logo móvil
Contáctanos

Uniendo Perspectivas Comportamentales y Comercio Automatizado: Un Enfoque de Internet de Comportamientos para una Mejora en la Toma de Decisiones Financieras

Autores: Moustati, Imane; Gherabi, Noreddine

Idioma: Inglés

Editor: MDPI

Año: 2025

Descargar PDF

Acceso abierto

Artículo científico
2025

Uniendo Perspectivas Comportamentales y Comercio Automatizado: Un Enfoque de Internet de Comportamientos para una Mejora en la Toma de Decisiones Financieras


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Toma de decisiones de inversión
Análisis predictivo
Fuentes de datos alternativas
Conocimientos sobre el comportamiento
Ecosistema de Internet de los Comportamientos (IoB)
Gestión de carteras

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
La toma de decisiones de inversión efectiva en el volátil mercado financiero actual exige la integración de análisis predictivos avanzados, fuentes de datos alternativas y conocimientos conductuales. Este documento presenta un innovador ecosistema de Internet de Comportamientos (IoB) que integra la adquisición de datos en tiempo real, la ingeniería de características avanzadas, la modelización predictiva, la explicabilidad, la gestión automatizada de carteras y un motor de soporte de decisiones inteligente para mejorar la toma de decisiones financieras. Nuestro marco captura eficazmente las complejas dependencias temporales en los datos financieros al combinar indicadores técnicos robustos y métricas impulsadas por el sentimiento, derivadas del análisis de sentimiento basado en BERT, con un modelo de pronóstico LSTM de múltiples capas. Para mejorar el rendimiento y la transparencia del modelo y fomentar la confianza del usuario, aplicamos métodos de XAI, a saber, TimeSHAP y TIME. El ecosistema IoB también propone un motor de gestión de carteras que traduce las predicciones en estrategias accionables y un bucle de retroalimentación continua, lo que permite al sistema adaptarse y refinar su estrategia en tiempo real. Las evaluaciones empíricas demuestran la efectividad de nuestro enfoque: el modelo de pronóstico LSTM logró un RMSE de 0.0312, un MAE de 0.0250, un MSE de 0.0010 y una precisión direccional del 95.24% en los rendimientos de las acciones de TSLA. Además, el algoritmo de gestión de carteras transformó con éxito un saldo inicial de 15,000 USD en un valor final de cartera de 21,824.12 USD, generando una ganancia neta de 6,824.12 USD. Estos resultados destacan el potencial de las metodologías impulsadas por IoB para revolucionar los servicios financieros al permitir soluciones de inversión más personalizadas, transparentes y adaptativas.

Otros recursos que podrían interesarte

Temas Virtualpro