Resumen

El Internet de las cosas (IoT) juega un papel importante en el sector financiero en las últimas décadas, ya que varios modelos de predicción de acciones pueden realizarse con precisión según los servicios basados en IoT. En aplicaciones en tiempo real, la precisión de la predicción de la fluctuación del precio de las acciones es muy importante para los inversores, y les ayuda a gestionar mejor sus fondos al formular estrategias comerciales. Siempre ha sido un objetivo y un problema difícil para los investigadores financieros utilizar herramientas predictivas para obtener valores predichos más cercanos a los valores reales de un conjunto de datos financieros dado. Los indicadores líderes como los futuros y las opciones pueden reflejar cambios en muchos mercados, como la prosperidad de la industria. Agregar el conjunto de datos de indicadores líderes puede predecir bien la tendencia de los precios de las acciones. En esta investigación, se propone una estrategia comercial para encontrar señales de compra y venta de acciones que combina redes neuronales de memoria a largo plazo con algoritmos genéticos. Este nuevo marco se llama red neuronal de memoria a largo plazo con índice líder, o LSTMLI por sus siglas. Por lo tanto, tomamos los mercados de valores de Estados Unidos y Taiwán como objetos de investigación y utilizamos datos históricos, futuros y opciones como conjuntos de datos para predecir los precios de las acciones de estos dos mercados. Después de eso, utilizamos algoritmos genéticos para encontrar señales comerciales para el sistema de comercio de acciones diseñado. Los resultados experimentales muestran que el sistema de comercio de acciones propuesto en esta investigación puede ayudar a los inversores a obtener ciertos rendimientos.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Internet de las cosas; Modelos de predicción bursátil; Sector financiero; Estrategias de negociación; Herramientas de predicción; Cotizaciones bursátiles
• Keywords:Internet of things; Stock prediction models; Financial sector; Trading strategies; Predictive tools; Stock prices