dc.contributor.advisor | Taquía Gutiérrez, José Antonio | |
dc.contributor.author | Espiritu Pera, Jose Antonio | |
dc.contributor.author | Ibañez Diaz, Alexis Oneil | |
dc.date.accessioned | 2024-08-26T12:42:34Z | |
dc.date.available | 2024-08-26T12:42:34Z | |
dc.date.issued | 2024 | |
dc.identifier.citation | Espiritu Pera, J. A. & Ibañez Diaz A. O. (2024). Prediction of Peruvian Companies' Stock Prices Using Machine Learning [Tesis para optar el Título Profesional de Ingeniero Industrial, Universidad de Lima]. Repositorio Institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/21096 | es_PE |
dc.identifier.uri | https://hdl.handle.net/20.500.12724/21096 | |
dc.description.abstract | Nowadays, the challenges that covid-19 has generated to the financial community that operates within the stock market has generated a greater uncertainty in the profitability and consequently has made
this practice more difficult. To overcome that problem the present study aims to develop a model that
facilitates this work; this model uses the SVR regression algorithm and through technical indicators
provide us with the possible trend that the stock may take in the future and thus suggest that the investor in
question buys, sells or holds the stock in view of that result. As a result of the project, it was proposed to
use 7 technical indicators RSI, MACD, ROC, WMA, OBV, the Williams indicator and the stochastic
oscillator that determine the current market condition. After validating the model, it was concluded that
there are different Peruvian companies that have been able to overcome the difficulties of the pandemic
with enough growth potential during this post-covid period. Our main research question: Is it
feasible to predict stocks in Peruvian companies with growth potential during the Covid-19 pandemic, using
the Support Vector Regression (SVR) algorithm as Machine Learning in the Lima Stock Exchange (BVL)? | en_EN |
dc.description.abstract | En la actualidad los retos que el covid-19 ha generado a la comunidad financiera que opera dentro del mercado de valores ha generado una mayor incertidumbre en la rentabilidad y por consiguiente ha
dificultado esta práctica. Para superar ese problema el presente estudio tiene como objetivo desarrollar un
modelo que facilite esta labor; este modelo utiliza el algoritmo de regresión SVR y a través de indicadores
técnicos nos proporciona la posible tendencia que puede tomar la acción en el futuro y así sugerir que el
inversionista en cuestión compre, venda o mantenga la acción en vista de ese resultado. Como resultado del
proyecto, se propuso utilizar 7 indicadores técnicos RSI, MACD, ROC, WMA, OBV, el indicador Williams
y el oscilador estocástico que determinan el estado actual del mercado. Luego de validar el modelo, se concluyó que existen diferentes empresas peruanas que han podido superar las dificultades de la pandemia
con suficiente potencial de crecimiento durante este periodo post-covid. Nuestra principal pregunta de investigación:
¿Es factible predecir acciones de empresas peruanas con potencial de crecimiento durante la pandemia del
Covid-19, utilizando el algoritmo de Regresión por Vectores de Soporte (SVR) como Machine Learning en la Bolsa de Valores de Lima (BVL)? | es_PE |
dc.format | application/pdf | |
dc.language.iso | eng | |
dc.publisher | Universidad de Lima | |
dc.rights | info:eu-repo/semantics/openAccess | * |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.source | Repositorio Institucional Ulima | |
dc.source | Universidad de Lima | |
dc.subject | Pendiente | en_EN |
dc.subject | Pendiente | es_PE |
dc.title | Prediction of Peruvian Companies' Stock Prices Using Machine Learning | en_EN |
dc.type | info:eu-repo/semantics/bachelorThesis | |
thesis.degree.discipline | Ingeniería Industrial | |
thesis.degree.grantor | Universidad de Lima. Facultad de Ingeniería | |
thesis.degree.level | Titulo profesional | |
dc.type.other | Tesis | |
thesis.degree.name | Ingeniero Industrial | |
dc.publisher.country | PE | |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | |
renati.author.dni | 73176828 | |
renati.author.dni | 70667725 | |
renati.advisor.orcid | https://orcid.org/0000-0003-1858-4123 | |
renati.advisor.dni | 10300285 | |
renati.juror | Pendiente | |
renati.level | http://purl.org/pe-repo/renati/level#tituloProfesional | |
renati.type | https://purl.org/pe-repo/renati/type#tesis | |
renati.discipline | 722054 | |
ulima.cat | OI | |
dc.identifier.isni | 121541816 | |