Risk analysis of stocks markets by a merged unsupervised model, time evolution comparison, and optimization / Gissela Estefania Pilliza Chicaiza; tutor Oscar Guillermo Chang Tortolero
Tipo de material:
TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2020Descripción: 48 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información) Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020 Resumen: El objetivo del presente estudio comparativo fue determinar que algoritmo del tipo mapas auto organizados (SOM) se adapta mejor al agrupar empresas del ı́ndice financiero SPLatinAmerica40. Este trabajo buscó un punto de convergencia entre la inteligencia artificial (AI) y la economı́a, ya que a pesar del aumento del uso de AI, en finanzas no ha aplicado sino en los últimos años. Para cualquier nación, los mercados bursátiles representan un factor potencial para su crecimiento económico, ya que son un motor financiero que genera ingresos a partir del dinero producido por la fuerza industrial de los paı́ses. Para comenzar la investigación está enfocada en establecer la mejor arquitectura SOM para el tratamiento del mercado de valores a través de la revisión literaria. Después se procedió a la extracción de datos históricos del ı́ndice financiero seleccionado del año 2014 al 2019, usando la plataforma de Yahoo Finance. Luego se realizó un pre-procesamiento de datos mediante un algoritmo de cohesión. La ISOMSP40 es el nombre del método SOM propuesto en este trabajo y utiliza una combinación adecuada de arquitectura hexagonal y función de vecindad basada en la distancia de Manhattan. En adición otros dos métodos, denominados SOM IBEX35 y SOM NYSE, se probaron bajo las mismas condiciones comparando sus métricas y determinando el mejor algoritmo para el conjunto de datos SP Latin America 40. El estudio usó como referencia a las 9 compañı́as con mayores ganancias en el ı́ndice bursátil. El riesgo de inversión se analizó principalmente con las métricas de correlación de densidad de ganancias, área industrial y geográfica detectadas con una tasa de éxito del 80%. También se verificó la correcta agrupación en un análisis de frecuencia de tiempo desarrollado con las 6 principales compañı́as durante el mismo perı́odo de la data. El tiempo de ejecución en el método ISOMSP40 también mejoró en aproximadamente dos cifras significativas teniendo 5, 79E01(s) como tiempo de ejecución mı́nimo en contraste con los otros dos modelos. Es ası́ que se logró establecer que el algoritmo ISOMSP40 propuesto muestra un mejor rendimiento para el mercado bursátil al que se apuntó y que los experimentos comparativos de las diferentes métricas demostraron una eficiente adaptación para el ı́ndice SPLatinAmerica40alcanzando ası́ el objetivo principal.
| Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|---|
Tesis
|
Biblioteca Yachay Tech | ECMC0046 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000085 |
Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información) Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020
Incluye referencias bibliográficas (páginas 39-40)
Texto de integración curricular con acceso abierto
Texto (Hypertexto Links)
El objetivo del presente estudio comparativo fue determinar que algoritmo del tipo mapas auto organizados (SOM) se adapta mejor al agrupar empresas del ı́ndice financiero SPLatinAmerica40. Este trabajo buscó un punto de convergencia entre la inteligencia artificial (AI) y la economı́a, ya que a pesar del aumento del uso de AI, en finanzas no ha aplicado sino en los últimos años. Para cualquier nación, los mercados bursátiles representan un factor potencial para su crecimiento económico, ya que son un motor financiero que genera ingresos a partir del dinero producido por la fuerza industrial de los paı́ses. Para comenzar la investigación está enfocada en establecer la mejor arquitectura SOM para el tratamiento del mercado de valores a través de la revisión literaria. Después se procedió a la extracción de datos históricos del ı́ndice financiero seleccionado del año 2014 al 2019, usando la plataforma de Yahoo Finance. Luego se realizó un pre-procesamiento de datos mediante un algoritmo de cohesión. La ISOMSP40 es el nombre del método SOM propuesto en este trabajo y utiliza una combinación adecuada de arquitectura hexagonal y función de vecindad basada en la distancia de Manhattan. En adición otros dos métodos, denominados SOM IBEX35 y SOM NYSE, se probaron bajo las mismas condiciones comparando sus métricas y determinando el mejor algoritmo para el conjunto de datos SP Latin America 40. El estudio usó como referencia a las 9 compañı́as con mayores ganancias en el ı́ndice bursátil. El riesgo de inversión se analizó principalmente con las métricas de correlación de densidad de ganancias, área industrial y geográfica detectadas con una tasa de éxito del 80%. También se verificó la correcta agrupación en un análisis de frecuencia de tiempo desarrollado con las 6 principales compañı́as durante el mismo perı́odo de la data. El tiempo de ejecución en el método ISOMSP40 también mejoró en aproximadamente dos cifras significativas teniendo 5, 79E01(s) como tiempo de ejecución mı́nimo en contraste con los otros dos modelos. Es ası́ que se logró establecer que el algoritmo ISOMSP40 propuesto muestra un mejor rendimiento para el mercado bursátil al que se apuntó y que los experimentos comparativos de las diferentes métricas demostraron una eficiente adaptación para el ı́ndice SPLatinAmerica40alcanzando ası́ el objetivo principal.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.