Pons Fanals, ErnestIzquierdo Cruz, Lucía2026-02-032026-02-032025https://hdl.handle.net/2445/226582Treballs 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 FanalsLa 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.58 p.application/pdfspacc-by-nc-nd (c) Izquierdo Cruz, 2025http://creativecommons.org/licenses/by-nc-nd/4.0/Anàlisi de sèries temporalsPrevisió dels negocisEstadísticaTreballs de fi de grauTime-series analysisBusiness forecastingStatisticsBachelor's thesesinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess