Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica

Mostrar todas las versiones(2)

En esta tesis se desarrollaron técnicas computacionales para estudiar dos problemas dentro del área de la econofísica: modelos multi-agente de distribución de riqueza, y predicción de series temporales en mercados nancieros. Se estudiaron modelos cinéticos de intercambio de riqueza basados en sis...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Neñer, Julián M.
Formato: Tesis NonPeerReviewed
Lenguaje:Español
Publicado: 2021
Materias:
Física
Neural networks
Redes neuronales
[Econophysics
Econofísica
Wealth distributions
Distribución de riqueza
Forex
CUDA]
Acceso en línea:http://ricabib.cab.cnea.gov.ar/946/1/1Ne%C3%B1er_J.pdf
Aporte de:
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) de Instituto Balseiro
id I25-R131-946
record_format dspace
institution Instituto Balseiro
institution_str I-25
repository_str R-131
collection Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB)
language Español
orig_language_str_mv es
topic Física
Neural networks
Redes neuronales
[Econophysics
Econofísica
Wealth distributions
Distribución de riqueza
Forex
CUDA]
spellingShingle Física
Neural networks
Redes neuronales
[Econophysics
Econofísica
Wealth distributions
Distribución de riqueza
Forex
CUDA]
Neñer, Julián M.
Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica
topic_facet Física
Neural networks
Redes neuronales
[Econophysics
Econofísica
Wealth distributions
Distribución de riqueza
Forex
CUDA]
description En esta tesis se desarrollaron técnicas computacionales para estudiar dos problemas dentro del área de la econofísica: modelos multi-agente de distribución de riqueza, y predicción de series temporales en mercados nancieros. Se estudiaron modelos cinéticos de intercambio de riqueza basados en sistemas de agentes. En particular, se estudiaron los modelos conocidos como Yard-Sale y Merger- Spinoff, cuyos resultados a nivel macroscópico han sido de especial interés debido a sus analogías con casos empíricos. Se hace especialmente evidente la acumulación de riqueza en pocos individuos, una de las características centrales en sistemas económicos capitalistas. Se analizó la aparición de leyes de potencias en las distribuciones de riqueza, a partir de las cuales se determinaron los correspondientes índices de Pareto e índices de Gini, entre otras características típicas de sistemas económicos. Se hizo especial hincapié en realizar un análisis de las dinámicas microscópicas individuales de los agentes. La implementación de algoritmos eficientes programados en GPU utilizando CUDA C/C++ hizo posible la obtención de buena estadística en estos modelos de carácter estocástico, permitiendo visualizar la aparición de ergodicidad y fenómenos invariantes de escala. El modelo Yard-Sale resultó ser de especial complejidad a nivel microscópico. Se encontraron estrategias óptimas que maximizan la riqueza individual de cada agente, realizando su entrenamiento mediante un algoritmo genético. La adición de diferentes niveles de racionalidad, dada por la cantidad de información que poseen de su entorno, mostró resultados prometedores tanto a nivel macroscópico como microscópico. Por otro lado se estudió la implementación de redes neuronales para la predicción de la tendencia del par EUR/USD. Se investigaron diferentes arquitecturas y métodos de entrenamiento que llevaron al desarrollo de un algoritmo propio. Este resultó ser incluso más eficiente que las librerías mas comúnmente utilizadas, tanto en tiempo como en utilización de memoria.
format Tesis
NonPeerReviewed
author Neñer, Julián M.
author_facet Neñer, Julián M.
author_sort Neñer, Julián M.
title Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica
title_short Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica
title_full Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica
title_fullStr Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica
title_full_unstemmed Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica
title_sort redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica
publishDate 2021
url http://ricabib.cab.cnea.gov.ar/946/1/1Ne%C3%B1er_J.pdf
work_keys_str_mv AT nenerjulianm redesneuronalesparalabusquedadeestrategiasoptimasenproblemasdeeconofisica
_version_ 1812569719997202432
spelling I25-R131-9462021-07-21T16:53:06Z Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica Neural networks for finding optimal strategies in econophysics problem Neñer, Julián M. Física Neural networks Redes neuronales [Econophysics Econofísica Wealth distributions Distribución de riqueza Forex CUDA] En esta tesis se desarrollaron técnicas computacionales para estudiar dos problemas dentro del área de la econofísica: modelos multi-agente de distribución de riqueza, y predicción de series temporales en mercados nancieros. Se estudiaron modelos cinéticos de intercambio de riqueza basados en sistemas de agentes. En particular, se estudiaron los modelos conocidos como Yard-Sale y Merger- Spinoff, cuyos resultados a nivel macroscópico han sido de especial interés debido a sus analogías con casos empíricos. Se hace especialmente evidente la acumulación de riqueza en pocos individuos, una de las características centrales en sistemas económicos capitalistas. Se analizó la aparición de leyes de potencias en las distribuciones de riqueza, a partir de las cuales se determinaron los correspondientes índices de Pareto e índices de Gini, entre otras características típicas de sistemas económicos. Se hizo especial hincapié en realizar un análisis de las dinámicas microscópicas individuales de los agentes. La implementación de algoritmos eficientes programados en GPU utilizando CUDA C/C++ hizo posible la obtención de buena estadística en estos modelos de carácter estocástico, permitiendo visualizar la aparición de ergodicidad y fenómenos invariantes de escala. El modelo Yard-Sale resultó ser de especial complejidad a nivel microscópico. Se encontraron estrategias óptimas que maximizan la riqueza individual de cada agente, realizando su entrenamiento mediante un algoritmo genético. La adición de diferentes niveles de racionalidad, dada por la cantidad de información que poseen de su entorno, mostró resultados prometedores tanto a nivel macroscópico como microscópico. Por otro lado se estudió la implementación de redes neuronales para la predicción de la tendencia del par EUR/USD. Se investigaron diferentes arquitecturas y métodos de entrenamiento que llevaron al desarrollo de un algoritmo propio. Este resultó ser incluso más eficiente que las librerías mas comúnmente utilizadas, tanto en tiempo como en utilización de memoria. In this work computational techniques were developed to study two main problems within the area of econophysics: multi-agent models for wealth distribution, and time series prediction of nancial markets. Kinetic wealth exchange models based on systems of agents were studied. In particular, the studied models are known as Yard-Sale and Merger-Spinoff, whose results at the macroscopic level have been of special interest due to analogies with empirical data. It is made specially clear how the wealth is acculumated by very few individuals, one of the main characteristics of capitalist economic systems. The emergence of power laws in the wealth distributions was analized, from which the corresponding Pareto and Gini indices were determined, among other typical characteristics of economic systems. Special emphasis was made in analyzing the individual microscopic dynamics of the agents. The implementation of effcient algorithms in GPU using CUDA C/C++ was of utter importance to obtain enough sampling in these models of stochastic nature, allowing for the visualization of new previously unobserved characteristics such as ergodicity and scale invariant phenomena. The Yard-Sale model turned out to be of special complexity at the microscopic level. Optimal strategies were found that maximize the individual wealth of each agent, by performing their training through a genetic algorithm. The addition of different levels of rationality given by the amount of available information from their environment showed promising results, both at the macroscopic and microscopic level. On the other hand, the implementation of neural networks for the prediction of the tendency of the pair EUR/USD was studied. Different architectures and training methods were explored, which led to the development of our own algorithm. The algorithm proved to be more effcient than the best known libraries usually implemented in this context, both in time and memory usage. 2021-02-17 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/946/1/1Ne%C3%B1er_J.pdf es Neñer, Julián M. (2021) Redes neuronales para la búsqueda de estrategias óptimas en problemas de econofísica / Neural networks for finding optimal strategies in econophysics problem. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/946/

Ejemplares similares