TAZ-TFM-2023-1117

Métodos predictivos en series temporales y aprendizaje automático de datos macroeconómicos

Almuzara Diarte, Raúl
Fernández Martínez, Juan Luis (dir.) ; Fernández Brillet, Lucas (dir.)

Alcalá Nalvaiz, José Tomás (ponente)

Universidad de Zaragoza, CIEN, 2023
Departamento de Métodos Estadísticos, Área de Estadística e Investigación Operativa

Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación

Resumen: Este trabajo trata sobre la modelización estadística de series temporales de precios para realizar predicciones. En primer lugar, se presenta un apartado de preliminares que incluye un resumen de aspectos generales de las series temporales, elementos económicos fundamentales del mercado de valores y particularidades de las series temporales financieras. Seguidamente, se presenta la metodología que seguiremos. Después, se muestra la serie principal de precios diarios de cierre de una empresa y otras covariables adicionales que reflejan información económica externa para intentar incrementar el poder predictivo. Tras ello, se describe el funcionamiento y la implementación de los modelos de Holt-Winters, Prophet y SARIMA en Python. El objetivo es desarrollar implementaciones que permitan reentrenar los modelos día tras día para realizar predicciones sucesivas del día siguiente aprovechando la información más reciente en cada momento. De esta forma, podemos simular los resultados que se obtendrían en un entorno real de inversión a lo largo de un año y desarrollar estrategias de predicción para el futuro. Se exploran diferentes configuraciones de modelos para optimizarlos y se evalúan los resultados con las pertinentes métricas. Finalmente, se describen las principales vías de investigación futura y se discute la significación de los resultados.