000133768 001__ 133768
000133768 005__ 20240424142040.0
000133768 037__ $$aTAZ-TFM-2023-1117
000133768 041__ $$aeng
000133768 1001_ $$aAlmuzara Diarte, Raúl
000133768 24200 $$aPredictive methods in time series and machine learning of macroeconomic data
000133768 24500 $$aMétodos predictivos en series temporales y aprendizaje automático de datos macroeconómicos
000133768 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2023
000133768 500__ $$aCon la colaboración de la empresa StockFink.
000133768 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000133768 520__ $$aEste 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.<br /><br />
000133768 521__ $$aMáster Universitario en Modelización e Investigación Matemática, Estadística y Computación
000133768 540__ $$aDerechos regulados por licencia Creative Commons
000133768 700__ $$aFernández Martínez, Juan Luis$$edir.
000133768 700__ $$aFernández Brillet, Lucas$$edir.
000133768 7102_ $$aUniversidad de Zaragoza$$bMétodos Estadísticos$$cEstadística e Investigación Operativa
000133768 7202_ $$aAlcalá Nalvaiz, José Tomás$$eponente
000133768 8560_ $$f758136@unizar.es
000133768 8564_ $$s1808992$$uhttps://zaguan.unizar.es/record/133768/files/TAZ-TFM-2023-1117.pdf$$yMemoria (eng)
000133768 8564_ $$s917194$$uhttps://zaguan.unizar.es/record/133768/files/TAZ-TFM-2023-1117_ANE.pdf$$yAnexos (eng)
000133768 909CO $$ooai:zaguan.unizar.es:133768$$pdriver$$ptrabajos-fin-master
000133768 950__ $$a
000133768 951__ $$adeposita:2024-04-24
000133768 980__ $$aTAZ$$bTFM$$cCIEN
000133768 999__ $$a20230904204903.CREATION_DATE