Resumen

La inversión en acciones es uno de los tipos de inversión más populares, ya que proporciona la mayor rentabilidad entre todos los tipos de inversión; sin embargo, también está asociada a un riesgo considerable. La fluctuación de los precios de las acciones ofrece a los inversores la oportunidad de obtener grandes beneficios. Podemos observar el movimiento de los grupos de precios de las acciones a partir del índice bursátil, que en Indonesia se denomina Índice Compuesto de Yakarta (JKSE). Varios estudios se han centrado en la predicción de los precios de las acciones utilizando el aprendizaje automático, mientras que uno utiliza la regresión de vectores de soporte (SVR). Por lo tanto, este estudio examina la aplicación de SVR y la optimización de enjambre de partículas (PSO) en la predicción de los precios de las acciones utilizando datos históricos de acciones y varios indicadores técnicos, que se seleccionan utilizando PSO. Posteriormente, se aplicó una máquina de vectores soporte (SVM) para predecir los precios de las acciones con el indicador técnico seleccionado por PSO como predictor. El estudio constató que la predicción del precio de las acciones mediante SVR y PSO muestra un buen rendimiento para todos los datos, y muchas características y datos de entrenamiento utilizados por el estudio tienen probabilidades de error relativamente bajas. De este modo, se obtuvo un modelo preciso para predecir los precios de las acciones en Indonesia.

• Materias:Dinámica de fluidos Modelado matemático Análisis mecánico Ecuaciones diferenciales
• Subjects:Fluid dynamics Mathematical modeling Mechanical analysis Differential equations
• Palabras claves:precios de las acciones, PSO, SVR, estudio, Jakarta Composite Index, bajas probabilidades de error, optimización por enjambre de partículas, varios indicadores técnicos, predicción de precios de las acciones, máquina de vectores soporte
• Keywords:stock prices, PSO, SVR, study, Jakarta Composite Index, low error probabilities, particle swarm optimisation, several technical indicators, stock price prediction, support vector machine