Perilla Domínguez, Oscar DavidVillalba Perdomo, Carlos Eduardo2023-01-122023-01-122023-01-12https://hdl.handle.net/20.500.12558/4631Actualmente el interés por la inversión en la bolsa de valores ha venido en aumento tanto a nivel nacional como internacional debido a preconceptos de fácil obtención ganancias. Lo anterior, es ajeno a la realidad, ya que los mercados de divisas toman tendencias que no son fácilmente modelables a simple vista. En ese contexto, es importante entender la necesidad de una herramienta robusta que apoye a los inversores en momentos de decisión. En este trabajo se presenta una herramienta enfocada en la estimación/predicción de los diversos precios que pueden tomar el euro, el bitcoin y el dólar; esto se realiza a través de algoritmos de aprendizaje automático, empleando arquitecturas como lo son el LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), TCN (Temporal Convolutional Networks), ARIMA (Modelo Autorregresivo Integrado de Medias Móviles) y una combinación de capas recurrentes LSTM y unidades recurrentes GRU. A través de diversas métricas de evaluación y de una metodología previamente seleccionada y enfocada en los algoritmos de machine Learning, se realizó una clasificación de los mejores modelos a partir de la generación de resultados óptimos, enfatizando que cada selección se hace con base a cada moneda que se describe. Se encontró que los modelos ajustados a cada moneda son: (i) dólar, modelo ARIMA (4,1,2) con un RMSE de 28.24 y error porcentual de 0.62%, (ii) euro, modelo GRU con un RMSE de 31.85 y error porcentual de 0.57%, (iii)bitcoin modelo LSTM con un RMSE de 367.72 y error porcentual de 0.63%. Interestin investing in the stock exchangehas been increasing nationally and internationallydue to preconceptions of easy profit-making. However, the previous is alien to realitysince the currency markets take trends that are not easily modeled at firstglance. In this context, it is essentialto understand the need for a robust tool that supports investorsin moments of decision. This work presents a tool focused on the estimation/prediction of the differentprices that the euro, bitcoin,and dollarcan take; Thisis done through machine learning algorithms, using architectures such as LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), TCN (Temporal Convolutional Networks), ARIMA (Autoregressive Integrated Moving Average) and a combination of LSTM recurringlayers and GRU recurringunits. Through various evaluation metrics and a previously selected methodology focused on machine learningalgorithms, a classification of the best models was made based on the generation of optimal results, emphasizingthat each selection is made based on each coin.that is described. As a result,it was found that the models adjusted to each currency are: (i)dollar,ARIMA model (4,1,2) with an RMSE of 28.24 and percentage error of 0.62%, (ii)euro,GRU model with an RMSE of 31.85 and percentage error of 0.57%, (iii)bitcoin model LSTM with an RMSE of 367.72 and percentage error of 0.63%Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Series de tiempoPatrón de diseño MVCAprendizaje profundoMétricas de calidadARIMAPythonTime SeriesMVC design patternDeep LearningEvaluation of quality metricsARIMAPythonTrabajo de grado