Mohammad Sayrani, Jalal Sadeghi Sharif
La previsión de datos financieros es una de las áreas más importantes de los mercados financieros. La previsión es el proceso de hacer predicciones utilizando datos históricos y con la ayuda de modelos matemáticos. La predicción y revisión de datos de series temporales financieras siempre ha sido una de las áreas clave de interés para los participantes del mercado de capitales, incluidos los inversores y analistas. Los algoritmos de aprendizaje automático, como las redes neuronales artificiales (ANN) y las máquinas de vectores de soporte (SVM), se han utilizado ampliamente para predecir series temporales financieras y se ha demostrado que superan a los modelos lineales tradicionales, como la media móvil integrada autorregresiva (ARIMA). El objetivo es pronosticar las señales de negociación de acciones y establecer un sistema que prediga cuándo comprar y vender acciones para maximizar las ganancias. Este documento integra la representación lineal por partes (PLR) y el método Zig Zag en la máquina de vectores de soporte ponderado (WSVM) para pronosticar los puntos de inflexión de las acciones (TP). El índice de fuerza relativa (RSI) también se utiliza para determinar si el TP previsto es un punto de compra o de venta. Se examinan 40 empresas que cotizan en la Bolsa de Valores de Teherán (TSE) con una unidad de medida diaria entre 2016 y 2019, de las cuales 20 son empresas líderes en términos de índice bursátil y 20 se seleccionan aleatoriamente entre empresas no líderes. Los resultados indican el pobre desempeño de PLR en la previsión de precios de acciones en la TSE, aunque es ligeramente más preciso que Zig Zag.