On multi-horizon forecasting of copper price returns using deep learning techniques

M. Carhuas, Soledad Espezua, Edwin Villanueva

Producción científica: Capítulo del libro/informe/acta de congresoContribución a la conferenciarevisión exhaustiva

Resumen

El pronóstico de los precios del cobre es fundamental para las partes interesadas en las industrias que dependen de esta materia prima. El desafío radica en la dinámica del mercado y la multitud de factores que afectan los precios. Este estudio introduce modelos de redes neuronales para predecir los rendimientos a corto plazo del precio del cobre. Utilizando datos históricos de precios e indicadores macroeconómicos de 2007 a 2021, descubrimos que los modelos dedicados a horizontes de pronóstico específicos superan a aquellos diseñados para múltiples horizontes. En particular, los modelos de memoria a largo y corto plazo (LSTM, por sus siglas en inglés) proporcionaron consistentemente las predicciones más precisas tanto para los rendimientos futuros de una semana como de un mes, confirmando su solidez para capturar los complejos patrones inherentes al mercado del cobre.
Idioma originalInglés
Título de la publicación alojadaIEEE Andescon, ANDESCON 2024 - Proceedings
Lugar de publicaciónLima
EditorialInstitute of Electrical and Electronics Engineers Inc.
ISBN (versión digital)9798350355284
DOI
EstadoPublicada - 2024
Evento12th IEEE Andescon, ANDESCON 2024 - Cusco, Perú
Duración: 11 set. 202413 set. 2024

Conferencia

Conferencia12th IEEE Andescon, ANDESCON 2024
País/TerritorioPerú
CiudadCusco
Período11/09/2413/09/24

Nota bibliográfica

Publisher Copyright:
© 2024 IEEE.

Palabras clave

  • Pronóstico del precio del cobre
  • Aprendizaje profundo
  • Pronóstico multi-horizonte
  • Redes neuronales recurrentes
  • Series temporales

Huella

Profundice en los temas de investigación de 'On multi-horizon forecasting of copper price returns using deep learning techniques'. En conjunto forman una huella única.

Citar esto