Utilización de redes neuronales recurrentes en la predicción de tendencias del mercado de harina de soja
"La volatilidad de los precios internacionales de la Harina de Soja impacta de manera significativa la economía de distintas industrias, gobiernos y, finalmente, la población. Los modelos Auto Regresivos de Media Móvil (ARIMA) constituyen una de las herramientas de análisis de series de tiempo...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Trabajo final de especialización |
| Lenguaje: | Español |
| Publicado: |
2022
|
| Materias: | |
| Acceso en línea: | https://ri.itba.edu.ar/handle/123456789/4101 |
| Aporte de: |
| Sumario: | "La volatilidad de los precios internacionales de la Harina de Soja impacta de manera significativa la economía de distintas industrias, gobiernos y, finalmente, la población. Los modelos Auto Regresivos de Media Móvil (ARIMA) constituyen una de las herramientas de análisis de series de tiempo más utilizadas. Sin embargo, el advenimiento de nuevas tecnologías de análisis y procesamiento de datos difundieron nuevas técnicas aplicables al estudio de series de tiempo, siendo Las Redes Neuronales Recurrentes del tipo LSTM una de ellas. En el presente estudio se compara la performance relativa de modelos ARIMA y RNR LSTM en la predicción de tendencias de precios de Harina de Soja." |
|---|