mediante el uso de la red neuronal de retropropagación. (Tesis de Economista). Quito. pp. 112.
Description: Para el desarrollo del trabajo se ha utilizado series de tiempo de los índices más relevantes de cada continente que son: Dow Jones (América), Nikkei 225 (Asia), FTSE 100 (Europa). Además se ha utilizado información proporcionada por la Bolsa de Valores de Quito sobre el precio al cierre de las acciones de la Corporación Favorita C.A. para tener un panorama local e internacional del mercado financiero. Para el análisis de las series se ha utilizado el algoritmo de Red Neuronal de Retropropagación que es un método bastante nuevo desarrollado a lo largo de la década de los noventa, desde los perceptrones de Rosenblatt al algoritmo de McCulloch-Pitts hasta la forma actual de las redes desarrolladas por Rumelhart, Hinton, y Williams. El método de redes neuronales es un poderoso método clasificatorio y de predicción que se ha convertido en uno de los más utilizados actualmente para predicción y análisis de datos. Se ha utilizado la red neuronal de retropropagación para predecir valores de las series de tiempo a 30 días, obteniendo resultados comparables con otros métodos econométricos como Box Jenkins.
metadata.dc.identifier.other: 332X710
URI: http://dspace.utpl.edu.ec/handle/123456789/3525
metadata.dc.rights: openAccess
metadata.dc.type: bachelorThesis
Appears in Collections:Economísta

Files in This Item:
File Description SizeFormat 
tesis.pdf1.27 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools