Predicción de precios de acciones mediante arquitecturas de aprendizaje profundo multi-entrada y multi-salida incorporando sentimiento ponderado y factores macroeconómicos

Abstract

Este estudio se enfoca en la predicción de los precios de cierre de acciones de empresas tecnológicas extranjeras mediante el uso de arquitecturas de aprendizaje profundo Multi-Entrada Multi-Salida. Se desarrollaron y compararon tres arquitecturas principales: LSTM, GRU y TCN, con diferentes variaciones de ventanas de retroceso (1, 3, 5 y 7 días) y modelos diseñados para permitir la entrada simultánea de múltiples fuentes de información, incluyendo sentimiento ponderado y factores macroeconómicos. La metodología utilizada busca simplificar el proceso de predicción, mejorar la generalización de los resultados y ofrecer pronósticos aplicables en el ámbito económico...