[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-122770-es":3,"doc-seo-122770-110":31,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},122770,962084925636,"Olivia Brown","https://ap-avatar.wpscdn.com/davatar_994ba38a5ba835b3df7d355c54d3ed8d",41,"Investigación e Informes","PREDICCIÓN DE PRECIOS DE ACTIVOS FINANCIEROS EMPLEANDO APRENDIZAJE AUTOMÁTICO - Trabajo de Fin de Máster","Predicción de precios de activos financieros mediante aprendizaje automático en el marco de un Trabajo de Fin de Máster. El documento define objetivos e hipótesis, revisa el estado del arte y desarrolla una metodología basada en selección de datos, preprocesamiento y entrenamiento de modelos. Se emplean técnicas como regresión lineal, máquinas de vectores soporte y redes neuronales RNN (LSTM y GRU), con evaluación comparativa. Incluye análisis exploratorio, diseño de modelos, métricas de desempeño y discusión final a través de resultados y comparación entre activos y variantes de datos.","Facultad  \nde  \nCiencias  \nPREDICCI ´ON DE PRECIOS DE ACTIVOS FINANCIEROSEMPLEANDO APRENDIZAJEAUTOM ´ATICO  \n(FINANCIAL ASSET PRICE PREDICTION USING MACHINE  \nLEARNING)  \nTrabajo de Fin de M´aster  \npara acceder al  \nM´ASTER INTERUNIVERSITARIO (UC-UIMP) EN  \nDATA SCIENCE  \nAutor: Samuel Valer Nasta  \nDirector: Diego Garc´ıa Saiz  \nCo-director: Carlos L´opez Guti´errez Junio-2023  \n´Indice  \n1. Introducci´on 6  \n1.1. Objetivos e hip´otesis ........................... 6  \n1.2. Estructura del documento ........................ 6  \n2. Estado del arte 7  \n2.1. Contexto y motivaci´on .......................... 8  \n2.2. T´ecnicas y m´etodos de inteligencia artificial para la predicci´on deprecios ................................... 10  \n3. Metodolog´ıa 12  \n3.1. Software empleado ............................ 13  \n3.2. Selecci´on de datos ............................. 13  \n3.3. Preprocesamiento de los datos ...................... 15  \n3.4. Algoritmos de aprendizaje autom´atico empleados ........... 15  \n3.4.1. Regresi´on lineal .......................... 15  \n3.4.2. M´aquinas de vector soporte para la regresi´on .......... 16  \n3.4.3. Redes neuronales RNN (LSTM y GRU) ............ 16  \n3.5. Entrenamiento de modelos ........................ 18  \n3.6. Evaluaci´on de los modelos ........................ 18  \n4. Trabajo realizado 19  \n4.1. An´alisis exploratorio de los datos .................... 19  \n4.1.1. Hist´orico de precios ........................ 20  \n4.1.2. ´Indice de volatilidad ....................... 22  \n4.2. Datos de entrenamiento y evaluaci´on .................. 23  \n4.3. Proceso de dise˜no de los modelos .................... 23  \n4.3.1. Regresi´on Lineal ......................... 24  \n4.3.2. M´aquinas de vector soporte para la regresi´on .......... 24  \n4.3.3. Redes neuronales ......................... 25  \n4.4. Resultados de la evaluaci´on de los modelos ............... 28  \n4.4.1. Regresi´on Lineal ......................... 29  \n4.4.2. M´aquinas de vector soporte para la regresi´on .......... 32  \n4.4.3. Redes neuronales ......................... 35  \n4.5. Comparaci´on de resultados ........................ 43  \n4.5.1. Variantes de datos ........................ 43  \n4.5.2. Modelos .............................. 44  \n4.5.3. Activos .............................. 45  \n5. Conclusiones 46  \n6. L´ıneas futuras 47  \n7. Bibliograf´ıa 48  \n7.1. Documentos ................................ 48  \nIm´agenes  \n 1 Ciclo de un proyecto de ciencia de datos: Gr´afico obtenido del art´ıculo [1] .  \n 2 Gr´afico de l´ıneas: Gr´afico de l´ıneas con los precios de diferentes activos financieros creado empleando Python y librer´ıas de representaci´on gr´afica.  \n 3 Gr´afico de volatilidad agrupada cada 10 d´ıas: Gr´afico de l´ıneas con los´ındices de volatilidad de cada activo financiero agrupados en ventanas de 10 d´ıas creado empleando Python y librer´ıas de representaci´on gr´afica.  \n 4 Gr´afico con las predicciones del modelo de Regresi´on Lineal sobre los conjuntos de test: creado empleando Python y librer´ıas de representaci´on gr´afica  \n 5 Gr´afico con las predicciones en cadena de los siguientes 10 d´ıas usando Regresi´on Lineal: creado empleando Python y librer´ıas de representaci´on gr´afica.  \n 6 Gr´afico con las predicciones del modelo M´aquinas de vector soporte para laregresi´on sobre los conjuntos de test: creado empleando Python y librer´ıas de representaci´on gr´afica  \n 7 Gr´afico con las predicciones en cadena de los siguientes 10 d´ıas usando M´aquinas de vector soporte para la regresi´on: creado empleando Python y librer´ıas de representaci´on gr´afica.  \n 8 Gr´afico con las predicciones del modelo que emplea redes neuronales de tipo LSTM sobre los conjuntos de test: creado empleando Python y librer´ıas de representaci´on gr´afica  \n 9 Gr´afico con las predicciones en cadena de los siguientes 10 d´ıas usando redes neuronales de tipo LSTM: creado empleando Python y librer´ıas de representaci´on gr´afica.  \n 10 Gr´afico con","cbCaio3YzYdIMK0c","https://ap.wps.com/l/cbCaio3YzYdIMK0c","pdf",2181930,4,1,51,"Spanish","es",110,"# Introducción\n## Objetivos e hipótesis\n## Estructura del documento\n# Estado del arte\n## Contexto y motivación\n## Técnicas y métodos de inteligencia artificial para la predicción de precios\n# Metodología\n## Software empleado\n## Selección de datos\n## Preprocesamiento de los datos\n## Algoritmos de aprendizaje automático empleados\n### Regresión lineal\n### Máquinas de vector soporte para la regresión\n### Redes neuronales RNN (LSTM y GRU)\n## Entrenamiento de modelos\n## Evaluación de los modelos\n# Trabajo realizado\n## Análisis exploratorio de los datos\n### Histórico de precios\n### Índice de volatilidad\n## Datos de entrenamiento y evaluación\n## Proceso de diseño de los modelos\n### Regresión Lineal\n### Máquinas de vector soporte para la regresión\n### Redes neuronales\n## Resultados de la evaluación de los modelos\n### Regresión Lineal\n### Máquinas de vector soporte para la regresión\n### Redes neuronales\n## Comparación de resultados\n### Variantes de datos\n### Modelos\n### Activos\n# Conclusiones\n# Líneas futuras\n# Bibliografía","[{\"question\":\"Qué modelos de aprendizaje automático se utilizan para la predicción de precios?\",\"answer\":\"Se emplean regresión lineal, máquinas de vector soporte para la regresión y redes neuronales RNN en variantes LSTM y GRU. También se consideran combinaciones como LSTM y GRU para comparar resultados.\"},{\"question\":\"Cómo se prepara y selecciona la información antes del entrenamiento?\",\"answer\":\"El documento contempla selección de datos y preprocesamiento, además de un análisis exploratorio con histórico de precios e índice de volatilidad. Con esto se determinan los conjuntos de entrenamiento y evaluación.\"},{\"question\":\"Qué enfoque se sigue para evaluar y comparar el rendimiento de los modelos?\",\"answer\":\"Se realiza evaluación de modelos con métricas sobre conjuntos de test y también mediante predicción en cadena de los próximos 10 días. Posteriormente se comparan resultados por variantes de datos, modelos y activos.\"}]","PREDICCIÓN DE PRECIOS DE ACTIVOS FINANCIEROS EMPLEANDO APRENDIZAJE AUTOMÁTICO - Trabajo de Fin de Máster | PDF",1785812805,79,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"financial-asset-price-prediction-using-machine-learning-masters-thesis","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,52],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":51},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":53,"name":13,"@type":44,"position":20},"https://docshare.wps.com/es/document/financial-asset-price-prediction-using-machine-learning-masters-thesis/122770/",{"url":53,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-16","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Qué modelos de aprendizaje automático se utilizan para la predicción de precios?","Question",{"text":76,"@type":77},"Se emplean regresión lineal, máquinas de vector soporte para la regresión y redes neuronales RNN en variantes LSTM y GRU. También se consideran combinaciones como LSTM y GRU para comparar resultados.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Cómo se prepara y selecciona la información antes del entrenamiento?",{"text":81,"@type":77},"El documento contempla selección de datos y preprocesamiento, además de un análisis exploratorio con histórico de precios e índice de volatilidad. Con esto se determinan los conjuntos de entrenamiento y evaluación.",{"name":83,"@type":74,"acceptedAnswer":84},"Qué enfoque se sigue para evaluar y comparar el rendimiento de los modelos?",{"text":85,"@type":77},"Se realiza evaluación de modelos con métricas sobre conjuntos de test y también mediante predicción en cadena de los próximos 10 días. Posteriormente se comparan resultados por variantes de datos, modelos y activos.","https://schema.org",{"og:url":53,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":53},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":47,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]