Disseny d’una GAN com a model predictiudel comportament d’un valor borsari en alta freqüència

Abstract

L’objectiu d’aquest treball de fi de grau és estudiar les xarxes neuronals generatives antagòniques, més conegudes com a Generative Adversarial Neural Networks o GAN, i desenvolupar un model predictiu del comportament temporal d’un valor borsari en alta freqüència. El projecte parteix d’un model de GAN plantejat en un article de recerca [36] i, a partir d’aquest, es desenvolupen un seguit d’implementacions per buscar uns millors resultats. Concretament, es treballarà amb el valor de les accions d’Apple mostrejades en una freqüència de nanosegons. Pel que fa al model, en aquest projecte es planteja l’ús d’una xarxa recurrent Long Short-Term Memory (LSTM) com a generador i, per tant, predictor i d’una xarxa convolucional (CNN, per Convolutional Neural Network) en una dimensió com a discriminant per tal de poder realitzar l’entrenament antagònic o discriminador. Tots els models s’han implementat mitjançant la llibreria Pytorch en llenguatge Python sobre la plataforma al núvol Google Colab. Així doncs, el treball es composa d’uns primers capítols explicatius on es desenvolupa la teoria necessària per implementar el model i, posteriorment, uns capítols de desenvo-lupament del model i anàlisi dels resultats.