Pons Fanals, ErnestCarner Marsal, Clara2025-07-032025-07-032024https://hdl.handle.net/2445/221985Treballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2023-2024, Tutor: Ernest Pons FanalsEn un context on la cultura de la immediatesa està cada cop més arrelada en la societat i la promesa d'inversions amb guanys instantanis ha guanyat popularitat, aquest treball proposa una alternativa d'inversió contrària a aquesta tendència , enfocada al mitjà termini. Utilitzant la intel·ligència artificial, s’avaluarà el rendiment de models d'aprenentatge automàtic en la predicció a 3 mesos de la taxa de variació de l'índex borsari Eurostoxx 50 mitjançant tres tècniques d’aprenentatge automàtic : k-nearest neighbors (KNN), random forest i gradient boosting machine (GBM). Per modelitzar les dades, aquestes seran preprocessades i s'hi afegiran variables macroeconòmiques per obtenir una base de dades òptima. Dels models resultants, s'escollirà el millor per a cada tècnica en base a una mètrica d’error, en concret l'arrel de l'error quadràtic mig (RMSE). D'entre aquests, es determinarà el model finalista per identificar quina tècnica i quin model específic funcionen millor per a prediccions a 3 mesos, un horitzó temporal menys comú en inversions.75 p.application/pdfcatcc-by-nc-nd (c) Carner Marsal, 2024http://creativecommons.org/licenses/by/3.0/es/FinancesTeoria de la prediccióAprenentatge automàticEstadísticaTreballs de fi de grauFinancePrediction theoryMachine learningStatisticsBachelor's thesesinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess