Forecasting exchange rate with deep learning algorithms: the US Dollar (USD) to Colombian Peso (COP) case

Abstract

La predicción de series temporales puede proporcionar información vital para ayudarnos a tomar mejores decisiones. Cuanto mayor sea la profundidad y amplitud de nuestro estudio, mayor será la calidad de la información que adquirimos. Este proyecto de tesis compara tres modelos de aprendizaje profundo (ANN, LSTM, GRU) para la predicción del tipo de cambio USD/COP. Para determinar cuál de los tres modelos es el apropiado para predecir este tipo de cambio, se propone realizar 3 experimentos y utilizar MAE y R2 como métricas. El primero tiene como objetivo elegir qué tamaño de conjunto de datos tiene el mejor rendimiento. El segundo tiene como objetivo elegir el tamaño del conjunto de datos, la relación entrenamiento-prueba, la configuración del tamaño del lote y el mejor modelo. Finalmente, tomamos las mejores configuraciones de los experimentos anteriores para probar nuestro modelo con un conjunto de datos desconocido. Como resultado de la realización de los 3 experimentos anteriores se obtuvo que el mejor modelo para predecir este tipo de cambio fue ANN en función de las métricas R2 y MAE.