Predicción de Forex con LSTM y Aplicación Web

Abstract

[eng] Forex has always been an active field of investigation. Hence, in this work, we study the long short-term memory (LSTM) algorithm to analyse and forecast the EUR/USD exchange rate. We find that the LSTM provides good fit and forecasts for this series, which provides trading strategies in a hypothetical streaming trading session. In addition, we show a web application in which we fit a LSTM that makes predictions using a statistical learning model. Therefore, we visualise, analyse, and make optimal decisions through a deep learning model

[spa] Forex desde siempre ha sido un campo de investigación muy activo. Tal es su importancia, que en este trabajo se estudia el algoritmo long short-term memory (LSTM) con el objetivo de analizar y predecir el comportamiento del tipo de cambio EUR/USD. Se verifica el buen rendimiento que presenta y lo adecuado que resulta este tipo de algoritmo para este tipo de problemas. Se muestra como el LSTM sirve de base para la creación de una estrategia en una hipotética sesión de trading a tiempo real. Para ello, se enseña como en una aplicación web se aplica una estrategia de trading valiéndose de las predicciones de un modelo de Aprendizaje Estadístico. De esta manera, se puede visualizar, analizar, y tomar decisiones de manera óptima guiándose por un modelo de Deep Learning.