Predicción de indicadores económicos a través de noticias usando rss, minería de texto e inteligencia computacional

Este estudio presenta un enfoque innovador para el análisis de fenómenos económicos al integrar datos de noticias y redes sociales como fuentes externas para prever los valores de productos básicos como LBMA GOLD y petróleo Brent, junto con la tasa de cambio USD/COP. Durante un período de doce meses, se recopilaron datos de 166 fuentes de noticias a través de RSS y Twitter. Se aplicaron técnicas de regresión lineal y aprendizaje automático ensamblado, como XGBoost y Random Forest, para prever los cambios diarios. Además, se desarrolló un sistema multiagente inspirado en el sistema económico-social, capaz de evolucionar mediante el uso de información externa y de identificar patrones característicos de sistemas complejos.

• Autores: Izquierdo Ortiz, Cristhian Johnatan
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/42116
• Acceso en línea: http://hdl.handle.net/11349/42116
• Palabra clave: Sistema multiagente; Aprendizaje automático; Minería de textos; Twitter; Valores forex; Maestría en Ciencias de la Información y las Comunicaciones -- Tesis y disertaciones académicas; Mercadeo; Aprendizaje automático (Inteligencia artificial); Redes sociales -- Minería de datos; Multiagent system; Machine learning; Forex values; Twitter; Text mining
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional