Este estudio intenta predecir los precios de los índices bursátiles utilizando análisis de series temporales multivariadas. La motivación del estudio se basa en la idea de que los conjuntos de datos de los precios de los índices bursátiles involucran patrones periódicos débiles, información a largo plazo y a corto plazo, para los cuales enfoques tradicionales y redes neuronales actuales como los modelos autorregresivos y la Máquina de Vectores de Soporte (SVM) pueden fallar. Este estudio aplicó la Atención de Patrones Temporales y la Memoria a Largo y Corto Plazo (TPA-LSTM) para la predicción con el fin de superar el problema. Los resultados muestran que la predicción de los precios de los índices bursátiles a través del algoritmo TPA-LSTM podría lograr un mejor rendimiento de predicción que las redes neuronales profundas tradicionales, como la red neuronal recurrente (RNN), la red neuronal convolucional (CNN) y la red de series temporales a largo y corto
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Software:
Electrochemical Cells PRO
Cartilla:
Multimedia educativa
Artículo:
Aplicación de control estadístico de procesos para detectar el cumplimiento de buenas prácticas farmacéuticas
Artículo:
Gestión de la innovación en la educación a distancia
Artículo:
Evaluación del rendimiento de métodos de segmentación basados en contornos para imágenes de ultrasonido.
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones