Real-time stock predictions with Deep Learning and news scrapping
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/128164
Tipus de documentTreball Final de Grau
Data2018-06
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
Predict the stock market has always been one of the most challenging problems of the world. It is known that the market is influenced by uncountable things, however intuition says that one of the most correlated information is in fact public and accessible: the news. The goal of this thesis is to use neural networks to check if it is possible to predict the stock market using only news previous to the opening of the session. To deal with the problem first we acquire the data, pre-process it and then we test different models to check if we can improve a random predictor. Finally, the different models are compared and conclusions related with the correlation between news and stock market variations are exposed. Predecir el mercado siempre ha sido uno de los problemas más desafiantes del mundo. Se sabe que el mercado está influenciado por un gran número de factores, no obstante la intuición nos dice que uno de los tipos de información más correlada es pública y accesible: las noticias. El objetivo de esta tesis consiste en utilizar redes neuronales para ver si es posible predecir el mercado bursátil utilizando únicamente noticias anteriores a la apertura de la sesión. Para afrontar este problema en primer lugar adquirimos la información, la pre procesamos y utilizamos diferentes arquitecturas para comprobar si podemos mejorar un predictor aleatorio. Finalmente, se comparan las diferentes arquitecturas y se exponen las conclusiones a las que se ha llegado con respecto a la relación entre noticias y variaciones de bolsa. Predir el mercat sempre ha estat un dels problemes més desafiadors del món. Se sap que el mercat està influenciat per un gran nombre de factors, però la intuïció ens diu que un dels tipus d'informació més correlada és pública i accessible: les notícies. L'objectiu d'aquesta tesi consisteix a utilitzar xarxes neuronals per veure si és possible predir el mercat borsari utilitzant únicament notícies anteriors a l'obertura de la sessió. Per afrontar aquest problema en primer lloc adquirim la informació, la pre processem i utilitzem diferents arquitectures per comprovar si podem millorar un predictor aleatori. Finalment, es comparen les diferents arquitectures i s'exposen les conclusions a les que s'ha arribat pel que fa a la relació entre notícies i les variacions de borsa.
MatèriesMachine learning, Natural language processing (Computer science), Neural networks (Computer science), Aprenentatge automàtic, Tractament del llenguatge natural (Informàtica), Xarxes neuronals (Informàtica)
TitulacióGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
TFG_Memory.pdf | 3,978Mb | Visualitza/Obre |