RUO Principal

Repositorio Institucional de la Universidad de Oviedo

Ver ítem 
  •   RUO Principal
  • Producción Bibliográfica de UniOvi: RECOPILA
  • Tesis
  • Ver ítem
  •   RUO Principal
  • Producción Bibliográfica de UniOvi: RECOPILA
  • Tesis
  • Ver ítem
    • español
    • English
JavaScript is disabled for your browser. Some features of this site may not work without it.

Listar

Todo RUOComunidades y ColeccionesPor fecha de publicaciónAutoresTítulosMateriasxmlui.ArtifactBrowser.Navigation.browse_issnPerfil de autorEsta colecciónPor fecha de publicaciónAutoresTítulosMateriasxmlui.ArtifactBrowser.Navigation.browse_issn

Mi cuenta

AccederRegistro

Estadísticas

Ver Estadísticas de uso

AÑADIDO RECIENTEMENTE

Novedades
Repositorio
Cómo publicar
Recursos
FAQs
Las tesis leídas en la Universidad de Oviedo se pueden consultar en el Campus de El Milán previa solicitud por correo electrónico: buotesis@uniovi.es

Generación automática de la toma de decisiones bursátiles mediante inteligencia artificial

Otros títulos:

Automatic generation of stock-market decision-making driven by Artificial Intelligence

Autor(es) y otros:
Rosillo Camblor, RafaelAutoridad Uniovi
Director(es):
Fuente García, David Alfonso de laAutoridad Uniovi; López Brugos, José AntonioAutoridad Uniovi
Centro/Departamento/Otros:
Administración de Empresas, Departamento deAutoridad Uniovi
Palabra(s) clave:

Innovación tecnológica

Modelos y teorías del desarrollo económico

Fecha de publicación:
2013-07-23
Editorial:

Universidad de Oviedo

Descripción física:
166 p.
Resumen:

La introducción de la informática combinada con algoritmos matemáticos en los mercados financieros ha hecho posible la utilización de diversas herramientas software en el análisis de las cotizaciones de las compañías. Asimismo, en estos últimos años, han crecido sustancialmente el número de sistemas de trading que utilizan algoritmos matemáticos para su toma de decisiones. Esta tesis doctoral tiene como objetivo la generación automática de la toma de decisiones bursátiles mediante la Inteligencia Artificial. Concretamente la investigación se ha centrado en: I) la eliminación de la ambigüedad que genera el uso de los diferentes indicadores del Análisis Técnico, II) la creación de una herramienta informática para la utilización del Análisis Técnico por parte del pequeño inversor, III) empleo de las Máquinas de Soporte Vectorial y Redes Neuronales para la generación de reglas de trading, y IV) uso de los indicadores de Volatilidad para mejorar los algoritmos de trading. La combinación del Análisis Técnico, Máquinas de Soporte Vectorial, Redes Neuronales e indicadores de Volatilidad han permitido desarrollar una herramienta de predicción potente y bastante fiable en el ámbito al que va dirigido. Uno de los principales resultados alcanzados es el desarrollo de un algoritmo de trading que es capaz de proporcionar beneficios al inversor minorista en épocas de crisis, siéndole de gran utilidad las recomendaciones que dicho método genera. A grandes rasgos, una de las principales características del estudio presentado en esta tesis es la orientación de los algoritmos y aplicaciones desarrolladas a su inmediata utilización por parte del inversor minorista. En la coyuntura económica actual es obvio el potencial impacto de tal utilización así como el amplio mercado que abarca. Los trabajos realizados han dado lugar a varios artículos de investigación, los cuales constituyen el cuerpo de esta tesis doctoral, presentándose en orden creciente de complejidad, el cual es a su vez orden cronológico.

La introducción de la informática combinada con algoritmos matemáticos en los mercados financieros ha hecho posible la utilización de diversas herramientas software en el análisis de las cotizaciones de las compañías. Asimismo, en estos últimos años, han crecido sustancialmente el número de sistemas de trading que utilizan algoritmos matemáticos para su toma de decisiones. Esta tesis doctoral tiene como objetivo la generación automática de la toma de decisiones bursátiles mediante la Inteligencia Artificial. Concretamente la investigación se ha centrado en: I) la eliminación de la ambigüedad que genera el uso de los diferentes indicadores del Análisis Técnico, II) la creación de una herramienta informática para la utilización del Análisis Técnico por parte del pequeño inversor, III) empleo de las Máquinas de Soporte Vectorial y Redes Neuronales para la generación de reglas de trading, y IV) uso de los indicadores de Volatilidad para mejorar los algoritmos de trading. La combinación del Análisis Técnico, Máquinas de Soporte Vectorial, Redes Neuronales e indicadores de Volatilidad han permitido desarrollar una herramienta de predicción potente y bastante fiable en el ámbito al que va dirigido. Uno de los principales resultados alcanzados es el desarrollo de un algoritmo de trading que es capaz de proporcionar beneficios al inversor minorista en épocas de crisis, siéndole de gran utilidad las recomendaciones que dicho método genera. A grandes rasgos, una de las principales características del estudio presentado en esta tesis es la orientación de los algoritmos y aplicaciones desarrolladas a su inmediata utilización por parte del inversor minorista. En la coyuntura económica actual es obvio el potencial impacto de tal utilización así como el amplio mercado que abarca. Los trabajos realizados han dado lugar a varios artículos de investigación, los cuales constituyen el cuerpo de esta tesis doctoral, presentándose en orden creciente de complejidad, el cual es a su vez orden cronológico.

Descripción:

Tesis doctoral por el sistema de Compendio de Publicaciones

URI:
http://hdl.handle.net/10651/20036
Notas Locales:

DT(SE) 2013-089

Colecciones
  • Tesis [7669]
Ficheros en el ítem
Thumbnail
untranslated
Archivo Protegido (3.077Mb)
Embargado hasta:2033-07-23
Compartir
Exportar a Mendeley
Estadísticas de uso
Estadísticas de uso
Metadatos
Mostrar el registro completo del ítem
Página principal Uniovi

Biblioteca

Contacto

Facebook Universidad de OviedoTwitter Universidad de Oviedo
El contenido del Repositorio, a menos que se indique lo contrario, está protegido con una licencia Creative Commons: Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Creative Commons Image