Machine Learning and Deep Learning in Computational Finance: A Systematic Review скачать в хорошем качестве

Machine Learning and Deep Learning in Computational Finance: A Systematic Review

En este video exploramos cómo el Machine Learning (ML) y el Deep Learning (DL) están transformando las finanzas computacionales y redefiniendo la gestión moderna del riesgo. Analizamos por qué los modelos estadísticos tradicionales están siendo desplazados por arquitecturas capaces de capturar patrones no lineales, procesar datos masivos de alta frecuencia y adaptarse a entornos de alta volatilidad. El recorrido incluye: La aplicación de modelos como Random Forest y XGBoost en riesgo crediticio y valoración de activos. El uso de redes LSTM y modelos híbridos (LSTM + ARIMA) para el pronóstico de volatilidad. La importancia de evaluar no solo el error estadístico (RMSE), sino también el impacto económico real, medido con métricas como el Sharpe Ratio. También abordamos un punto clave para el sector financiero: la necesidad de IA Explicable (XAI). Herramientas como SHAP permiten entender cómo cada variable influye en las decisiones del modelo, algo fundamental en contextos regulatorios como Basilea III y IV. Finalmente, el video destaca los desafíos futuros: integrar aprendizaje por refuerzo, mejorar la validación económica de los modelos y equilibrar la potencia del Deep Learning con la transparencia y la supervisión regulatoria. Un análisis claro de cómo la inteligencia artificial está pasando de ser una innovación tecnológica a convertirse en el núcleo estratégico de las finanzas del siglo XXI.