Predicción de la tasa de cambio EUR/USD: comparación de modelos de Deep Learning con diversos tipos y cantidades de datos de entrenamiento
Loading...
Date
2025
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
La predicción de la tasa de cambio del par EUR/USD es un desafío significativo debido a la naturaleza no lineal de las series temporales financieras, las técnicas de Deep Learning son capaces de detectar patrones no lineales y son usadas para este tipo de predicciones, pero su desempeño varía dependiendo de los datos de entrenamiento usados. Este proyecto se enfoca en evaluar cómo la cantidad y el tipo de datos de entrenamiento, incluyendo datos sintéticos, afectan la precisión y la robustez de modelos predictivos de Deep Learning. Este proyecto aborda la necesidad de seleccionar adecuadamente la configuración de modelos y datos para mejorar las predicciones a corto y largo plazo de tres modelos de Deep Learning: Redes Neuronales Convolucionales (CNN), Redes de Memoria a Largo Plazo (LSTM) y Transformadores. Se midió, usando métricas de precisión y robustez, el desempeño de los modelos entrenados con distintas cantidades de datos de entrenamiento y la inclusión de distintos tipos de datos como indicadores técnicos y fundamentales. Además, se evaluó la efectividad de los datos sintéticos de entrenamiento en el desempeño de los modelos. El objetivo principal es determinar cómo diferentes configuraciones de modelos y datos afectan la precisión y robustez de las predicciones de la tasa de cambio EUR/USD. Con esto se espera crear un conjunto de resultados que permitan seleccionar la mejor configuración de modelos y datos a usar para el entrenamiento de predictores, lo que puede ser una herramienta académica y puede usarse en la toma de decisiones en el mercado de divisas, ya que la predicción de tasas es crucial para elaborar estrategias de trading y desarrollar herramientas analíticas avanzadas para el sector financiero.