Advantages of the application of neural networks providing solutions to financial problems
DOI:
https://doi.org/10.47422/preprintpol.2Keywords:
Finance, Machine learning, Neural networksAbstract
This work seeks to raise awareness of the importance of the application of neural networks in the financial field, given that it is considered one of the most relevant today. On the other hand, an interest rate prediction, capital market analysis, investment risk model, portfolio analysis, obligation rating, etc. can be carried out. In this way, this is a very broad field of study that, thanks to the application of neural networks, is an alternative solution. The objective of this paper will be, on the one hand, to understand the financial models that allow greater profitability in financial markets and, on the other hand, to present the treatment of time series for financial forecasting.
References
Cabrera, Gonzalo. Mr Finanzas Personales. 28 de mayo de 2018.https://mrfinanzaspersonales.com/tipos-de-activos-financieros/.
Schmueli, G., Bruce, P., Yahav, Y., Patel, N., & Lichtendahl, K. (2018). Neural Nets.En G. Schmueli, P. Bruce, Y. Yahav, N. Patel, & K. Lichtendahl, Data Mining for Business Analytics: Concepts, Techniques and Applications in R (págs. 271-292). Hoboken: John Wiley & Sons.
A. D. Ramos, «Análisis de la rentabilidad de las universidades chilenas mediante la aplicación del sistema DuPont.,» CAPIC REVIEW, vol. 18, nº 1, p. 6, 2020.
Zinn, D. (2021, Setiembre 27). Here’s What Causes a Stock’s Price to Go Up or Down — And How to Protect Yourself from Market Volatility. Retrieved from INVESTING: https://time.com/nextadvisor/investing/what-causesstock-prices-to-go-up-and-d
Santamaría Vázquez. (2018). ESTUDIO y PREDICCIÓN DE ACTIVOS FINANCIEROS MEDIANTE REDES NEURONALES. UPM. Recuperado 22 de noviembre de 2022., de https://oa.upm.es/53810/1/TFG_FERNANDO_SANTAMARIA_VAZQUEZ.pdf
Barrero Sanclemente, C., & Vargas Álvarez, W. T. (2021). Predicción de tendencia de precios de acciones por medio de una red eural de memoria a corto plazo.
Broncano, R. E. (2022). Aplicación de técnicas de machine learning para la predicción de los precios de la acción APPLE. Revista de investigación de Sistemas e Informática, 15(1), 13-22.
París Murillo, R. (2021). Diseño de circuitos de computación cuántica para cálculo de riesgos financieros mediante la aplicación de redes neuronales (Master's thesis).
Daniel Koch, Laura Wessing, Paul M. Alsing (2019), Ïntroduction to Coding Quantum Algorithms: A Tutorial Series Using Qiskit", arXiv:1903.04359v1 [quant-ph] 7 Mar 2019.
Fang, B., & Zhang, P. (2016). Big data concepts, theories, and applications. Cham:Springer.
Open-Source Quantum Development. Retrieved February 07, 2021, from https://qiskit.org/
Pascual, L., & Ruiz, E. Predicción de series temporales basada en Machine Learning: aplicaciones económicas y financieras.
Quiroga, E. (2017). Eficiencia en los mercados financieros y predicción de precios de los activos. Ciencias administrativas, 5.
Salguero, R. A. F., & Morales, F. J. A. (2021). Series Temporales Avanzadas: Aplicación de Redes Neuronales para el Pronóstico de Series de Tiempo.
Traseira Linares, C. (2022). Predicción de precios de acciones en bolsa a través de Redes Neuronales.
Montañez, M. A. B., Hernández, A. O., Barrera, J. A. M., & Castillo, S. L. (2018). Redes neuronales en predicción de mercados financieros: una aplicación en la bolsa mexicana de valores (neural networks in financial market prediction: an application in the mexican stock exchange). Pistas educativas, 40(130).
Segarra Moliner, E. (2021). Indicador para operadores discrecionales en mercados financieros: Predicción basada en series temporales y redes neuronales.
Downloads
Posted
License
Copyright (c) 2023 Víctor Hugo Guadalupe Mori, María Luisa Caytuiro Dávila, Aureliano Sánchez García, Luis Antonio Usquiano Cárdenas, Even Deyser Pérez Rojas, Milciades Roberto Esparza Silva, José Antonio Ogosi Auqui, Ronald Martin Vera Cuya (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.