Mostrar el registro sencillo del ítem
dc.contributor.author | Corrales Karpukhina, Felipe | |
dc.date.accessioned | 2024-10-03T04:12:34Z | |
dc.date.available | 2024-10-03T04:12:34Z | |
dc.date.issued | 2024-03 | |
dc.identifier.uri | xmlui/handle/123456789/547 | |
dc.description.abstract | El tipo de cambio impacta la vida de las personas y las empresas en una economía no dolarizada. El riesgo cambiario afecta las decisiones financieras de los agentes económicos a corto, mediano y largo plazo. Se pueden utilizar técnicas de minería de datos y métodos de aprendizaje automático para pronosticar la clase de cambio. En este trabajo se compara el desempeño de los modelos de pronóstico: árboles de regresión, bosques aleatorios, ARIMA, GARCH y ARCH. Se utiliza la técnica del backtesting y se calcula el error porcentual absoluto medio para determinar el mejor modelo de pronóstico del tipo de cambio entre el colón costarricense y el dólar estadounidense. | es_MX |
dc.language.iso | es | es_MX |
dc.publisher | Universidad Cenfotec | es_MX |
dc.subject | Tipo de cambio USD/CRC | es_MX |
dc.subject | ARIMA | es_MX |
dc.subject | ARCH | es_MX |
dc.subject | GARCH | es_MX |
dc.subject | Aprendizaje automático | es_MX |
dc.subject | Minería de datos | es_MX |
dc.title | PIA02: Desarrollo de un modelo avanzado para predecir las fluctuaciones del tipo de cambio entre el colón costarricense y el dólar estadounidense mediante técnicas de aprendizaje automático y análisis de series temporales | es_MX |
dc.type | Thesis | es_MX |