Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles

La presente investigación tiene como objetivo principal combinar el uso de análisis factorial con el modelado de series temporales financieras. Se analizan, 30 cotizaciones de bolsa pertenecientes al IBEX 35. En primer lugar, se reduce la dimensión de las variables a través del análisis factorial. E...

Descripción completa

Detalles Bibliográficos
Autor: Mendoza Larrañaga, Jose Antonio
Tipo de recurso: tesis de maestría
Fecha de publicación:2024
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/110207
Acceso en línea:https://hdl.handle.net/20.500.14352/110207
Access Level:acceso abierto
Palabra clave:004.8
519.2
519.246.8
336.76
Series Temporales
Cotizaciones Bursátiles
Análisis Factorial
Machine Learning
Modelos predictivos
Inteligencia artificial (Informática)
Estadística
Mercados bursátiles y financieros
1209 Estadística
1209.15 Series Temporales
1203.04 Inteligencia Artificial
1209.03 Análisis de Datos
id ES_462fd7bcf756f485da5897e7c3161f2e
oai_identifier_str oai:docta.ucm.es:20.500.14352/110207
network_acronym_str ES
network_name_str España
repository_id_str
spelling Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátilesMendoza Larrañaga, Jose Antonio004.8519.2519.246.8336.76Series TemporalesCotizaciones BursátilesAnálisis FactorialMachine LearningModelos predictivosInteligencia artificial (Informática)EstadísticaMercados bursátiles y financieros1209 Estadística1209.15 Series Temporales1203.04 Inteligencia Artificial1209.03 Análisis de DatosLa presente investigación tiene como objetivo principal combinar el uso de análisis factorial con el modelado de series temporales financieras. Se analizan, 30 cotizaciones de bolsa pertenecientes al IBEX 35. En primer lugar, se reduce la dimensión de las variables a través del análisis factorial. En segundo lugar, se implementan modelos de series temporales (ARIMA, Suavizado, GARCH y Random Forest Autorregresivo) sobre los factores extraídos previamente. Las predicciones obtenidas a partir del mejor modelo permiten aportar una visión futura de cada uno de los sectores asociados a los factores. Adicionalmente, para obtener las predicciones de las cotizaciones originales, se deshace la transformación factorial. A partir de ellas, se realiza una estrategia de inversión que ofrece una rentabilidad cuatro veces superior a la estrategia base (invertir en todas las empresas).Alonso Revenga, Juana MaríaUniversidad Complutense de Madrid20242024-06-0120242024-06-01master thesishttp://purl.org/coar/resource_type/c_bdccAOhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/110207reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/1102072026-06-02T12:44:21Z
dc.title.none.fl_str_mv Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
title Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
spellingShingle Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
Mendoza Larrañaga, Jose Antonio
004.8
519.2
519.246.8
336.76
Series Temporales
Cotizaciones Bursátiles
Análisis Factorial
Machine Learning
Modelos predictivos
Inteligencia artificial (Informática)
Estadística
Mercados bursátiles y financieros
1209 Estadística
1209.15 Series Temporales
1203.04 Inteligencia Artificial
1209.03 Análisis de Datos
title_short Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
title_full Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
title_fullStr Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
title_full_unstemmed Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
title_sort Integración de análisis factorial y modelos de “Machine Learning” en el pronóstico de cotizaciones bursátiles
dc.creator.none.fl_str_mv Mendoza Larrañaga, Jose Antonio
author Mendoza Larrañaga, Jose Antonio
author_facet Mendoza Larrañaga, Jose Antonio
author_role author
dc.contributor.none.fl_str_mv Alonso Revenga, Juana María
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 004.8
519.2
519.246.8
336.76
Series Temporales
Cotizaciones Bursátiles
Análisis Factorial
Machine Learning
Modelos predictivos
Inteligencia artificial (Informática)
Estadística
Mercados bursátiles y financieros
1209 Estadística
1209.15 Series Temporales
1203.04 Inteligencia Artificial
1209.03 Análisis de Datos
topic 004.8
519.2
519.246.8
336.76
Series Temporales
Cotizaciones Bursátiles
Análisis Factorial
Machine Learning
Modelos predictivos
Inteligencia artificial (Informática)
Estadística
Mercados bursátiles y financieros
1209 Estadística
1209.15 Series Temporales
1203.04 Inteligencia Artificial
1209.03 Análisis de Datos
description La presente investigación tiene como objetivo principal combinar el uso de análisis factorial con el modelado de series temporales financieras. Se analizan, 30 cotizaciones de bolsa pertenecientes al IBEX 35. En primer lugar, se reduce la dimensión de las variables a través del análisis factorial. En segundo lugar, se implementan modelos de series temporales (ARIMA, Suavizado, GARCH y Random Forest Autorregresivo) sobre los factores extraídos previamente. Las predicciones obtenidas a partir del mejor modelo permiten aportar una visión futura de cada uno de los sectores asociados a los factores. Adicionalmente, para obtener las predicciones de las cotizaciones originales, se deshace la transformación factorial. A partir de ellas, se realiza una estrategia de inversión que ofrece una rentabilidad cuatro veces superior a la estrategia base (invertir en todas las empresas).
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-06-01
2024
2024-06-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
AO
http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/110207
url https://hdl.handle.net/20.500.14352/110207
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869407211638226944
score 15.812429

Similares en LA Referencia