DMAF - Trabajos de fin de Maestría en Ciencia de Datos

URI permanente para esta colección

Mostrando 1 - 1 de 1

Predicción de cambio de precio en mercados bursátiles mediante el uso de modelado predictivo para series de tiempo
(ITESO, 2024-06) Caloca-Gómez, Carlos; Muñoz-Elguezábal, Juan F.
En el contexto actual de los mercados bursátiles, la capacidad de predicción a tiempo y con precisión de las fluctuaciones de precios en los distintos activos es de suma importancia para la toma de decisiones. Este proyecto se enfoca en el desarrollo de un sistema de modelado predictivo utilizando técnicas de ciencia de datos para pronosticar los movimientos del precio. Se utilizan datos históricos de velas de transacciones de criptomoneda Ether, los registros son por hora y el periodo de tiempo es desde enero 2023 hasta octubre 2023. El objetivo del trabajo es desarrollar un proceso de modelado predictivo capaz de estimar variacioónes en los precios para determinar el cambio de signo de la variable objetivo. La metodología propuesta incluye la evaluación de modelos de clasificación como perceptrón multicapa y regresión logística, ajuste de hiperparámetros para mejorar la precisión de los modelos. Se utilizan métricas como exactitud, precisión, sensibilidad, valor F1 y área bajo la curva ROC para comparar los resultados de las predicciones. Se busca que este proyecto contribuya a la aplicación de técnicas de ciencia de datos en el campo financiero.