RUO Home

Repositorio Institucional de la Universidad de Oviedo

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

Browse

All of RUOCommunities and CollectionsBy Issue DateAuthorsTitlesSubjectsxmlui.ArtifactBrowser.Navigation.browse_issnAuthor profilesThis CollectionBy Issue DateAuthorsTitlesSubjectsxmlui.ArtifactBrowser.Navigation.browse_issn

My Account

LoginRegister

Statistics

View Usage Statistics

RECENTLY ADDED

Last submissions
Repository
How to publish
Resources
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

Other title:

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

Author:
Rosillo Camblor, RafaelUniovi authority
Director:
Fuente García, David Alfonso de laUniovi authority; López Brugos, José AntonioUniovi authority
Centro/Departamento/Otros:
Administración de Empresas, Departamento deUniovi authority
Subject:

Innovación tecnológica

Modelos y teorías del desarrollo económico

Publication date:
2013-07-23
Editorial:

Universidad de Oviedo

Descripción física:
166 p.
Abstract:

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.

Description:

Tesis doctoral por el sistema de Compendio de Publicaciones

URI:
http://hdl.handle.net/10651/20036
Local Notes:

DT(SE) 2013-089

Collections
  • Tesis [7675]
Files in this item
Thumbnail
untranslated
Archivo Protegido (3.077Mb)
Embargado hasta:2033-07-23
Compartir
Exportar a Mendeley
Estadísticas de uso
Estadísticas de uso
Metadata
Show full item record
Página principal Uniovi

Biblioteca

Contacto

Facebook Universidad de OviedoTwitter Universidad de Oviedo
The content of the Repository, unless otherwise specified, is protected with a Creative Commons license: Attribution-Non Commercial-No Derivatives 4.0 Internacional
Creative Commons Image