Forecasting methods in finance: a comparative study in predicting bitcoin and stock market fluctuations

Abstract

Este estudio evalúa modelos avanzados como SARIMA, Holt-Winters, Prophet, LSTM y SARIMAX para el análisis y predicción de series temporales, enfocándose en la evolución del precio de las acciones de Amazon y el bitcoin. Esta investigación no solo busca pronosticar la tendencia de estos activos financieros, sino también evaluar su potencial rentabilidad en estrategias de inversión, considerando escenarios de compra y venta. Se explica detalladamente la lógica subyacente de cada modelo, proporcionando una comprensión clara de las series temporales y su relevancia en el contexto financiero, así como una introducción a las redes neuronales y su aplicación en este campo. Este fundamento teórico es esencial para asegurar una adecuada comprensión de la metodología adoptada y los experimentos realizados. Durante la investigación, se analizaron diversas variantes de estos modelos, ajustando sus hiperparámetros y experimentando con la incorporación de dos variables exógenas distintas. Entre los hallazgos más destacados, los modelos LSTM, Holt-Winters y SARIMAX mostraron un rendimiento particularmente sobresaliente. Estos modelos demostraron ser capaces de generar rentabilidades superiores al 30% en el caso de las acciones y por encima del 3% en criptomonedas, subrayando su potencial para aplicaciones prácticas en el ámbito financiero.