3. Licenciatura
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/7312
Explorar
2 resultados
Resultados de búsqueda
Ítem Texto completo enlazado Implementación de un algoritmo de aprendizaje profundo basado en eventos para el problema de predicción de movimiento bursátil(Pontificia Universidad Católica del Perú, 2021-11-30) Bustamante Arce, Jaime Diego; Beltrán Castañón, César ArmandoLa predicción de precios bursátiles, acciones e índices siempre ha sido un tema de interés en el mundo financiero, no solo por su capacidad de originar grandes rentabilidades en poco tiempo, sino también por su volatilidad y complejidad. Así, desde que los mercados bursátiles fueron concebidos diferentes investigadores en variadas áreas han tratado de “vencerlo” prediciendo su comportamiento, como el índice S&P 500 que lista la cotización de las 500 corporaciones más líquidas de la Bolsa de New York. Uno de los enfoques es el fundamentalista, que busca predecirlo de acuerdo a las noticias en los medios de las empresas listadas en la Bolsa de Valores. Desde el lado informático, diversas técnicas han venido siendo aplicadas para realizar esta predicción como estadísticas y las clásicas herramientas de aprendizaje de máquina. Sin embargo, con el creciente aumento de volumen de información, se hace necesario aplicar técnicas que consigan lidiar con esta información no estructurada. Técnicas como redes profundas recurrentes (LSTM), se han mostrado ad-hoc para el manejo de información temporal, debido a que tienen de capacidad de memorizar hechos pasados, que persisten en el tiempo. En el presente trabajo se propone una metodología y conjunto de redes neuronales profundas para la predicción de movimiento bursátil a partir de eventos y noticias corporativas. Para ello no solo se considera la contextualización de palabras, sino también sus relaciones y composición semántica, estructura e historia para la predicción del índice S&P 500. En resumen, el presente proyecto obtiene resultados exitosos puesto que sobrepasan a los del estado del arte. Así, el conjunto de modelos neuronales propuestos puede ser usados como apoyo en la decisión de inversión diaria en el índice S&P 500.Ítem Texto completo enlazado Informe sobre la Resolución de Superintendencia Adjunta SMV N° 056-2016- SMV/11(Pontificia Universidad Católica del Perú, 2021-08-13) Arce Rodriguez, Mario Marcelo; Moscol Salinas, Alejandro MartínEn el presente Informe se llevará a cabo el análisis de la obligación de comunicación de Hechos de importancia en materia de Mercado de Valores y la distinción de los tipos infractores correspondientes a su comunicación incompleta o inexacta. Al respecto, como resultado de la investigación, se sostendrá que acuerdos llevados a cabo entre accionistas de empresas supervisadas por la Superintendencia del Mercado de Valores y otros actores del mercado, así no contengan obligaciones para la empresa supervisada, sí podrían calificar como Hechos de Importancia. Junto a ello, se determinará que la tipificación actual de los supuestos de comunicación incompleta e inexacta de Hechos de Importancia resulta insuficiente para que los administrados puedan conocer de antemano la consecuencia de sus conductas, vulnerándose así el principio de Tipicidad. Asimismo, como corolario, se propondrá una nueva redacción de dichos tipos infractores. Para lograr sostener tales conclusiones se realizará un estudio doctrinario de la Transparencia del Mercado y del Principio de Tipicidad en materia de Derecho Administrativo Sancionador. Esto será contrastado con la regulación sectorial aplicable y con los preceptos encontrados en el TUO de la Ley del Procedimiento Administrativo General. Asimismo, para determinar el alcance de los tipos infractores ya descritos, se analizarán resoluciones de Procedimientos Administrativos Sancionadores emitidos por la Superintendencia del Mercado de Valores.