Modelos Híbridos Basados en Inteligencia Artificial para la Predicción de Precios de Acciones

La previsión de precios de acciones se ha convertido recientemente en un componente práctico importante del ámbito económico. Una tarea intrigante, la previsión de precios de acciones se considera relacionada con la volatilidad y el ruido de la actividad del mercado de valores. Para abordar estos problemas y predecir con precisión los precios de las acciones, este documento propone un marco híbrido basado en un modelo de aprendizaje, como Long Short Term Memory (LSTM) apilado y una red convolucional. Se realizaron experimentos con varios resultados posibles para evaluar el marco propuesto utilizando el conjunto de datos de precios de acciones. El modelo fue entrenado con el precio de las acciones de ADANI durante aproximadamente catorce años, utilizando LSTM apilado con una red convolucional y evaluado utilizando el criterio de evaluación Error Cuadrático Medio (RMSE). El modelo LSTM apilado ha demostrado ser un modelo competitivo frente a otros modelos en la predicción de precios de acciones en varios escenarios.