Análise de series temporales utilizando métodos de pronóstico e modelado en Python
| Data de defensa | 26/07/2023 |
| Titulación | Grao en Economía |
| Centro | Facultade de Ciencias Económicas e Empresariais |
| Dirección |
Titoría: Daniel Gustavo Miles Touya |
| Tribunal |
Titoría: Daniel Gustavo Miles Touya |
| Resumo | O obxectivo deste traballo é a análise de series temporais, concretamente de datos financeiros para a toma de decisións no mercado financeiro. Para isto, usaremos a linguaxe de programación Python para o modelado e uso das técnicas de análise. Primeiro, ven o proceso de aprendizaxe de Python para acadar os coñecementos necesarios para aplicar ditos modelos. Explicanse e usanse varios métodos de previsión e modelado, incluíndo a regresión logística, análise discriminante lineal e cadrático, Bandas de Bollinger, modelo GARCH e Value at Risk. Neste traballo, aplicaranse estes métodos a accións como Apple. Os resultados destas análises mostrannos que certos modelos indican que o prezo das accións de Apple seguirá á alza ata o final do ano, mentres que outros nos amosan os datos de volatilidade prevista. Con estes datos, preténdese proporcionar información para a elección das inversións. Series temporales, Python, estimación puntual , regresión loxística, análise discriminante lineal, análise discriminante cuadrático, Bandas de Bollinger, modelo GARCH, Value at Risk. |