000154583 001__ 154583 000154583 005__ 20250513101703.0 000154583 037__ $$aTAZ-TFG-2023-4709 000154583 041__ $$aspa 000154583 1001_ $$aMatis Girda, Razvan Andrei 000154583 24200 $$aStock Market Price Prediction 000154583 24500 $$aPredicción de precios en el mercado de valores 000154583 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2023 000154583 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000154583 520__ $$aEl propósito de este Trabajo de Fin de Grado (TFG) consiste en predecir de la manera más ajustada posible los precios de las acciones en el mercado financiero. Para ello, se han escogido tres empresas sobre las que se realizarán dichas predicciones: Apple, Amazon y Google.<br />En primer lugar, se ha desarrollado un modelo utilizando redes neuronales LSTM (Long Short-Term Memory), que destaca por su capacidad para capturar patrones en series temporales financieras. En segundo lugar, se ha explorado la plataforma H2O, haciendo uso de los modelos predefinidos de Deep Learning que proporciona, para evaluar cómo esta tecnología especializada impacta en la capacidad predictiva.<br />Por último, se ha llevado a cabo una comparación de ambos enfoques, analizando no sólo la precisión de las predicciones, sino también la capacidad de generalización de los modelos a situaciones del mundo real.<br /><br /> 000154583 521__ $$aGraduado en Ingeniería Informática 000154583 540__ $$aDerechos regulados por licencia Creative Commons 000154583 700__ $$aPiedad Garrido, María$$edir. 000154583 7102_ $$aUniversidad de Zaragoza$$b $$c 000154583 8560_ $$f776026@unizar.es 000154583 8564_ $$s3878716$$uhttps://zaguan.unizar.es/record/154583/files/TAZ-TFG-2023-4709.pdf$$yMemoria (spa) 000154583 909CO $$ooai:zaguan.unizar.es:154583$$pdriver$$ptrabajos-fin-grado 000154583 950__ $$a 000154583 951__ $$adeposita:2025-05-13 000154583 980__ $$aTAZ$$bTFG$$cPOLTER 000154583 999__ $$a20231203171159.CREATION_DATE