%0 Thesis
%A Ruiz Naranjo, Andrea
%8 2026-05
%U https://hdl.handle.net/20.500.12880/16157
%X Desarrollo de modelos híbridos para la predicción de la volatilidad financiera mediante técnicas de stacking que combinan modelos econométricos (HARX-Ridge), aprendizaje automático (XGBoost) y deep learning (LSTM). Se construye un dataset multiescala y se emplea optimización bayesiana junto con validación temporal out-of-sample. Los resultados muestran que los modelos híbridos superan sistemáticamente a los individuales, destacando la combinación HARX-Ridge + XGBoost por su mayor precisión y estabilidad predictiva en mercados financieros
%T Diseño e implementación de un sistema de apoyo a la toma de decisiones para el scouting de jugadores mediante herramientas Big Data.
%K Big Data
%K Inteligencia artificial
%K Deep learning
%~ END