Predicción de tipos de cambio: Modelos ARIMA, XGBoost, LSTM y Monte Carlo

El proceso de conversión de una divisa en otra para diversos fines -más comúnmente el comercio, el turismo o el comercio- se conoce como cambio de divisas, o forex (FX). Como pares de divisas, las monedas se negocian entre sí. Por ejemplo, el par de divisas EUR/USD permite a los operadores negociar el euro frente al dólar estadounidense, mientras que GBP/JPY (libra esterlina/yen japonés). Los mercados de divisas (Forex), como el mayor escenario financiero del mundo, exigen sólidas estrategias de previsión para navegar por su naturaleza dinámica y compleja. Esta investigación lleva a cabo un exhaustivo análisis comparativo de modelos de previsión que abarcan dos décadas, desde 2000 hasta 2019, utilizando datos de las series temporales de la Reserva Federal. El proyecto profundiza en el núcleo de la previsión de los tipos de cambio, abordando la necesidad crítica de precisión en la predicción de los movimientos de los tipos de cambio. En este contexto, la investigación examina la eficacia de diversos modelos, como la media móvil integrada autorregresiva (ARIMA) tradicional, el XGBoost de aprendizaje automático, la memoria a corto plazo de aprendizaje profundo (LSTM) y la perspectiva única que ofrecen las simulaciones Monte Carlo.