Resumen

Para este artículo se ha utilizado un método de aprendizaje automático de  bosques aleatorios para predecir la dirección de los precios de las acciones de los fondos cotizados de energía limpia. Para los horizontes de previsión de 20 días, los métodos de embolsamiento de árboles y bosques aleatorios producen tasas de precisión de entre el 85% y el 90 % mientras que los modelos logit producen tasas de entre el 55% y el 60%. El cambio climático, el consumo verde, la seguridad energética y la inversión tecnológica son algunos de los intereses que tienen las empresas de energías limpias para invertir y este modelo les permite una mejor comprensión de cómo predecir los precios de las acciones de energías limpias futuras.

• Materias:Bosques Energía limpia Inversiones Mercadeo
• Subjects:Forests and forestry Clean energy Investments Marketing
• Palabras claves:Precios de las acciones de energías limpias; Previsión; Aprendizaje automático; Bosques aleatorios
• Keywords:Clean energy stock prices; Forecasting; Machine learning; Random forests