Carregant...
Tipus de document
Treball de fi de grauData de publicació
Llicència de publicació
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/226582
Comparación de modelos de análisis temporal: ARIMA vs Deep learning en predicción económica
Títol de la revista
Autors
Director/Tutor
ISSN de la revista
Títol del volum
Recurs relacionat
Resum
La predicción de series temporales de carácter económico ha aumentado su popularidad como herramienta para tomar decisiones de inversión. Comúnmente, los modelos ARIMA han sido utilizados para la predicción de series temporales, ya que ofrecen buenos resultados con pocos datos. No obstante, presentan limitaciones frente a series no lineales o con volatilidad elevada. Este trabajo compara cinco modelos de predicción aplicados a series de precios de cierre de acciones, de frecuencia diaria, de Coca-Cola, Disney, Microsoft y Tesla. Los modelos se pueden separar en: estadísticos (ARIMA y Prophet) y de deep learning (GRU, SegRNN y TiDE). Los resultados muestran que los modelos de deep learning superan, con diferencia, a los modelos estadísticos; especialmente en series más volátiles.
Descripció
Treballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2024-2025, Tutor: Ernest Pons Fanals
Matèries (anglès)
Citació
Citació
IZQUIERDO CRUZ, Lucía. Comparación de modelos de análisis temporal: ARIMA vs Deep learning en predicción económica. [consulta: 9 de febrer de 2026]. [Disponible a: https://hdl.handle.net/2445/226582]