Predicción del índice IBEX 35 mediante una red neuronal recurrente de múltiples ramas

Abstract

[ES] La predicción de la dirección de las tendencias del precio de las acciones es vital para un óptimo desarrollo de estrategias para las transacciones de la bolsa. Debido a los riesgos y rendimientos variables de la bolsa, la predicción de esta es un tema de mucha importancia para los que quieren invertir en ella. Tener la capacidad de pronosticar la tendencia o el precio de las acciones sería una información muy valiosa para los inversores. En el presente trabajo se ha tratado de encontrar algún modelo que sea viable para la predicción del índice del Ibex-35. Para ello, se ha realizado el estudio de 864 modelos distintos, con uso de redes neuronales recurrentes simples, LSTM y una combinación de convolucionales de una dimensión con LSTM para cada una de las ocho bases de datos que se proponen. Se realiza, finalmente, una comparativa entre los distintos modelos partiendo como baseline los RMSE obtenidos por las medias móviles y una red neuronal simple. Se concluye que el modelo de combinación convolucional con LSTM es el mejor predictor para el índice.

[EN] Predicting the direction of stock price trends is vital for optimal development of stock market trading strategies. Due to the variable risks and returns of the stock market, stock market prediction is a very important issue for those who want to invest in it. Having the ability to forecast the trend or price of shares would be very valuable information for investors. In this work we have tried to find some viable model for the prediction of the Ibex-35 index. To this end, 864 different models have been studied, using simple recurrent neural networks, LSTM and a combination of one-dimensional convolutionals layer with LSTM for each of the eight databases proposed. Finally, a comparison between the different models is made, using as a baseline the RMSE obtained by the moving averages and a simple neuronal network. It is concluded that the convolutional combination model with LSTM is the best predictor for the index.