Pronóstico del precio de cobre utilizando técnicas de aprendizaje profundo

• Autor: Carhuas Ñañez, Milton Cesar
• Formato: tesis de maestría
• Fecha de Publicación: 2022
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: inglés
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/24440
• Enlace del recurso: http://hdl.handle.net/20.500.12404/24440
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje profundo; Redes neuronales (Computación); Cobre; https://purl.org/pe-repo/ocde/ford#1.02.00

Pronosticar los precios futuros de cobre es una tarea desafiante dadas las características dinámicas y no lineales de varios factores que afectan el precio del cobre. Este artículo describe modelos de pronóstico, basados en arquitecturas de redes neuronales, para predecir los retornos del precio de cobre en tres horizontes de tiempo: un día, una semana y un mes adelante. Diversas variables se consideran como variables de entrada, como los precios históricos de diferentes materias primas metálicas y variables macroeconómicas globales. Evaluamos los modelos con datos diarios de 2007 a 2020. Los resultados experimentales mostraron que los modelos de salida única presentan un mejor rendimiento predictivo que los modelos de salida múltiple. Las arquitecturas de mejor rendimiento fueron los modelos de memorias largas a corto plazo (LSTM) en datos de prueba.