Clasificación de patrones de gráficos en series temporales financieras mediante Redes Neuronales Convolucionales 1D

Ponente(s): Jose Isidro Pinango Nuñez, Dr. Feliú Sagols

El aumento en el volumen de datos de series temporales financieras ha hecho que sea poco práctico la inspección manual para identificar patrones. El análisis técnico, que consiste en estudiar gráficos para analizar el comportamiento del mercado y predecir las tendencias de los precios de las acciones, se basa en la coincidencia de patrones. Se propone una perspectiva innovadora centrada en el aprendizaje profundo para la clasificación de patrones en gráficos financieros. Las redes neuronales convolucionales (CNN) han obtenido resultados notables en el reconocimiento de imágenes y aplicaciones de visión por computadora, siendo las redes neuronales convolucionales bidimensionales (CNN 2D) las más utilizadas. Sin embargo, en este contexto, nos centraremos en el diseño y la implementación de redes neuronales convolucionales unidimensionales (CNN 1D), específicamente, para la clasificación de patrones en series temporales financieras. Los resultados obtenidos respaldan la eficacia y precisión de este enfoque.