El objetivo de este trabajo es la investigación sobre la competencia del Deep Learning para la predicción de series de tiempo. En este proyecto se profundiza en el uso de Redes Neuronales Recurrentes para predecir índices bursátiles. Se han implementado tres tipos distintos de redes neuronales con la capacidad de memoria a largo plazo: SimpleRNN, LSTM y GRU. En principio se trató de predecir los valores del Bitcoin, y más adelante se decidió incorporar otras series de tiempo distintas. La finalidad era encontrar el modelo más eficiente a la hora de predecir algunos activos de mercado. Para el procesamiento de las series de datos, antes de realizar la predicción, se han utilizado algunas técnicas de estadística, concretamente las medias móviles.

The objective of this work is the investigation into the competence of Deep Learning for time series prediction. This project delves into the use of Recurrent Neural Networks to predict stock market indices. Three different types of neural networks with long-term memory capacity have been implemented: SimpleRNN, LSTM and GRU. At first it was about predicting the values of Bitcoin, and later it was decided to incorporate other different time series. The purpose was to find the most efficient model when predicting some market assets. To process the data series, before making the prediction, some statistical techniques have been used, specifically moving averages.

Universidad de Málaga y Sevilla. Grado en Ingeniería Electrónica, Robótica y Mecatrónica