Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/107367
Título : | A comparison between LSTM and Facebook Prophet models: a financial forecasting case study |
Autoría: | González Mata, Alejandro |
Tutor: | Isern, David |
Otros: | Ventura, Carles |
Resumen : | La predicción de activos financieros es una de las principales aplicaciones del aprendizaje automático y las redes neuronales. En concreto, las redes basadas en Long Short-Term Memory (LSTM) han demostrado ser especialmente útiles en este campo y en otros problemas de series temporales. Por el contrario, se ha investigado menos sobre la idoneidad y el rendimiento del modelo Facebook Prophet, basado en el modelo aditivo y que es capaz de unir tendencias no lineales con estacionalidades configurables. Este proyecto buscaba construir y comparar dos modelos: uno basado en una red neuronal LSTM y el otro basado en el algoritmo Prophet, para así analizar cuál de los dos actuaba mejor como predictor, en concreto sobre el precio del índice bursátil S & P500. Para comparar estos modelos un módulo de simulación de trading fue implementado y utilizado como plataforma de backtesting, mediante el cual, los modelos pudieran poner en práctica sus predicciones y así determinar su rendimiento económico. Tras el análisis de los modelos, se concluyó que la LSTM lograba mejores resultados y actuaba como un predictor decente en comparación con otras estrategias de trading sencillas. El modelo Prophet también tenía retornos de inversión positivos, pero era menos robusto como predictor. Aparte, el proyecto ha demostrado la utilidad de hacer uso de una plataforma de backtesting en cualquier tarea de predicción financiera, ya que ayuda a detectar asimetrías entre el rendimiento de un modelo durante la fase de test del algoritmo y el posterior rendimiento del modelo en un entorno de trading simulado. |
Palabras clave : | LSTM Facebook Prophet previsión financiera |
Tipo de documento: | info:eu-repo/semantics/bachelorThesis |
Fecha de publicación : | ene-2020 |
Licencia de publicación: | http://creativecommons.org/licenses/by/3.0/es/ |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
agonzalez_mataTFG0120memory.pdf | Memory of TFG | 1,44 MB | Adobe PDF | Visualizar/Abrir |
agonzalez_mataTFG0120presentation.pdf | Presentation of TFG | 309 kB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons