Resumen

El aprendizaje automático es la técnica más utilizada para abordar tareas de mayor envergadura y complejidad mediante el análisis de la información más relevante ya presente en las bases de datos. Con el fin de predecir mejor la tendencia futura del índice, este artículo propone un modelo numérico bidimensional de aprendizaje automático para simular el principal índice bursátil estadounidense y utiliza un método no lineal implícito de diferencias finitas para hallar soluciones numéricas del modelo de simulación bidimensional. El método de aprendizaje automático propuesto utiliza ecuaciones diferenciales parciales para predecir el mercado bursátil y puede utilizarse ampliamente para acelerar el procesamiento de datos a gran escala en la base de datos históricos. Los resultados experimentales muestran que el algoritmo propuesto reduce el error de predicción y mejora la precisión de los pronósticos.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:principal índice bursátil de ee.uu., modelo numérico dimensional, modelo de simulación dimensional, ecuaciones diferenciales parciales, procesamiento de datos a escala, máquina, aprendizaje automático, tareas complejas, método de diferencias, resultados experimentales
• Keywords:major u.s. stock market index, dimensional numerical model, dimensional simulation model, partial differential equations, scale data processing, machine, machine learning, complex tasks, difference method, experimental results