Impacto del Deep Learning en finanzas: Revisión y perspectivas

• Resumen
• Abstract

El artículo examina la interacción entre las finanzas y el aprendizaje profundo, abordando cómo esta tecnología ha influido en el campo financiero mediante un análisis detallado de investigaciones y tendencias actuales. Se empleó una revisión sistemática de la literatura con el método PRISMA para revisar tres artículos clave relacionados con el uso de Deep Learning en finanzas. Estos estudios destacan avances en la predicción de mercados, gestión de riesgos, detección de fraudes, análisis de sentimientos y decisiones automatizadas. Se observa que el Deep Learning ha mejorado la precisión y eficiencia de las predicciones financieras al capturar patrones complejos en los datos. La integración de estas técnicas en las finanzas se percibe como una oportunidad valiosa para potenciar la eficacia, precisión y rentabilidad en la toma de decisiones, respaldada por la efectividad y el potencial de aplicación en el sector financiero. Se enfatiza la necesidad de investigar continuamente y abordar desafíos como la interpretabilidad de los modelos y la ética en el uso de algoritmos de aprendizaje profundo en finanzas para una implementación responsable y efectiva.

This article examines the interaction between finance and deep learning, addressing how this technology has influenced the financial field through a detailed analysis of current research and trends. A systematic literature review was conducted using the PRISMA method to review three key articles related to the use of Deep Learning in finance. These studies highlight advances in market prediction, risk management, fraud detection, sentiment analysis, and automated decision-making. It is observed that Deep Learning has enhanced the accuracy and efficiency of financial predictions by capturing complex patterns in data. The integration of these techniques in finance is seen as a valuable opportunity to enhance effectiveness, accuracy, and profitability in decision-making, supported by the effectiveness and potential for application in the financial sector. The need for continuous research and addressing challenges such as model interpretability and ethics in the use of deep learning algorithms in finance for responsible and effective implementation is emphasized.