Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas
Analysis of the causes of dropouting a bachelor's degree in basic education
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta obra está bajo una licencia internacional
Atribución/Reconocimiento 4.0 Internacional
Mostrar biografía de los autores
En este trabajo son aplicados diferentes métodos de pronóstico para predecir los precios y rendimientos de las acciones para dos de las principales empresas que transan en la bolsa de valores de Colombia: Bancolombia y Ecopetrol. Para el estudio son consideradas técnicas de pronóstico basadas en modelos estadísticos y de aprendizaje automático, utilizando métricas de evaluación como el RMSE, MAE y MAPE. Los modelos se han seleccionado debido a su amplia aplicación en el campo de las finanzas y su capacidad para capturar diferentes características de las series de tiempo. Para los precios de Bancolombia y Ecopetrol, el modelo híbrido que combina ARIMA y redes neuronales proporcionó los mejores resultados. Sin embargo, para las predicciones de los rendimientos el modelo de red neuronal resultó ser el más efectivo en ambos casos. Esto sugiere que la dinámica de cada acción y las características específicas de los datos afectan el desempeño de los modelos.
Visitas del artículo 37 | Visitas PDF 2
Descargas
- W. D. Lopera Hernández, Comparación de metodologías basadas en una red neuronal artificial y un modelo GARCH para el pronóstico de la volatilidad del precio de las acciones cotizados en la BVC, Tesis de Maestría, Universidad Nacional de Colombia, Medellín, Colombia, 2023. [En línea]. Disponible en: https://repositorio.unal.edu.co/handle/unal/84122
- N. F. Carrillo Sandoval, J. A. Gómez Rodríguez y J. C. Guerrero González, Los factores Delta y Gamma en las opciones financieras, como medida de riesgo en el mercado accionario colombiano, Tesis de pregrado, Universidad Piloto de Colombia, Bogotá, Colombia, 2015.
- D. Božanić, A. Ranđelović, M. Radovanović, y D. Tešić, "A hybrid LBWA-IR-MAIRCA multi-criteria decision-making model for determination of constructive elements of weapons," Facta Universitatis, Series: Mechanical Engineering, vol. 18, no. 3, pp. 399–418, 2020, doi: 10.22190/FUME200528033B.
- B. Rodriguez-Satizabal, "Only one way to raise capital? Colombian business groups and the dawn of internal markets," in Varieties of Capitalism Over Time, Routledge, 2022, pp. 133–154, doi: 10.1080/00076791.2020.1796973.
- A. Fournies, Modelos ARMA y Box and Jenkins, Universidad Técnica Federico Santa María, Chile, 2015. doi: 10.13140/RG.2.1.2907.0883.
- E. Uriel y A. Peiró, Introducción al análisis de series temporales. Madrid, España: Paraninfo, 2000.
- P. Rodó, "Agrupaciones de volatilidad," Economipedia, 2019. [En línea]. Disponible en: https://economipedia.com/definiciones/agrupaciones-de-volatilidad.htmlEconomipedia
- W. Bao, Y. Cao, Y. Yang, H. Che, J. Huang y S. Wen, "Data-driven stock forecasting models based on neural networks: A review," Information Fusion, Art. no. 102616, 2024, doi: 10.1016/j.inffus.2024.102616.
- F. Villada, N. Muñoz y E. García, "Aplicación de las Redes Neuronales al Pronóstico de Precios en el Mercado de Valores," Información Tecnológica, vol. 23, no. 4, pp. 11–20, 2012, doi: 10.4067/S0718-07642012000400003.
- J. Murillo S., Á. Trejos y P. Carvajal Olaya, "Estudio del pronóstico de la demanda de energía eléctrica, utilizando modelos de series de tiempo," Scientia et Technica, vol. 3, núm. 23, pp. 37–42, 2003.
- E. L. Gómez-Ramos, F. Venegas-Martínez y H. Allier-Campuzano, "Análisis comparativo entre modelos GARCH y redes neuronales en el pronóstico de los índices bursátiles IPC y Dow Jones," Eseconomía: Revista de Estudios Económicos, Tecnológicos y Sociales del Mundo Contemporáneo, vol. 6, núm. 32, pp. 3–22, 2011.
- E. Raffo Lecca, L. Ráez Guevara y C. Quispe Atúncar, "Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima," Industrial Data, vol. 15, núm. 2, pp. 96–105, 2012, doi: 10.15381/idata.v15i2.6377.
- E. L. Taylor-Conto y R. A. Conto-López, "Comportamiento de la UVR en el largo plazo," Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA, vol. 24, núm. 1, pp. 21–34, 2023, doi: 10.24310/recta.24.1.2023.19860.
- L. Y. Zapata Rodríguez, M. Medina Jiménez y R. A. Conto López, "Pronóstico de tasas USD/COP y EUR/COP mediante diferentes técnicas," Revista Ingeniería, Matemáticas y Ciencias de la Información, vol. 11, núm. 22, pp. 55–62, jul.–dic. 2024, doi: 10.21017/rimci.1077.
