Ítem
Acceso Abierto

Adaptación de una red neuronal para la negociación en el mercado de divisas

Mostrar el registro sencillo de la publicación
dc.contributor.advisorRamírez Jaime, Hugo Eduardo
dc.creatorFonseca Lemus, Darwin Javier
dc.creator.degreeMagíster en Finanzas Cuantitativasspa
dc.date.accessioned2018-08-24T21:53:22Z
dc.date.available2018-08-24T21:53:22Z
dc.date.created2018-08-16
dc.date.issued2018
dc.descriptionEn esta tesis se exploran varias técnicas de machine learning, las cuales son aplicadas al problema de decisión de inversión. Se utilizan una serie de indicadores de análisis técnico como entradas de una red neuronal, entrenada para determinar con cada vector de entrada una señal de compra, venta o permanencia. Asimismo, mediante la aplicación de un algoritmo genético se optimiza la estructura de la red con el fin de determinar su profundidad adecuada. Con este trabajo, se establecen algunas bases para realizar distintos estudios empíricos que mejoren y profundicen las temáticas desarrolladas.spa
dc.description.abstractIn this thesis, several machine learning techniques are explored and applied to the investment decision problem. Some indicators of technical analysis are used as inputs of a neural network which is trained to determine, with each input vector, a buy, sell or hold signal. Likewise, the structure of the network is optimized by applying a genetic algorithm, in order to determine its adequate depth. With this work, some bases are established to perform different empirical studies that improve and deepen the analyzed topics.spa
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_18361
dc.identifier.urihttp://repository.urosario.edu.co/handle/10336/18361
dc.language.isospa
dc.publisherUniversidad del Rosariospa
dc.publisher.departmentFacultad de Economíaspa
dc.publisher.programMaestría en Finanzas Cuantitativasspa
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.spa
dc.source.bibliographicCitationAlander, J. T. On optimal population size of genetic algorithms. In 1992 Proceedings Computer Systems and Software Engineering (1992), IEEE, pp. 65-70.spa
dc.source.bibliographicCitationAlexandridis, A. K., and Zapranis, A. D. Wavelet neural networks: with applications in nancial engineering, chaos, and classi fication. John Wiley & Sons, 2014.spa
dc.source.bibliographicCitationBlau, W. Momentum, direction, and divergence, vol. 5. John Wiley & Sons, 1995.spa
dc.source.bibliographicCitationBrabazon, A., and O'Neill, M. Natural computing in computational nance, vol. 100. Springer Science & Business Media, 2011.spa
dc.source.bibliographicCitationDunis, C. L., Middleton, P. W., Karathanasopolous, A., and Theofilatos, K. Arti cial Intelligence in Financial Markets: Cutting Edge Applications for Risk Management, Portfolio Optimization and Economics. Springer, 2016.spa
dc.source.bibliographicCitationEdwards, R. D., Magee, J., and Bassetti, W. C. Technical analysis of stock trends. CRC press, 2007.spa
dc.source.bibliographicCitationGoldberg, D. E., and Holland, J. H. Genetic algorithms and machine learning. Machine learning 3, 2 (1988), 95-99.spa
dc.source.bibliographicCitationGraupe, D. Principles of arti cial neural networks, vol. 6. World Scienti c, 2007.spa
dc.source.bibliographicCitationIdler, C. Pattern recognition and machine learning techniques for algorithmic trading. PhD thesis, MA thesis, FernUniversit at, Hagen, Germany, 2014.spa
dc.source.bibliographicCitationJingTao, Y., and Tan, C. L. Guidelines for nancial forecasting with neural networks. In Int. Conf. Neural Information Processing, Shanghai, China (2001), Citeseer.spa
dc.source.bibliographicCitationJohnson, B. Algorithmic Trading & DMA: An introduction to direct access trading strategies, vol. 200. 4Myeloma Press London, 2010.spa
dc.source.bibliographicCitationKantartzis, I., and Papakostas, A. Las ondas del éxito. TRADERSA' 04 (2016), 38-41.spa
dc.source.bibliographicCitationLeardi, R. Nature-inspired methods in chemometrics: genetic algorithms and arti cial neural networks, vol. 23. Elsevier, 2003.spa
dc.source.bibliographicCitationLo, A. W. Reconciling efficient markets with behavioral finance: the adaptive markets hypothesis.spa
dc.source.bibliographicCitationMostafa, E. H., Mohammed, E. H., and Abderrahim, E. A. Minimization of value at risk of fi nancial assets portfolio using genetic algorithms and neural networks. Journal of Applied Finance & Banking 6, 2 (2016).spa
dc.source.bibliographicCitationMurphy, J. J. Análisis Técnico De Los Mercados Financieros (Sin colección). 2000.spa
dc.source.bibliographicCitationPring, M. J. Martin Pring's Introduction to Technical Analysis. McGraw-Hill Education, 2015.spa
dc.source.bibliographicCitationRumelhart, D. E., Hinton, G. E., and Williams, R. J. Learning internal representations by error propagation. Tech. rep., California Univ San Diego La Jolla Inst for Cognitive Science, 1985.spa
dc.source.bibliographicCitationThinyane, H., and Millin, J. An investigation into the use of intelligent systems for currency trading. Computational Economics 37, 4 (2011), 363-374.spa
dc.source.bibliographicCitationZavadskaya, A., et al. Arti cial intelligence in fi nance: Forecasting stock market returns using arti ficial neural networks (available on internet).spa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocURspa
dc.subjectInteligencia artificialspa
dc.subjectMachine learningspa
dc.subjectRed neuronal artificialspa
dc.subjectAlgoritmo genéticospa
dc.subjectPerceptronspa
dc.subjectAnálisis técnicospa
dc.subjectReglas de decisiónspa
dc.subject.ddcMétodos especiales de computaciónspa
dc.subject.keywordArtificial intelligencespa
dc.subject.keywordMachine learningspa
dc.subject.keywordArtificial neural networkspa
dc.subject.keywordGenetic algorithmspa
dc.subject.keywordPerceptronspa
dc.subject.keywordTechnical analysisspa
dc.subject.keywordDecision rulesspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembAprendizaje automático (Inteligencia artificial)spa
dc.titleAdaptación de una red neuronal para la negociación en el mercado de divisasspa
dc.typemasterThesiseng
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTesis de maestríaspa
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
FonsecaLemus-DarwinJavier-2018.pdf
Tamaño:
1.19 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Finanzas Cuantitativas