Comparación de algoritmos de IA para predicción de series temporales

Abstract

Este trabajo consistirá en dar respuesta a dos preguntas, la primera es que algoritmo de inteligencia artificial es más adecuado para la predicción de series temporales, para ello utilizaré el precio de la criptomoneda Solana en el rango de las horas. La segunda pregunta es si el rendimiento de los algoritmos mejorará si además de los datos de precios utilizamos el índice de miedo-codicia en la predicción.

Para responder a estas preguntas implementaré cinco algoritmos de inteligencia artificial, RandomForest, XGBoost, redes neuronales, redes neuronales LSTM y regresión simbólica. Una vez implementados evaluaré la calidad de sus predicciones usando la diferencia porcentual entre el valor real y el valor predicho por el algoritmo. El algoritmo que minimice ese valor será el que consigue obtener mejores predicciones. El código asociado a este proyecto está en un repositorio de Git Hub al que se puede acceder a través de este enlace: https://github.com/Raul-Gonzalez-M/TFG

This work will answer two questions: the first is which artificial intelligence algorithm is best suited for time series prediction. To do this, I will use the price of the Solana cryptocurrency over the hourly range. The second question is whether the algorithms' performance will improve if, in addition to price data, we use the fear-greed index for prediction.

To answer these questions, I will implement five artificial intelligence algorithms: Random Forest, XGBoost, neural networks, LSTM neural networks, and symbolic regression. Once implemented, I will evaluate the quality of their predictions using thepercentage difference between the actual value and the value predicted by the algorithm. The algorithm that minimizes this value will be the one that achieves the best predictions. The code associated with this project is in a Git Hub repository that can be accessed through this link: https://github.com/Raul-Gonzalez-M/TFG