Adaptación de una red neuronal para la negociación en el mercado de divisas

dc.contributorRamirez, Hugo E.
dc.creatorFonseca Lemus, Darwin Javier
dc.date.accessioned2018-08-24T21:53:22Z
dc.date.available2018-08-24T21:53:22Z
dc.date.created2018-08-24T21:53:22Z
dc.date.issued2018
dc.identifierhttp://repository.urosario.edu.co/handle/10336/18361
dc.description.abstractIn this thesis, several machine learning techniques are explored and applied to the investment decision problem. Some indicators of technical analysis are used as inputs of a neural network which is trained to determine, with each input vector, a buy, sell or hold signal. Likewise, the structure of the network is optimized by applying a genetic algorithm, in order to determine its adequate depth. With this work, some bases are established to perform different empirical studies that improve and deepen the analyzed topics.
dc.languagespa
dc.publisherUniversidad del Rosario
dc.publisherMaestría en Finanzas Cuantitativas
dc.publisherFacultad de Economía
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAbierto (Texto Completo)
dc.rightsEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.
dc.sourcereponame:Repositorio Institucional EdocUR
dc.sourceinstname:Universidad del Rosario
dc.sourceAlander, J. T. On optimal population size of genetic algorithms. In 1992 Proceedings Computer Systems and Software Engineering (1992), IEEE, pp. 65-70.
dc.sourceAlexandridis, A. K., and Zapranis, A. D. Wavelet neural networks: with applications in nancial engineering, chaos, and classi fication. John Wiley & Sons, 2014.
dc.sourceBlau, W. Momentum, direction, and divergence, vol. 5. John Wiley & Sons, 1995.
dc.sourceBrabazon, A., and O'Neill, M. Natural computing in computational nance, vol. 100. Springer Science & Business Media, 2011.
dc.sourceDunis, C. L., Middleton, P. W., Karathanasopolous, A., and Theofilatos, K. Arti cial Intelligence in Financial Markets: Cutting Edge Applications for Risk Management, Portfolio Optimization and Economics. Springer, 2016.
dc.sourceEdwards, R. D., Magee, J., and Bassetti, W. C. Technical analysis of stock trends. CRC press, 2007.
dc.sourceGoldberg, D. E., and Holland, J. H. Genetic algorithms and machine learning. Machine learning 3, 2 (1988), 95-99.
dc.sourceGraupe, D. Principles of arti cial neural networks, vol. 6. World Scienti c, 2007.
dc.sourceIdler, C. Pattern recognition and machine learning techniques for algorithmic trading. PhD thesis, MA thesis, FernUniversit at, Hagen, Germany, 2014.
dc.sourceJingTao, Y., and Tan, C. L. Guidelines for nancial forecasting with neural networks. In Int. Conf. Neural Information Processing, Shanghai, China (2001), Citeseer.
dc.sourceJohnson, B. Algorithmic Trading & DMA: An introduction to direct access trading strategies, vol. 200. 4Myeloma Press London, 2010.
dc.sourceKantartzis, I., and Papakostas, A. Las ondas del éxito. TRADERSA' 04 (2016), 38-41.
dc.sourceLeardi, R. Nature-inspired methods in chemometrics: genetic algorithms and arti cial neural networks, vol. 23. Elsevier, 2003.
dc.sourceLo, A. W. Reconciling efficient markets with behavioral finance: the adaptive markets hypothesis.
dc.sourceMostafa, E. H., Mohammed, E. H., and Abderrahim, E. A. Minimization of value at risk of fi nancial assets portfolio using genetic algorithms and neural networks. Journal of Applied Finance & Banking 6, 2 (2016).
dc.sourceMurphy, J. J. Análisis Técnico De Los Mercados Financieros (Sin colección). 2000.
dc.sourcePring, M. J. Martin Pring's Introduction to Technical Analysis. McGraw-Hill Education, 2015.
dc.sourceRumelhart, D. E., Hinton, G. E., and Williams, R. J. Learning internal representations by error propagation. Tech. rep., California Univ San Diego La Jolla Inst for Cognitive Science, 1985.
dc.sourceThinyane, H., and Millin, J. An investigation into the use of intelligent systems for currency trading. Computational Economics 37, 4 (2011), 363-374.
dc.sourceZavadskaya, A., et al. Arti cial intelligence in fi nance: Forecasting stock market returns using arti ficial neural networks (available on internet).
dc.subjectInteligencia artificial
dc.subjectMachine learning
dc.subjectRed neuronal artificial
dc.subjectAlgoritmo genético
dc.subjectPerceptron
dc.subjectAnálisis técnico
dc.subjectReglas de decisión
dc.titleAdaptación de una red neuronal para la negociación en el mercado de divisas
dc.typemasterThesis


Este ítem pertenece a la siguiente institución