Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar
El presente trabajo de titulación tiene como objetivo modelar y predecir el tipo de cambio Euro-Dólar, para lo cual se obtuvo los datos en la plataforma virtual Investing.com cuyo acceso es libre; se realizó un análisis exploratorio para identificar el comportamiento de los datos. Se aplicó tres téc...
Сохранить в:
| Главный автор: | |
|---|---|
| Формат: | bachelorThesis |
| Язык: | spa |
| Опубликовано: |
2020
|
| Предметы: | |
| Online-ссылка: | https://dspace.espoch.edu.ec/handle/123456789/14287 |
| Метки: |
Добавить метку
Нет меток, Требуется 1-ая метка записи!
|
Добавить метку | _version_ | 1863420484071194624 |
|---|---|
| author | Alcoser Manya, Willian Danilo |
| author_facet | Alcoser Manya, Willian Danilo |
| author_role | author |
| collection | Repositorio Escuela Superior Politécnica de Chimborazo |
| dc.contributor.none.fl_str_mv | Paredes Fierro, Jenny Patricia Congacha Ausay, Jorge Washington |
| dc.creator.none.fl_str_mv | Alcoser Manya, Willian Danilo |
| dc.date.none.fl_str_mv | 2020-08-26 2021-01-15T18:02:23Z 2026-04-23T17:29:10Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | Alcoser Manya, Willian Danilo.(2020). Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar. Escuela Superior Politécnica de Chimboraz. Riobamba. https://dspace.espoch.edu.ec/handle/123456789/14287 |
| dc.language.none.fl_str_mv | spa |
| dc.publisher.none.fl_str_mv | Escuela Superior Politécnica de Chimborazo |
| dc.relation.none.fl_str_mv | UDCTFC;226T0059 |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/3.0/ec/ |
| dc.source.none.fl_str_mv | reponame:Repositorio Escuela Superior Politécnica de Chimborazo instname:Escuela Superior Politécnica de Chimborazo instacron:ESPOCH |
| dc.subject.none.fl_str_mv | ESTADÍSTICA REDES NEURONALES RECURRENTES METODOLOGÍA BOX-JENKINS MODELAMIENTO DE SERIES ESTACIONARIAS TIPO DE CAMBIO EURO-DÓLAR |
| dc.title.none.fl_str_mv | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/publishedVersion |
| description | El presente trabajo de titulación tiene como objetivo modelar y predecir el tipo de cambio Euro-Dólar, para lo cual se obtuvo los datos en la plataforma virtual Investing.com cuyo acceso es libre; se realizó un análisis exploratorio para identificar el comportamiento de los datos. Se aplicó tres técnicas las cuales son: Box-Jenkins, redes neuronales recurrentes de tipo Elman y Long Short-Term Memory para modelar y predecir la serie, se obtuvo los errores de escala y porcentuales, el coeficiente U de Theil y la prueba de Diebold-Mariano para identificar que técnica presenta predicciones más precisas. Los datos se obtuvieron en el periodo desde el 2 de enero de 1998 hasta el 31 de diciembre del 2019, se dividió la serie en conjuntos de entrenamiento y validación. Para el conjunto de entrenamiento se usó los datos del 2 de enero de 1998 al 29 de noviembre de 2019 y desde el 2 de diciembre de 2019 al 31 de diciembre del mismo año para el conjunto de validación. Debido a que la serie temporal presenta características de caminata aleatoria se determina un modelo ARIMA(0, 1, 0), cuya predicción en el tiempo t es el dato del tiempo t-1, se realizó predicciones de 22 días al futuro y se comparó con las predicciones realizadas con los dos tipos de redes neuronales recurrentes. Los coeficientes U de Theil para las predicciones con el modelo ARIMA, red de Elman y red Long Short-Term Memory dieron 0.04743, 0.002625 y 0.001808 respectivamente, identificando que la tercera técnica presenta pronósticos más precisos para este tipo de datos, pudiéndose corroborar mediante la prueba de Diebold-Mariano. |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | ESPOCH_1ffc6743fe6025f71c896ff87b87c16e |
| identifier_str_mv | Alcoser Manya, Willian Danilo.(2020). Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar. Escuela Superior Politécnica de Chimboraz. Riobamba. |
| instacron_str | ESPOCH |
| institution | ESPOCH |
| instname_str | Escuela Superior Politécnica de Chimborazo |
| language | spa |
| network_acronym_str | ESPOCH |
| network_name_str | Repositorio Escuela Superior Politécnica de Chimborazo |
| oai_identifier_str | oai:dspace.espoch.edu.ec:123456789/14287 |
| publishDate | 2020 |
| publisher.none.fl_str_mv | Escuela Superior Politécnica de Chimborazo |
| reponame_str | Repositorio Escuela Superior Politécnica de Chimborazo |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio Escuela Superior Politécnica de Chimborazo - Escuela Superior Politécnica de Chimborazo |
| repository_id_str | 1750 |
| rights_invalid_str_mv | https://creativecommons.org/licenses/by-nc-sa/3.0/ec/ |
| spelling | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólarAlcoser Manya, Willian DaniloESTADÍSTICAREDES NEURONALES RECURRENTESMETODOLOGÍA BOX-JENKINSMODELAMIENTO DE SERIES ESTACIONARIASTIPO DE CAMBIO EURO-DÓLAREl presente trabajo de titulación tiene como objetivo modelar y predecir el tipo de cambio Euro-Dólar, para lo cual se obtuvo los datos en la plataforma virtual Investing.com cuyo acceso es libre; se realizó un análisis exploratorio para identificar el comportamiento de los datos. Se aplicó tres técnicas las cuales son: Box-Jenkins, redes neuronales recurrentes de tipo Elman y Long Short-Term Memory para modelar y predecir la serie, se obtuvo los errores de escala y porcentuales, el coeficiente U de Theil y la prueba de Diebold-Mariano para identificar que técnica presenta predicciones más precisas. Los datos se obtuvieron en el periodo desde el 2 de enero de 1998 hasta el 31 de diciembre del 2019, se dividió la serie en conjuntos de entrenamiento y validación. Para el conjunto de entrenamiento se usó los datos del 2 de enero de 1998 al 29 de noviembre de 2019 y desde el 2 de diciembre de 2019 al 31 de diciembre del mismo año para el conjunto de validación. Debido a que la serie temporal presenta características de caminata aleatoria se determina un modelo ARIMA(0, 1, 0), cuya predicción en el tiempo t es el dato del tiempo t-1, se realizó predicciones de 22 días al futuro y se comparó con las predicciones realizadas con los dos tipos de redes neuronales recurrentes. Los coeficientes U de Theil para las predicciones con el modelo ARIMA, red de Elman y red Long Short-Term Memory dieron 0.04743, 0.002625 y 0.001808 respectivamente, identificando que la tercera técnica presenta pronósticos más precisos para este tipo de datos, pudiéndose corroborar mediante la prueba de Diebold-Mariano.The present degree work aims to model and predict the EURO-DOLLAR exchange rate, for which the data was obtained on the virtual platform Investing.com whose access is free; an exploratory analysis was performed to identify the behavior of the data. Three techniques were applied: Box-Jenkins, Recurrent Elman-type recurrent neural networks and Long Short-Term Memory to model and predict the series, the scale and percentage errors, Theil's U coefficient and the Diebold-Mariano test were obtained to identify which technique has more accurate predictions. The data was obtained in the period from January 2, 1998 to December 31, 2019, the series was divided into training and validation sets. Data from January 2, 1998 to November 29, 2019 and from December 2, 2019 to December 31 of the same year for the validation set were used for the training package for The Training Set for January 29, 2019 and December 31, 2019. Because the time series has random walk characteristics an ARIMA(0, 1, 0) model is determined, the prediction in time t is the time data t-1, predictions of 22 days to the future were made and compared to predictions made with the two types of recurrent neural networks. The U coefficients of Theil for predictions with the model ARIMA, Elman network and Long Short-Term Memory network gave 0.04743, 0.002625 and 0.001808 respectively, identifying that the third technique presents more accurate forecasts for this type of data, being corroborated by the Diebold-Mariano test.Escuela Superior Politécnica de ChimborazoParedes Fierro, Jenny PatriciaCongacha Ausay, Jorge Washington2021-01-15T18:02:23Z2026-04-23T17:29:10Z2020-08-26info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionapplication/pdfAlcoser Manya, Willian Danilo.(2020). Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar. Escuela Superior Politécnica de Chimboraz. Riobamba.https://dspace.espoch.edu.ec/handle/123456789/14287spaUDCTFC;226T0059info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/3.0/ec/reponame:Repositorio Escuela Superior Politécnica de Chimborazoinstname:Escuela Superior Politécnica de Chimborazoinstacron:ESPOCH2026-04-23T17:29:10Zoai:dspace.espoch.edu.ec:123456789/14287Institucionalhttp://dspace.espoch.edu.ec/Universidad públicahttps://www.espoch.edu.ec/es/http://dspace.espoch.edu.ec/oai.Ecuador...opendoar:17502026-04-23T17:29:10Repositorio Escuela Superior Politécnica de Chimborazo - Escuela Superior Politécnica de Chimborazofalse |
| spellingShingle | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar Alcoser Manya, Willian Danilo ESTADÍSTICA REDES NEURONALES RECURRENTES METODOLOGÍA BOX-JENKINS MODELAMIENTO DE SERIES ESTACIONARIAS TIPO DE CAMBIO EURO-DÓLAR |
| status_str | publishedVersion |
| title | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar |
| title_full | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar |
| title_fullStr | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar |
| title_full_unstemmed | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar |
| title_short | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar |
| title_sort | Redes neuronales artificiales y modelos arima aplicadas a la modelación y predicción del tipo de cambio euro-dólar |
| topic | ESTADÍSTICA REDES NEURONALES RECURRENTES METODOLOGÍA BOX-JENKINS MODELAMIENTO DE SERIES ESTACIONARIAS TIPO DE CAMBIO EURO-DÓLAR |
| url | https://dspace.espoch.edu.ec/handle/123456789/14287 |