Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.yachaytech.edu.ec/handle/123456789/745
Título : Forecasting exchange rate with deep learning algorithms: the US Dollar (USD) to Colombian Peso (COP) case
Autor : Cuenca Pauta, Erick Eduardo
Lucero Burbano, Alejandra Valeria
Palabras clave : Redes neuronales artificiales
Aprendizaje profundo
Series de tiempo
Artificial neural networks
Deep learning
Time series
Fecha de publicación : abr-2024
Editorial : Universidad de Investigación de Tecnología Experimental Yachay
Resumen : 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.
Descripción : Time series prediction can provide vital information to help us make better decisions. The greater the depth and breadth of our study, the greater the quality of the information we acquire. This thesis project compares three deep learning models (ANN, LSTM, GRU) to predict the USD/COP exchange rate. To determine which of the three models is appropriate to predict this type of change, it is proposed to perform 3 experiments and use MAE and R2 as metrics. The first aims to choose which data set size has the best performance. The second aims to choose the data set size, train-test ratio, batch size configuration, and the best model. Finally, we take the best configurations from the previous experiments to test our model on an unknown data set. As a result of the 3 previous experiments, it was obtained that the best model to predict this type of change was ANN based on the R2 and MAE metrics.
URI : http://repositorio.yachaytech.edu.ec/handle/123456789/745
Aparece en las colecciones: Tecnologías de la Información

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ECMC0153.pdf3.73 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.