Videos by Agustin Muñoz González
En este trabajo les presentamos el estudio de la dirección diaria del BTC. A pesar de que las apl... more En este trabajo les presentamos el estudio de la dirección diaria del BTC. A pesar de que las aplicaciones de las redes neuronales profundas (deep learning) les han permitido a los inversores estimar la dirección del movimiento de activos financieros, aún no existen demasiados resultados sobre estas
aplicaciones para las llamadas ”divisas alternativas” como el Bitcoin (BTC).
La forma en que abordaremos el problema es desde un approach de la ciencia de datos y concretamente mostraremos como se construyen y entrenan diversos modelos estadı́sticos crecientes en complejidad; y luego los compararemos para ver cuáles son los mejores. 1 views
En este nuevo video continuamos con la sección de construccion de modelos del trabajo. Es decir, ... more En este nuevo video continuamos con la sección de construccion de modelos del trabajo. Es decir, les terminaremos de contar la Parte 2: Construccion de los modelos. En este segundo video mencionamos rapidamente los distintos modelos utilizados y comparadas en el... more En este segundo video mencionamos rapidamente los distintos modelos utilizados y comparadas en el trabajo.
No nos meteremos en los detalles de los modelos salvo con los asociados a las redes neuronales. En este video nos metemos con la Parte 1: Análisis exploratorio de datos e Ingenieria de Features... more En este video nos metemos con la Parte 1: Análisis exploratorio de datos e Ingenieria de Features, y explicamos las ideas mas importantes. En este video empezamos a mostrar la construcción y comparación de los modelos utilizados. Es dec... more En este video empezamos a mostrar la construcción y comparación de los modelos utilizados. Es decir, les contaremos la primera parte de la Parte 2: Construccion de los modelos. En este ultimo video les contamos las conclusiones y comparaciones finales del trabajo, donde mos... more En este ultimo video les contamos las conclusiones y comparaciones finales del trabajo, donde mostramos cuales fueron los mejores modelos para las métricas consideradas. 1 views
Presentamos junto a Juan Sequeira el trabajo 'Asset flow and momentum: deterministic and stochast... more Presentamos junto a Juan Sequeira el trabajo 'Asset flow and momentum: deterministic and stochastic equations' de G. Caginalp y D. Balenovich (1999).
En el trabajo los autores derivan una serie de ecuaciones diferenciales asociadas al precio de un activo y al market sentiment (ver charlas 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets'). Además, emerge una noción de liquidity value que es relevante para el precio de equilibrio del activo y para la formación de las burbujas del mercado. (2/2) Presentamos junto a Juan Sequeira el trabajo 'Tug-of-war, Market Manipulation and option pricing'... more Presentamos junto a Juan Sequeira el trabajo 'Tug-of-war, Market Manipulation and option pricing' de K. Nyström y M. Parviainen (2014)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (1/3) 3 views
Presentamos junto a Juan Sequeira el trabajo 'A Kinetic Thermodynamics Approach to the Psychology... more Presentamos junto a Juan Sequeira el trabajo 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets' de G. Caginalp y G. B. Ermentrout (1990).
En el trabajo los autores proponen un modelo para el precio de un activo donde se incorpora y se modela el market sentiment siguiendo la dinamica de gases de Boltzmann. (1/2) Presentamos junto a Juan Sequeira el trabajo 'A Kinetic Thermodynamics Approach to the Psychology... more Presentamos junto a Juan Sequeira el trabajo 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets' de G. Caginalp y G. B. Ermentrout (1990).
En el trabajo los autores proponen un modelo para el precio de un activo donde se incorpora y se modela el market sentiment siguiendo la dinamica de gases de Boltzmann. (2/2) Presentamos junto a Juan Sequeira el trabajo 'Asset flow and momentum: deterministic and stochast... more Presentamos junto a Juan Sequeira el trabajo 'Asset flow and momentum: deterministic and stochastic equations' de G. Caginalp y D. Balenovich (1999).
En el trabajo los autores derivan una serie de ecuaciones diferenciales asociadas al precio de un activo y al market sentiment (ver charlas 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets' ). Además, emerge una noción de liquidity value que es relevante para el precio de equilibrio del activo y para la formación de las burbujas del mercado. (1/2) 2 views
Presentamos junto a Juan Sequeira el trabajo 'A Dynamical Systems Approach to Cryptocurrency Stab... more Presentamos junto a Juan Sequeira el trabajo 'A Dynamical Systems Approach to Cryptocurrency Stability' de G. Caginalp (2018).
En el trabajo el autor propone un mercado teórico para el modelado de una criptomoneda donde incorpora una noción de valor fundamental para la misma. Además, el modelo incluye las nociones de market sentiment y liquidity value de trabajos anteriores (ver charlas anteriores sobre los trabajos de Caginalp et al.). Por último, el autor analiza la establidad del sistema de ecuaciones diferenciales que emerge del modelo. (1/2) Presentamos junto a Juan Sequeira el trabajo 'A Dynamical Systems Approach to Cryptocurrency Stab... more Presentamos junto a Juan Sequeira el trabajo 'A Dynamical Systems Approach to Cryptocurrency Stability' de G. Caginalp (2018).
En el trabajo el autor propone un mercado teórico para el modelado de una criptomoneda donde incorpora una noción de valor fundamental para la misma. Además, el modelo incluye las nociones de market sentiment y liquidity value de trabajos anteriores (ver charlas anteriores sobre los trabajos de Caginalp et al.). Por último, el autor analiza la establidad del sistema de ecuaciones diferenciales que emerge del modelo. (2/2) Presentamos junto a Juan Sequeira el trabajo 'Tug-of-war, Market Manipulation and option pricing'... more Presentamos junto a Juan Sequeira el trabajo 'Tug-of-war, Market Manipulation and option pricing' de K. Nyström y M. Parviainen (2014)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción.. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (2/3) Presentamos junto a Juan Sequeira el trabajo 'Tug-of-war, Market Manipulation and option pricing'... more Presentamos junto a Juan Sequeira el trabajo 'Tug-of-war, Market Manipulation and option pricing' de K. Nyström y M. Parviainen (2014)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (3/3) Drafts by Agustin Muñoz González
En este trabajo les presentamos el estudio de la dirección diaria del BTC.
A pesar de que las a... more En este trabajo les presentamos el estudio de la dirección diaria del BTC.
A pesar de que las aplicaciones de las redes neuronales profundas (deep learning) les han permitido a los inversores estimar la dirección del movimiento de activos financieros, aún no existen demasiados resultados sobre estas aplicaciones para las llamadas ”divisas alternativas” como el Bitcoin (BTC).
La forma en que abordaremos el problema es desde un approach de la ciencia de datos y concretamente mostraremos como se construyen y entrenan diversos modelos estadı́sticos crecientes en complejidad; y luego los compararemos para ver cuáles son los mejores.
Although the applications of deep neural networks (deep learning) have allowed investors to estim... more Although the applications of deep neural networks (deep learning) have allowed investors to estimate the direction of the movement of financial assets, there are not still many results on these applications for the so-called " alternative currencies " such as Bitcoin (BTC), which has had phenomenal growth during 2020. That is why we consider pertinent to study and explore investment applications of various typical, and not so typical, statistical models of data science for the problem of estimating daily direction future of BTC. In particular, the penultimate model shown is an LSTM neural network whose topology is different from classical networks and makes them especially useful for working with data that have a short-and long-term time dependence, such as financial time series. We have used in this project the Python language and real historical data from the BTC. The originality of the work is due not only to the application of various statistical models but also to the incorporation of metrics called " on-chain " linked purely and exclusively to the block chain, and which are gaining more and more relevance.
En 1989 Faddeev, Reshetikhin y Takhtajan [5] presentan las nociones de algebras cuantizadas sobre... more En 1989 Faddeev, Reshetikhin y Takhtajan [5] presentan las nociones de algebras cuantizadas sobre funciones de V y de End(V ), con V un C-espacio vectorial, que son un tipo de álgebras cuánticas asociadas a una solución cuántica. Gateva-Ivanova y Majid [7] logran caracterizar una de esas álgebras para soluciones conjuntistas que satisfacen ciertas propiedades. Nosotros tomaremos la posta y continuaremos con la
caracterización de ambas álgebras.
Resumen: El aprendizaje profundo (deep learning) es un conjunto de algoritmos de aprendizaje auto... more Resumen: El aprendizaje profundo (deep learning) es un conjunto de algoritmos de aprendizaje automático (machine learning) basados en redes neuronales con múltiples capas. Estos algoritmos permiten al inversor predecir la dirección de movimiento de un activo financiero. Teniendo en cuenta el fenomenal desempeño de las divisas ((alternativas)) como Bitcoin durante el 2020, consideramos este período una oportunidadúnica para el estudio y exploración de aplicaciones de inversión de las redes neuronales Long Short-Term Memory (LSTM) para el problema de clasificación direccional diario de Bitcoin (XBT/USD).
En este trabajo junto a Jaqueline Girabel exhibimos, en dos ejemplos distintos, la manera de impl... more En este trabajo junto a Jaqueline Girabel exhibimos, en dos ejemplos distintos, la manera de implementar un modelo predictivo entrenando redes neuronales.
Nuestro primer ejemplo tiene como finalidad mostrar cómo funciona una red neuronal visualizando en los parámetros de la funcionalidad neuralnet algunas de las características más importantes de su arquitectura.
Para ello, ajustaremos un modelo de regresión para los datos lidar, donde logratio es la variable respuesta.
Luego, en un segundo ejemplo, modelamos un clasificador mediante redes neuronales, para lo cual, primero hacemos un análisis de reducción de variables explicativas en un conjunto de datos que dispone de más de 16000 columnas, y en la variable respuesta tenemos mútiples clases.
En todos los modelos obtenidos, en ambos problemas, calculamos el error de predicción y comparamos los resultados.
Este trabajo fue el proyecto final del curso Ciencia de Datos con R: Fundamentos Estadísticos, dictado el 1er trimestre del 2020 en la FCEN de la UBA.
Este trabajo extiende el trabajo realizado por Joaquín Amat Rodrigo. Ver https://rpubs.com/Joaquin_AR/387758
Biblio muy clara http://neuralnetworksanddeeplearning.com/chap1.html.
Uploads
Videos by Agustin Muñoz González
aplicaciones para las llamadas ”divisas alternativas” como el Bitcoin (BTC).
La forma en que abordaremos el problema es desde un approach de la ciencia de datos y concretamente mostraremos como se construyen y entrenan diversos modelos estadı́sticos crecientes en complejidad; y luego los compararemos para ver cuáles son los mejores.
No nos meteremos en los detalles de los modelos salvo con los asociados a las redes neuronales.
En el trabajo los autores derivan una serie de ecuaciones diferenciales asociadas al precio de un activo y al market sentiment (ver charlas 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets'). Además, emerge una noción de liquidity value que es relevante para el precio de equilibrio del activo y para la formación de las burbujas del mercado. (2/2)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (1/3)
En el trabajo los autores proponen un modelo para el precio de un activo donde se incorpora y se modela el market sentiment siguiendo la dinamica de gases de Boltzmann. (1/2)
En el trabajo los autores proponen un modelo para el precio de un activo donde se incorpora y se modela el market sentiment siguiendo la dinamica de gases de Boltzmann. (2/2)
En el trabajo los autores derivan una serie de ecuaciones diferenciales asociadas al precio de un activo y al market sentiment (ver charlas 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets' ). Además, emerge una noción de liquidity value que es relevante para el precio de equilibrio del activo y para la formación de las burbujas del mercado. (1/2)
En el trabajo el autor propone un mercado teórico para el modelado de una criptomoneda donde incorpora una noción de valor fundamental para la misma. Además, el modelo incluye las nociones de market sentiment y liquidity value de trabajos anteriores (ver charlas anteriores sobre los trabajos de Caginalp et al.). Por último, el autor analiza la establidad del sistema de ecuaciones diferenciales que emerge del modelo. (1/2)
En el trabajo el autor propone un mercado teórico para el modelado de una criptomoneda donde incorpora una noción de valor fundamental para la misma. Además, el modelo incluye las nociones de market sentiment y liquidity value de trabajos anteriores (ver charlas anteriores sobre los trabajos de Caginalp et al.). Por último, el autor analiza la establidad del sistema de ecuaciones diferenciales que emerge del modelo. (2/2)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción.. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (2/3)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (3/3)
Drafts by Agustin Muñoz González
A pesar de que las aplicaciones de las redes neuronales profundas (deep learning) les han permitido a los inversores estimar la dirección del movimiento de activos financieros, aún no existen demasiados resultados sobre estas aplicaciones para las llamadas ”divisas alternativas” como el Bitcoin (BTC).
La forma en que abordaremos el problema es desde un approach de la ciencia de datos y concretamente mostraremos como se construyen y entrenan diversos modelos estadı́sticos crecientes en complejidad; y luego los compararemos para ver cuáles son los mejores.
caracterización de ambas álgebras.
Nuestro primer ejemplo tiene como finalidad mostrar cómo funciona una red neuronal visualizando en los parámetros de la funcionalidad neuralnet algunas de las características más importantes de su arquitectura.
Para ello, ajustaremos un modelo de regresión para los datos lidar, donde logratio es la variable respuesta.
Luego, en un segundo ejemplo, modelamos un clasificador mediante redes neuronales, para lo cual, primero hacemos un análisis de reducción de variables explicativas en un conjunto de datos que dispone de más de 16000 columnas, y en la variable respuesta tenemos mútiples clases.
En todos los modelos obtenidos, en ambos problemas, calculamos el error de predicción y comparamos los resultados.
Este trabajo fue el proyecto final del curso Ciencia de Datos con R: Fundamentos Estadísticos, dictado el 1er trimestre del 2020 en la FCEN de la UBA.
Este trabajo extiende el trabajo realizado por Joaquín Amat Rodrigo. Ver https://rpubs.com/Joaquin_AR/387758
Biblio muy clara http://neuralnetworksanddeeplearning.com/chap1.html.
aplicaciones para las llamadas ”divisas alternativas” como el Bitcoin (BTC).
La forma en que abordaremos el problema es desde un approach de la ciencia de datos y concretamente mostraremos como se construyen y entrenan diversos modelos estadı́sticos crecientes en complejidad; y luego los compararemos para ver cuáles son los mejores.
No nos meteremos en los detalles de los modelos salvo con los asociados a las redes neuronales.
En el trabajo los autores derivan una serie de ecuaciones diferenciales asociadas al precio de un activo y al market sentiment (ver charlas 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets'). Además, emerge una noción de liquidity value que es relevante para el precio de equilibrio del activo y para la formación de las burbujas del mercado. (2/2)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (1/3)
En el trabajo los autores proponen un modelo para el precio de un activo donde se incorpora y se modela el market sentiment siguiendo la dinamica de gases de Boltzmann. (1/2)
En el trabajo los autores proponen un modelo para el precio de un activo donde se incorpora y se modela el market sentiment siguiendo la dinamica de gases de Boltzmann. (2/2)
En el trabajo los autores derivan una serie de ecuaciones diferenciales asociadas al precio de un activo y al market sentiment (ver charlas 'A Kinetic Thermodynamics Approach to the Psychology of Fluctuations in Finantial Markets' ). Además, emerge una noción de liquidity value que es relevante para el precio de equilibrio del activo y para la formación de las burbujas del mercado. (1/2)
En el trabajo el autor propone un mercado teórico para el modelado de una criptomoneda donde incorpora una noción de valor fundamental para la misma. Además, el modelo incluye las nociones de market sentiment y liquidity value de trabajos anteriores (ver charlas anteriores sobre los trabajos de Caginalp et al.). Por último, el autor analiza la establidad del sistema de ecuaciones diferenciales que emerge del modelo. (1/2)
En el trabajo el autor propone un mercado teórico para el modelado de una criptomoneda donde incorpora una noción de valor fundamental para la misma. Además, el modelo incluye las nociones de market sentiment y liquidity value de trabajos anteriores (ver charlas anteriores sobre los trabajos de Caginalp et al.). Por último, el autor analiza la establidad del sistema de ecuaciones diferenciales que emerge del modelo. (2/2)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción.. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (2/3)
En el trabajo los autores proponen un modelo de option pricing usando un tug-of-war game entre el escritor [jugador minimizante] y el tenedor [jugador maximizante] de la opción. Probarán que el juego tiene un valor y que la función de valor es la única solución viscosa de un problema de valores finales para una ecuación diferencial parabólica en derivadas parciales que involucra al operador de Laplace infinito, no lineal y completamente degenerado. (3/3)
A pesar de que las aplicaciones de las redes neuronales profundas (deep learning) les han permitido a los inversores estimar la dirección del movimiento de activos financieros, aún no existen demasiados resultados sobre estas aplicaciones para las llamadas ”divisas alternativas” como el Bitcoin (BTC).
La forma en que abordaremos el problema es desde un approach de la ciencia de datos y concretamente mostraremos como se construyen y entrenan diversos modelos estadı́sticos crecientes en complejidad; y luego los compararemos para ver cuáles son los mejores.
caracterización de ambas álgebras.
Nuestro primer ejemplo tiene como finalidad mostrar cómo funciona una red neuronal visualizando en los parámetros de la funcionalidad neuralnet algunas de las características más importantes de su arquitectura.
Para ello, ajustaremos un modelo de regresión para los datos lidar, donde logratio es la variable respuesta.
Luego, en un segundo ejemplo, modelamos un clasificador mediante redes neuronales, para lo cual, primero hacemos un análisis de reducción de variables explicativas en un conjunto de datos que dispone de más de 16000 columnas, y en la variable respuesta tenemos mútiples clases.
En todos los modelos obtenidos, en ambos problemas, calculamos el error de predicción y comparamos los resultados.
Este trabajo fue el proyecto final del curso Ciencia de Datos con R: Fundamentos Estadísticos, dictado el 1er trimestre del 2020 en la FCEN de la UBA.
Este trabajo extiende el trabajo realizado por Joaquín Amat Rodrigo. Ver https://rpubs.com/Joaquin_AR/387758
Biblio muy clara http://neuralnetworksanddeeplearning.com/chap1.html.