Predicción de series temporales financieras mediante redes neuronales PDF Download

Author:
Publisher:
ISBN:
Category :
Languages : es
Pages : 48

View

Book Description

Author:
Publisher:
ISBN:
Category :
Languages : es
Pages : 170

View

Book Description

Author: CESAR PEREZ LOPEZ
Publisher: CESAR PEREZ
ISBN:
Category : Mathematics
Languages : es
Pages : 307

View

Book Description
MATLAB cuenta con la herramienta Deep Learning Toolbox que proporciona algoritmos, funciones y aplicaciones para crear, entrenar, visualizar y simular redes neuronales. Puede realizar clasificación, regresión, agrupamiento, reducción de dimensionalidad, pronóstico de series temporales y modelado y control de sistemas dinámicos. Las redes neuronales dinámicas son adecuadas para la predicción de series temporales. Puede utilizar la app Neural Net Time Series para resolver diferentes tipos de problemas de series temporales. Generalmente es mejor comenzar con la GUI y luego usarla para generar automáticamente scripts de línea de comandos. Antes de utilizar cualquiera de los métodos, el primer paso es definir el problema seleccionando un conjunto de datos. Cada GUI tiene acceso a muchos conjuntos de datos de muestra que puede utilizar para experimentar con la caja de herramientas. Si tiene un problema específico que desea resolver, puede cargar sus propios datos en el espacio de trabajo. Con MATLAB es posible resolver tres tipos diferentes de problemas de series temporales. En el primer tipo de problema de series de tiempo, se busca predecir valores futuros de una serie de tiempo y(t) a partir de valores pasados de esa serie de tiempo y valores pasados de una segunda serie de tiempo x(t). Esta forma de predicción se denomina red autorregresiva no lineal con entrada exógena (externa), o NARX. En el segundo tipo de problema de series temporales, sólo hay una serie involucrada. Los valores futuros de una serie temporal y(t) se predicen sólo a partir de valores pasados de esa serie. Esta forma de predicción se llama autorregresiva no lineal o NAR. El tercer problema de series de tiempo es similar al primer tipo, en el sentido de que están involucradas dos series, una serie de entrada (predictores) x(t) y una serie de salida (respuestas) y(t). Este libro desarrolla los métodos de predicción con series temporales a través de redes neuronales con MATLAB.

Author:
Publisher:
ISBN:
Category :
Languages : es
Pages : 197

View

Book Description
En esta Tesis Doctoral se investiga el rendimiento de algoritmos para Redes Neuronales Artificiales (RNAs) en el contexto de aplicaciones relacionadas con la predicción de series temporales complicadas. Se postula un modelo basado en RBFs (Radial Basis Functions, Redes de Funciones Radiales) y en la descomposición ortogonal de matrices de datos formadas a partir de valores endógenos de series temporales,y se demuestra la capacidad del mismo para conseguir predicicones más precisas, con lo cual se puede ayudar a la mejora de acciones de control o de toma de decisiones en entornos industriales, sociales y económicos. El modelo descrito se denota por "NAPA-PRED" (Neural model with Automatic Parameer Adjustement for PREDiction; o Modelo Neuronal con Ajuste Automático de Parámetros para Predicción). Este modelo es capaz de determinar el número óptimo, así como la configuración o disposición temporal, de los retardos en los nodos de entrada.También es capaz de determinar el núemro óptimo (a efectos prácticos) de nodos o neuronas (RBFs) en la red neuronal artificial. También, se consigue una mejora adicional mediante la hibridación de este modelo con otras técnicas como el Análisis de Componentes Principales (PCA) para controlar el efecto de datos exógenos (externos a la serie), o la metodología estadística ARIMA para modelar y reducir el error de aproximación neuronal. Adicionalmente, se describe una nueva forma de paralelizar el esquema de descomposición matricial empleado, en lo que concierne a la transformación QR-cp, lo cual conduce a una ganancia de velocidad muy aceptable cuando se implementa el procedimiento sobre plataformas de cómputo relativamente asequible, como "clusters" de computadores personales. Las aplicaciones que se describen en las seccioens experimentales incluyen la predicicóna largo plazo de series temporales de comportamiento caótico, la mejora en la predicción del consumo en una red de distribución de aguas, o la predicción bursátil con datos de algunas compañías bancarias españolas.

Author: Alejandro Rabasa Dolado
Publisher:
ISBN:
Category :
Languages : es
Pages : 16

View

Book Description

Author: Manuel R. Arahal
Publisher: Universidad de Sevilla
ISBN: 9788447210602
Category : Technology & Engineering
Languages : es
Pages : 344

View

Book Description
Presenta técnicas de predicción con algoritmos originales desarrollados y aplicados, así como diversos ejemplos de aplicación extraídos de proyectos reales. Contiene una serie de aplicaciones de estas técnicas a diversos campos de la ingeniería: agrícola, industrial, organización y de control.

Author: Germán Díaz Arias
Publisher:
ISBN:
Category :
Languages : es
Pages : 78

View

Book Description

Author: Gimmy Nardo Sanjines Tudela
Publisher:
ISBN:
Category :
Languages : es
Pages : 0

View

Book Description

Author: Agustín Maravall
Publisher:
ISBN:
Category : Time-series analysis
Languages : es
Pages : 56

View

Book Description

Author: Juan Carlos Figueroa-García
Publisher: Springer Nature
ISBN: 3031206118
Category : Computers
Languages : en
Pages : 495

View

Book Description
This book constitutes the proceedings of the 9th Workshop on Engineering Applications on Applied Computer Sciences in Engineering, WEA 2022, which took place in Bogotá, Colombia, in November/December 2022. The 39 papers presented in this volume were carefully reviewed and selected from 143 submissions. They were organized in topical sections as follows: Artificial Intelligence; Optimization; Simulation; and Applications.