Patrocinado por:
https://orcid.org/0009-0000-4692-5867
https://orcid.org/0000-0002-6450-8562
https://orcid.org/0000-0002-7559-6131
La presente investigación se centra en el desarrollo de un sistema de predicción para el par de divisas EUR/USD, reconocido por su estabilidad y atractiva rentabilidad en el mercado global, pero sujeto a episodios de volatilidad. El estudio busca mitigar el impacto de la gestión emocional del trader conocida como “psicotrading”, una variable que puede comprometer la efectividad de estrategias técnicas en el ámbito del trading. Con el propósito de reducir la influencia del factor humano en la toma de decisiones, se adopta la metodología propuesta por Tinoco-Figueroa S. (2024), quien aplicó algoritmos como la distancia de Lorentz y vecinos más cercanos aproximados en el análisis del par de divisas BTC/USD. En esta investigación se incluye el uso de Redes Neuronales Recurrentes, específicamente el modelo LSTM (Long Short-Term Memory), dada su capacidad para modelar series temporales financieras con alta precisión. La implementación técnica se realizó en el entorno de desarrollo Visual Studio Code – VSCODE, utilizando el lenguaje de programación Python. Los datos históricos fueron obtenidos desde la plataforma MetaTrader5, estableciendo una conexión en tiempo real para recopilar información de los últimos 60 días con intervalos de 15 minutos. En principio de realizo un diagnóstico inicial para posterior plantear la estrategia y evaluar el desempeño del sistema mediante métricas específicas, se comparó con los resultados obtenidos por Tinoco-Figueroa S. (2024), y se propusieron acciones de mejora junto con la exposición de las limitaciones del modelo.
Arana, C. (2021). Redes neuronales recurrentes: Análisis de los modelos especializados en datos secuenciales. Universidad del Centro de Estudios Macroeconómicos de Argentina (UCEMA), https://www.econstor.eu/bitstream/10419/238422/1/797.pdf
Carbo, S., Ganuza, J.J., Peña, D., & Poncela, P. (2023). Análisis Financiero y Big Data: Aprendizaje Automático aplicado a la compraventa de criptomonedas. Universidad Autónoma de Madrid. https://portalcientifico.uam.es/es/es/ipublic/item/10417406.
Código Tributario Interno. (2005), de la Republica del Ecuador. https://www.gob.ec/regulaciones/codigo-organico-tributario
da Silva, R. B. S. (2016). Abordagem histórica da bolsa de valores. Maiêutica - Estudos Contemporâneos Em Gestão Organizacional, 4(1). https://publicacao.uniasselvi.com.br/index.php/GESTAO_EaD/article/view/1590
Enriquez, J. (2022). Regulación en la Ley de Mercados de Valores sobre el Bitcoin, trading y criptomonedas, frente al derecho de seguridad jurídica. https://dspace.uniandes.edu.ec/handle/123456789/14496
Fresneda, N. (2023), Iniciación al Trading. Universidad Miguel Hernandez de ELCHE. https://dspace.umh.es/bitstream/11000/29734/1/TFG-Fresneda%20Campoy%2c%20Naiara.pdf
Garcia, M., Jalal, A., Garzon, L., & López, J. (2013). Métodos para predecir índices bursátiles. Ecos De Economía. http://www.scielo.org.co/scielo.php?pid=S1657-42062013000200003&script=sci_arttext
Código Orgánico Monetario Financiero – Libro II - Ley de Mercado de Valores. (2014), de la Republica del Ecuador. https://www.cosede.gob.ec/wp-content/uploads/2019/08/LEY-MERCADO-VALORES.pdf
Ley orgánica de Comercio Electrónico, Firmas y Mensajes de Datos. (2002), de la Republica del Ecuador. https://www.telecomunicaciones.gob.ec/wp-content/uploads/downloads/2012/11/Ley-de-Comercio-Electronico-Firmas-y-Mensajes-de-Datos.pdf
Ley Orgánica para el Desarrollo, Regulación y control de los Servicios Financieros Tecnológicos - Ley Fintech. (2022), de la Republica del Ecuador. https://www.telecomunicaciones.gob.ec/wpcontent/uploads/2023/01/RO_221222_0215S2.pdf
Maldonado, P. (2025), El milenial que hace dinero con derivados bancarios. Revista Forbes Ecuador, 7. https://www.forbes.com.ec/money/el-milenial-hace-dinero-derivados-bancarios-n70729
Naranjo, K., & Gonzalez, G. (2022). El efecto de las emociones en las operaciones de trading de criptomonedas. https://sophia.ugca.edu.co/index.php/contexto/article/view/1368/1791.
Ochoa Castillo, M (2024) La regularización del trading como actividad económica y su incidencia en el sistema tributario ecuatoriano. [Tesis de Pregrado, Universidad Nacional de Chimborazo, Riobamba]. http://dspace.unach.edu.ec/handle/51000/12591
Pineda, C. (2022). Aprendizaje automático y profundo en Python. Ra-Ma Editorial.
Schurmann, N. (2024), Ultimate Python – Un libro para principiantes fácil de seguir.
Serrano Ruiz, F. (2024). Day trading y operativa bursátil para dummies. Ediciones HOEPLI.
Soluciones Coherentes, Inc. (2025), El papel de la IA en el modelado y la previsión financiera. https://www-coherentsolutions-com.translate.goog/insights/ai-in-financial-modeling-and-forecasting?_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es&_x_tr_pto=tc
Tinoco-Figueroa, S. (2024). Machine learning en mercados financieros: generando predicciones mediante laclasificación lorentziana y vecinos más cercanos aproximados. [Trabajo de obtención de grado, Tlaquepaque, Jalisco: ITESO.]. https://hdl.handle.net/11117/11403
Valer, S. (2023). Predicción precios de Activos Financieros Empleando Aprendizaje Automático. Universidad de Catabria. https://repositorio.unican.es/xmlui/handle/10902/30241
Patrocinado por:
English
Português
