Tesis de Pregrado UnACh

Permanent URI for this communityhttps://bibliorepositorio.unach.cl/handle/123456789/12

Browse

Advanced Search

Filter by

Settings

Has files: YesSubject: search.filters.subject.INTELIGENCIA ARTIFICIAL

Search Results

Now showing 1 - 4 of 4
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Estudio de aplicación de Machine Learning y Blockchain para seguridad IPv6.
    (2022-01)
    Loor Cárdenas, Luis Emilio
    ;
    Heinrich, Jorge
    Resumen En el protocolo IPv6, a pesar de los beneficios de seguridad que IPsec implementa, las redes aún siguen expuestas a diferentes ataques. Las características de IPsec lo hacen excepcional, dado a que implementa seguridad en la capa de red más que en la de aplicación, lo que garantiza la seguridad de paquetes a nivel IP. Las diversas debilidades que se presentan en IPv6 incluyen a los campos de la cabecera de los paquetes, donde se especifican los métodos que definen el funcionamiento e interacción con capas superiores. El impacto del problema se encuentra sustancialmente en el momento en que estos paquetes son generados y procesados, donde se puede crear alguna fisura de seguridad. Se pretende exponer una posible opción de implementación para mejoramiento de la seguridad en IPv6. Para ello en este artículo determinaremos ciertas ventajas y desventajas entre estas dos tecnologías, Machine Learning y Blockchain. Se expondrá la seguridad de IPv6 usando un simulador que se desarrolló con la finalidad de demostrar la efectividad de los algoritmos que utiliza Machine Learning al momento de defenderse ante una amenaza.
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Predicción del precio de las acciones, a través del sentimiento de twitter.
    (2021-01)
    Meza Rioseco, Anaís
    ;
    Ruminot Sandoval, Nicolle
    ;
    Muñoz Figueroa, Denis
    En este estudio se investigó la relación entre el precio de las acciones del índice Dow Jones y el “sentimiento de Twitter”. Fue medido en base a un modelo de redes neuronales artificiales, que incorporó como variables independientes un proceso autorregresivo AR (1) y el sentimiento de Twitter con un rezago, y la variable dependiente, precio de cierre de la acción. La red neuronal que se utilizó para la predicción es un perceptrón multicapa, el cual utiliza un algoritmo de aprendizaje supervisado de retropropagación de los errores en la fase de entrenamiento. Los datos utilizados de las empresas que cotizan en el índice “Dow Jones” comprenden desde el 31 de mayo de 2013, hasta el 18 de septiembre de 2014, el cual es considerado un periodo normal, - sin crisis económicas. Se eligieron cuatro empresas pertenecientes al índice “Dow Jones” en base a la correlación de las variables del volumen de Twitter con el precio de la acción. Los resultados indican que, al incorporar el volumen de Twitter en modelos estándar como procesos autorregresivos, se mejoró la predicción del modelo predictivo, medido por el Error Cuadrático Medio (RMSE). Además, se observa que los efectos del volumen de Twitter son asimétricos entre empresas y que los altos volúmenes de Twitter se correlacionan positivamente con el precio del mercado de valores.
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Diferencias de género en el nivel de educación financiera de estudiantes de 4° medio de la comuna de Bulnes.
    (2017-11)
    Soto Gómez., Pablo Eugenio
    ;
    Lobos Cisterna, Jaime Esteban
    La presente investigación es una continuación y actualización de las investigaciones en la materia que evalúa la eficacia de los modelos multivariados dinámicos optimizados con fuerza bruta para la empresa Tesla Inc. y su acción TSLA, con o sin un rezago adicional y tomando como variables exógenas: el índice bursátil NASDAQ y el factor conciencia. Se aplica modelo multivariado dinámico optimizado con fuerza bruta para predecir el comportamiento de sus cotizaciones a la semana siguiente de la última fecha analizada. El objetivo de esta investigación es determinar la mejor capacidad predictiva del modelo multivariado dinámico con variable exógena conciencia con o sin un rezago adicional como variable explicativa, dando como resultado un modelo estadísticamente significativo. Esta es una investigación de carácter exploratorio y correlacional. Se utilizó la información bibliográfica disponible para conocer las cotizaciones de la acción y el índice comprendidos en el periodo 25 de septiembre de 2012 al 25 de septiembre de 2017, pudiéndose observar la variación de una semana a otra y comparar los datos reales con las variaciones pronosticadas. La acción TSLA, elegida para este estudio, transa en bolsa y sus cotizaciones históricas se pueden obtener en Yahoo Finanzas. Se pudo determinar la factibilidad en la construcción de un modelo multivariado dinámico optimizado con fuerza bruta con una capacidad de predicción superior a 60 por ciento e inferior a 70 por ciento según la literatura para la acción TSLA y a su vez, determinar que el modelo que obtuvo la mejor capacidad fue cuya variable exógena es el factor conciencia. Esta continuación y actualización de los modelos multivariado dinámicos permite un gran avance a la inteligencia artificial en las finanzas. Este estudio puede ser útil para todos aquellos actores del mundo financiero cuyo interés está en la solución del fenómeno de predicción del comportamiento de las acciones.
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Inteligencia artificial en las finanzas: modelo multivariado dinámico optimizado con fuerza bruta en la predicción de la acción tsla.
    (2017-11)
    Asencio Vilches, Eduardo Ignacio
    ;
    Lobos Robles, Felipe Ignacio
    ;
    Parisi Fernández, Antonino
    La presente investigación es una continuación y actualización de las investigaciones en la materia que evalúa la eficacia de los modelos multivariados dinámicos optimizados con fuerza bruta para la empresa Tesla Inc. y su acción TSLA, con o sin un rezago adicional y tomando como variables exógenas: el índice bursátil NASDAQ y el factor conciencia. Se aplica modelo multivariado dinámico optimizado con fuerza bruta para predecir el comportamiento de sus cotizaciones a la semana siguiente de la última fecha analizada. El objetivo de esta investigación es determinar la mejor capacidad predictiva del modelo multivariado dinámico con variable exógena conciencia con o sin un rezago adicional como variable explicativa, dando como resultado un modelo estadísticamente significativo. Esta es una investigación de carácter exploratorio y correlacional. Se utilizó la información bibliográfica disponible para conocer las cotizaciones de la acción y el índice comprendidos en el periodo 25 de septiembre de 2012 al 25 de septiembre de 2017, pudiéndose observar la variación de una semana a otra y comparar los datos reales con las variaciones pronosticadas. La acción TSLA, elegida para este estudio, transa en bolsa y sus cotizaciones históricas se pueden obtener en Yahoo Finanzas. Se pudo determinar la factibilidad en la construcción de un modelo multivariado dinámico optimizado con fuerza bruta con una capacidad de predicción superior a 60 por ciento e inferior a 70 por ciento según la literatura para la acción TSLA y a su vez, determinar que el modelo que obtuvo la mejor capacidad fue cuya variable exógena es el factor conciencia. Esta continuación y actualización de los modelos multivariado dinámicos permite un gran avance a la inteligencia artificial en las finanzas. Este estudio puede ser útil para todos aquellos actores del mundo financiero cuyo interés está en la solución del fenómeno de predicción del comportamiento de las acciones.