Sobre la predicción de la dirección de la rentabilidad diaria del mercado bursátil mediante algoritmos de aprendizaje automático: aplicación al caso del Dow Jones.

Identificador persistente para citar o vincular este elemento: https://accedacris.ulpgc.es/jspui/handle/10553/117516

Campo DC	Valor	idioma
dc.contributor.advisor	Andrada Félix, Julián	es
dc.contributor.advisor	Fernández Rodríguez, Fernando	es
dc.contributor.author	Ramírez Peña, Zuleima Del Carmen	es
dc.date.accessioned	2022-07-31T20:02:27Z	-
dc.date.available	2022-07-31T20:02:27Z	-
dc.date.issued	2022	-
dc.identifier.other	Gestión académica
dc.identifier.uri	https://accedacris.ulpgc.es/handle/10553/117516	-
dc.title	Sobre la predicción de la dirección de la rentabilidad diaria del mercado bursátil mediante algoritmos de aprendizaje automático: aplicación al caso del Dow Jones.	es
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type	BachelorThesis
dc.contributor.departamento	Departamento de Métodos Cuantitativos en Economía y Gestión	es
dc.type2	Trabajo final de grado
dc.identifier.matricula	TFT-66872	es
dc.identifier.ulpgc	Sí
dc.contributor.buulpgc	BU-ECO	es
dc.contributor.titulacion	Grado en Economía	es
item.fulltext	Sin texto completo	-
item.grantfulltext	none	-
crisitem.advisor.dept	GIR Finanzas Cuantitativas y Computacionales	-
crisitem.advisor.dept	Departamento de Métodos Cuantitativos en Economía y Gestión	-
crisitem.advisor.dept	GIR Finanzas Cuantitativas y Computacionales	-
Colección:	Trabajo final de grado

Vista resumida

68

actualizado el 01-feb-2025

Verifica