Predicción de precios de futuros de oro utilizando modelos de aprendizaje profundo de transformadores con datos extraídos a través de UiPath

Resumen

El estudio desarrolla un modelo de aprendizaje profundo de transformadores para predecir con precisión los precios del oro utilizando datos históricos de 2014 a 2024. Con una precisión del 93%, el modelo supera a los métodos tradicionales al capturar tendencias y dependencias complejas. Ayuda a los inversores y a los responsables políticos en la toma de decisiones y sugiere mejoras futuras utilizando el análisis del sentimiento y los factores globales.

Resumen

El oro es una de las materias primas más valiosas y comercializadas en todo el mundo, particularmente en la India, y juega un papel importante en los mercados económicos y financieros. Históricamente, el oro ha sido una piedra angular del comercio internacional y la estabilidad económica, y los bancos centrales mantienen reservas para gestionar la inflación y la deuda externa. El precio del oro sirve como un indicador económico clave que influye en las tendencias del mercado y las estrategias de inversión. Sin embargo, predecir con precisión los precios del oro es un desafío debido a la naturaleza compleja y no lineal de los mercados financieros, que están influenciados por varios factores, incluidas las tasas de interés, las recesiones económicas, las fluctuaciones del precio del petróleo y los eventos geopolíticos. El modelo de transformador de estudio se utilizó para predecir los precios diarios del oro que se recopilaron de investing.com a través del raspado web mediante el uso de UiPath. Es una plataforma de automatización robótica de procesos (RPA) para preservar la integridad de los datos y mejorar el rendimiento del modelo, se realizaron operaciones de preprocesamiento como el manejo de datos faltantes y el escalado MinMax. El modelo se probó y entrenó con métricas clave de rendimiento y logró un error cuadrático medio (MSE) de 0,0224, un error cuadrático medio (RMSE) de 0,1496 y un R cuadrado de 0,93, con una alta precisión de predicción. Los resultados del estudio confirman que el modelo de transformador detecta de manera eficiente los movimientos de precios a corto plazo y las tendencias del mercado a largo plazo, ofreciendo un método más preciso y confiable que los métodos de pronóstico tradicionales. El estudio proporciona una valiosa orientación a los inversores, analistas financieros y responsables políticos para tomar decisiones informadas en el mercado de lingotes de oro. La investigación futura puede mejorarse mediante la inclusión de fuentes de datos alternativas, como el sentimiento de los titulares de las noticias y las redes sociales, que potencialmente pueden ofrecer una visión más rica de los movimientos del mercado.

Introducción

El oro es una de las materias primas más importantes en los mercados financieros, un recurso económico crítico y una herramienta de control de precios. El oro constituye una parte sustancial de las reservas de los bancos centrales en muchos países¹. Recientemente, el oro se ha vuelto más conocido como cobertura contra la inflación². Es un activo de cobertura clave y su pronóstico de volatilidad mejora utilizando modelos de heterocedasticidad condicional autorregresiva generalizada - Muestreo de datos mixtos (GARCH-MIDAS) que tienen en cuenta la asimetría, los extremos y los saltos

Protocolo

La metodología de esta investigación es un proceso sistemático diseñado para desarrollar un modelo de transformador para la predicción del precio del oro. La recopilación de datos es el paso inicial en el que se recopilan los datos históricos del precio del oro y los indicadores financieros relevantes para formar un conjunto de datos completo. El conjunto de datos se somete a preprocesamiento de datos, desarrollo de modelos, evaluación, métricas de rendimiento y, finalmente, predicción del precio del oro con una explicación detallada en las secciones siguientes.

Recopilación de datos y fiabilidad:
Los datos históricos de....

Resultados

En el análisis del estudio, las métricas de rendimiento se evaluaron a través de datos históricos, estas métricas se utilizaron para brindar una imagen completa de qué tan bien el modelo de transformador predijo los precios futuros del oro.

En la Figura 3, el gráfico de velas del precio del oro presenta una representación visual completa de las oscilaciones de precios, enfatizando patrones significativos, correcciones del mercado e intervalos estables a lo largo d.......

Discusión

El presente estudio propuso un modelo de aprendizaje profundo de transformadores que utiliza datos extraídos por UiPath, una plataforma automatizada que garantiza la adquisición oportuna y organizada de datos financieros para predecir los precios de los futuros de oro con mayor precisión y confiabilidad. El modelo incorpora datos sobre el precio del oro con indicadores técnicos importantes como métricas de volumen, medias móviles de 30 y 100 días, tendencias, predicción del precio del or.......

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Fuente de datos	Investing.com	https://in.investing.com/commodities/gold-historical-data	Investing.com es una plataforma de mercado financiero que proporciona cotizaciones de mercado, información sobre acciones, futuros, etc.
Modelo de transformador (Python implementado en Google Colab)	Google	https://colab.research.google.com/	Desarrollé un código fuente de Python para el análisis de datos para extraer información de los datos, y ese código se ha ejecutado en este entorno virtual de Google Colab
Automatización robótica de procesos UiPath	UiPath, Inc.	https://www.uipath.com	Para extraer los datos de la fuente, y el código se ha ejecutado en esta plataforma UiPath Studio.