Inteligencia artificial para invertir en bolsa

Inteligencia artificial para invertir en bolsa online

tecnología zensar

“Alexa, compra una acción que tenga la mayor probabilidad de subir entre el 1% y el 3% hoy”. ¿Podría la complejidad de la investigación financiera llegar a ser tan sencilla? La respuesta es sí. Los nuevos desarrollos en inteligencia artificial (IA) y aprendizaje automático (ML) están perturbando el proceso de suscripción, la composición de la cartera, el robo-asesoramiento, la investigación y prácticamente todos los rincones de fintech.

Algún día, dispondrá de una IA fiable que podrá analizar su estilo de inversión específico, alertarle de dónde se esconden las oportunidades y ofrecerle análisis contundentes para mantenerse informado. Esto es vital porque los sistemas financieros sólidos apuntalan el crecimiento económico y el desarrollo, y son el motor del mundo civilizado para avanzar en la prosperidad compartida y reducir la desigualdad de clases.

Y hacer que la inversión sea accesible es fundamental. La división de clases es más gravemente desproporcionada en la propiedad de los activos financieros que en la distribución de los ingresos. El 1% de los estadounidenses más ricos controla alrededor del 38% del mercado de valores, y el 10% más rico tiene el 84% de todo el valor de las carteras de Wall Street, según los resultados de la Encuesta de Finanzas de los Consumidores de 2019 de la Reserva Federal.

dataiku

ReferenciasDescargar referenciasAgradecimientosLos autores desean agradecer al Laboratorio de Ingeniería Financiera y de Inversiones y al Departamento de Ingeniería de Gestión y Sistemas de la Universidad de Ciencia y Tecnología de Missouri su apoyo financiero y el uso de sus instalaciones.

Tras la publicación, los datos de la misma estarán disponibles en http://web.mst.edu/~enke/main_publications.html y/o en el repositorio de datos Scholars Mine de la Universidad de Ciencia y Tecnología de Missouri (http://scholarsmine.mst.edu/).

Información del autorAfiliacionesAutoresContribucionesXZ contribuyó al desarrollo y codificación del modelo de red neuronal, al preprocesamiento del conjunto de datos de entrada, a la prueba del modelo y a la simulación de operaciones. DE contribuyó al desarrollo del modelo de red neuronal, a la selección de los datos de entrada y al desarrollo de la estrategia de negociación. Ambos autores leyeron y aprobaron el manuscrito final.Autor correspondienteCorrespondencia a

La Dra. Xiao Zhong ([email protected]) se licenció en Informática, se doctoró en Ciencia y Tecnología de la Computación, obtuvo un máster en Estadística Aplicada y Matemáticas Financieras, y un doctorado en Matemáticas con énfasis en Estadística por la Universidad de Shandong en 1994, la Universidad de Zhejiang en 2001, el Instituto Politécnico de Worcester en 2004 y 2010, y la Universidad de Ciencia y Tecnología de Missouri en 2015, respectivamente. Trabajó como asociada postdoctoral en el Departamento de Ciencia y Tecnología Informática de la Universidad de Tsinghua y en el Instituto Whitehead del Instituto Tecnológico de Massachusetts, así como en el Laboratorio de Ingeniería Financiera y de Inversiones de la Universidad de Ciencia y Tecnología de Missouri. En la actualidad, el Dr. Zhong es profesor asistente visitante en la Universidad de Clark. Sus intereses de investigación incluyen la inteligencia artificial, el reconocimiento de patrones, la extracción de datos y las aplicaciones estadísticas en finanzas, economía, ingeniería y biología.

alphabet inc.

Acciones de aprendizaje automáticoTodos los valores mencionados anteriormente utilizan tecnologías de aprendizaje automático, pero si busca más opciones, aquí hay otras dos que vale la pena considerar:Acciones de aprendizaje profundoEl aprendizaje profundo es un subconjunto del aprendizaje automático que utiliza redes neuronales artificiales inspiradas en el cerebro humano. Es el tipo más avanzado de inteligencia artificial y es crucial en tecnologías como los coches autoconducidos. El aprendizaje profundo está avanzando en áreas como la atención sanitaria preventiva, donde se necesitan algoritmos de predicción, y se diferencia del aprendizaje automático en que no requiere aportaciones humanas.Entre las empresas estrechamente relacionadas con el aprendizaje profundo se encuentra Nvidia, cuyos chips de GPU utilizan el aprendizaje profundo para alimentar los centros de datos y permitir la conducción autónoma y la computación en la nube, entre otras funciones.Alphabet está expuesta al aprendizaje profundo a través de varias de sus empresas, incluida su start-up de vehículos autónomos Waymo. También posee DeepMind, una plataforma de aprendizaje profundo que puede diagnosticar enfermedades oculares, predecir las formas de las proteínas y acelerar el proceso de descubrimiento científico.