Resumen

La predicción del mercado de valores es un tema desafiante para los inversores. En este documento, proponemos un modelo de predicción de precios de acciones basado en redes neuronales convolucionales (CNN) para validar la aplicabilidad de nuevos métodos de aprendizaje en los mercados de valores. Al aplicar CNN, se eligieron 9 indicadores técnicos como predictores del modelo de pronóstico, y los indicadores técnicos se convirtieron en imágenes del gráfico de series temporales. Para verificar la utilidad del aprendizaje profundo para el reconocimiento de imágenes en los mercados de valores, se compararon las precisiones predictivas del modelo propuesto con un modelo típico de red neuronal artificial (ANN) y un modelo de máquina de vectores de soporte (SVM). A partir de los resultados experimentales, podemos ver que CNN puede ser una opción deseable para construir modelos de predicción de acciones. Para examinar el rendimiento del método propuesto, se realizó un estudio empírico utilizando el índice S&P 500. Este estudio aborda dos problemas críticos con respecto al uso de CNN para la predicción de

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Mercado de valores; Modelo de predicción; Red neuronal convolucional; Indicadores técnicos; Aprendizaje profundo; S&P 500
• Keywords:Stock market; Prediction model; Convolutional neural network; Technical indicators; Deep learning; S&P 500