Anàlisi de sèries temporals en dades financeres

Abstract

Aquest treball presenta un anàlisi detallat de la precisió de les prediccions realitzades pels models ARIMA, Regressió Lineal, LSTM i Random Forest en sèries temporals financeres. Es proporciona un marc teòric per a cada model, s'expliquen les dades utilitzades per a la predicció i es descriu la metodologia seguida. Aquestes prediccions asmentades s'han evaluat en dos escenaris: un basat exclusivament en dades històriques i una altra que incorpora variables exògenes. L'avaluació d'aquestes prediccions revela que el model LSTM obté resultats superiors als altres models, gràcies a la seva capacitat per predir les fluctuacions del mercat a curt termini. A més a més, s'observa que l'addició de variables exògenes només ha millorat significativament el model Random Forest, mentre que els altres models no han mostrat millora substancial.

This paper presents a detailed analysis of the accuracy of the forecasts made by the ARIMA, Linear Regression, LSTM and Random Forest models in financial time series. A theoretical framework is provided for each model, the data used for the prediction are explained and the methodology followed is described. These forecasts have been evaluated in two scenarios: one based exclusively on historical data and the other incorporating exogenous variables. The evaluation of these predictions reveals that the LSTM model obtains better results than other models, thanks to its ability to predict short-term market fluctuations. Moreover, it is observed that the addition of exogenous variables has only significantly improved the Random Forest model, while the other models have not shown any substantial improvement.