Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales
El presente trabajo de investigación propone comparar modelos econométricos como la combinación de modelos ARIMAX-GARCH contra redes neuronales, con el objetivo de encontrar un mejor predictor de la tasa representativa del mercado en Colombia (TRM); los resultados del ejercicio, evidencian, que con...
- Autores:
-
Rojas Rivera, Leonardo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/51338
- Acceso en línea:
- http://hdl.handle.net/11634/51338
- Palabra clave:
- TRM
Projection
Econometrics
Neural Networks
Economía
Análisis económico
Economía -- Sistemas
TRM
Proyección
Econometria
Redes Neuronales
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_2d0676f644862a29f69edf28d312b8a4 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/51338 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales |
| title |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales |
| spellingShingle |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales TRM Projection Econometrics Neural Networks Economía Análisis económico Economía -- Sistemas TRM Proyección Econometria Redes Neuronales |
| title_short |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales |
| title_full |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales |
| title_fullStr |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales |
| title_full_unstemmed |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales |
| title_sort |
Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales |
| dc.creator.fl_str_mv |
Rojas Rivera, Leonardo |
| dc.contributor.advisor.none.fl_str_mv |
Ronderos, Nicolas |
| dc.contributor.author.none.fl_str_mv |
Rojas Rivera, Leonardo |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomas |
| dc.subject.keyword.spa.fl_str_mv |
TRM Projection Econometrics Neural Networks |
| topic |
TRM Projection Econometrics Neural Networks Economía Análisis económico Economía -- Sistemas TRM Proyección Econometria Redes Neuronales |
| dc.subject.lemb.spa.fl_str_mv |
Economía Análisis económico Economía -- Sistemas |
| dc.subject.proposal.spa.fl_str_mv |
TRM Proyección Econometria Redes Neuronales |
| description |
El presente trabajo de investigación propone comparar modelos econométricos como la combinación de modelos ARIMAX-GARCH contra redes neuronales, con el objetivo de encontrar un mejor predictor de la tasa representativa del mercado en Colombia (TRM); los resultados del ejercicio, evidencian, que con la combinación del modelo ARIMAX-GARCH para la proyección y análisis de una variable tan volátil se obtiene una mejor estimación que con la implementación de la redes neuronales. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-07-17T15:24:57Z |
| dc.date.available.none.fl_str_mv |
2023-07-17T15:24:57Z |
| dc.date.issued.none.fl_str_mv |
2023-07-15 |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Rojas Rivera, L. (2023). Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales. [Trabajo de grado, Universidad Santo Tomás]. Repositorio institucional. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/51338 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Rojas Rivera, L. (2023). Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales. [Trabajo de grado, Universidad Santo Tomás]. Repositorio institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/51338 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Clavijo, S. (2001). EL REGIMEN DE FLOTACION CAMBIARIA EN COLOMBIA. Bogota: BANREP. Mundell, R. (1960). The Monetary Dynamics of International Adjustment. Quarterly Journal of Economics, 227 - 257. Fleming, J. (1961). Internal Financial Policies Under Fixed and Floating Exchange. Cambridge Journal of economics, 273 - 288. Granger, C., & Terasvirta, T. (1993). Modeling nonlinear economic relationships. Oxford University Press. Kilian, L., & Mark P, T. (2003). Why is it so difficult to beat the random walk forecast of exchange rates? Journal of International Economics, 85-107. Apergis, N. (2014). Can gold prices forecast the australian dollar movements? Review of economics and finance , 75 - 82. Corficolombiana. (2022). Devaluacion del peso: Causa y efectos . Corficolombiana. A, C. (2005). Real exchange misaligments and economic performance. Santiago: Banco de chile. CARDENAS, A. (2010). Reglas de Taylor y previsibilidd fuera de muestra de la tasa de cambio en latinoamericana . Bogotá: BANREP. Henao Velasquez, J. D., & Gonzalez Rivera, L. M. (2005). Modelado del indice de tipo usando redes neuronales artificales. Bogotá. Martinez, M., Guzman, D., Perez, F., & Marin, N. (2018). Modelo cuantitativo ARIMAX - EGARCH pera la prediccion de la tasa de cambio Colombiana (COP/USD). Espacios, 1-16. Nuñes V. (2015). Measurement of exchange rate exposure: capital market approach versus cash flow approach. ELSEVIER, 394 -399. Prasada K. (2015). Measurement of exchange rate exposure: capital market approach. ELSEVIER, 394 -399. Tsay Ruey. (2018). Analysis of financial times series. John willey sons. Sallenave S. (2010). Real exhange rate misalignments and economic performance for the G20 countries. la documentatio francaise economie internationale. Direccion de inversiones de BBVA. (10 de 2020). Factores que afectan el tipo de cambio. Obtenido de BBVA: https://www.bbva.es/estaticos/mult/Factores_afectan_el_Tipo_de_cambios_tcm924-580177.pdf Toro, J., Garavito, A., Lopez, D., & E, &. M. (2015). El choque del petroleo y sus implicaciones en la economia Colombiana. Borradores de economia, 1-65. George K. (1983). A Short-Run Pricing Model for a Speculative Asset, Tested with Data from the Gold Bullion Market. Applied Economics, 15, 563 - 581. Gosh D., Levin E, & Macmillan P. (Department of Economics, Discussion Paper Series). Gold As An Inflation Hedge? University of St. Andrews. Sjaastad L. (2008). The Price of Gold and the Exchange Rates. Obtenido de Once Again: http:// www.business.uwa.edu.au/school/disciplines/economics/?A=98660. Due D., Fernandez, I., & Heras R, L. (2015). Determinantes de la tasa de cambio en Colombia: Un enfoqie de microestructura de mercados . Ensayos sobre Politica Económica, 33(74), 207-219. Login. E. (1995). Is the Correlation in the international Equity Returns Contan 1960 - 1990? . Journal of international Money and Finance , 26-40. Aggarwal, R. I. (1999). Latility in Emerging stock Markets . Journal of Financial and Quantitative Analysis , 34-35. Chaterreje, A., Ayadi, O., & Boone , B. (2000). Artificial Neural Network and the Financial Markets. A Survey. Managerial Finance, 32-45. Moshiri, S., & Cameron , N. (2000). Neural network versus econometric models in forecasting inflation. Journal Forecast, 201-217. Stock, J., & Watson, M. (2001). A Comparison of Linear and Nonlinear Univariate Models for Forecasting Macroeconomic Time Series. Cambridge University Press., 1-44. Bengio, Y., & Simard, p. y. (1994). Learning long-term dependencies with gradient descent is difficult. EEE Transactions on Neural Networks,, 157 - 166. Hochreiter, S. y. (15 de Noviembre de 1997). Long short-term memory . Obtenido de Neural Computation.: https://doi.org/10.1162/neco.1997.9.8.1735 Burger, S. V. (2018). Introduction to Machine Learning with R. United States of America: O'REILLY'. Romero, M., & Ramirez, E. &. (2007). La tasa de cambio es gerenciable? Estudios Gerenciales, 131 -156. Miller, J. L. (2018). Determinantes del tipo de cambio y su volatilidad. Economía UNAM, 70-88. Parra, O. J. (2004). PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. BOGOTA, CUNDINAMARCA, COLOMBIA. JIMENEZ, F. M. (2005). PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. BOGOTÀ, CUNDINAMARCA, COLOMBIA. |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Economía |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Economía |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/51338/6/Aprobaci%c3%b3n%20.pdf.jpg https://repository.usta.edu.co/bitstream/11634/51338/7/2023leonardorojas.pdf.jpg https://repository.usta.edu.co/bitstream/11634/51338/8/carta%20derecho%20de%20autor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/51338/1/Aprobaci%c3%b3n%20.pdf https://repository.usta.edu.co/bitstream/11634/51338/2/2023leonardorojas.pdf https://repository.usta.edu.co/bitstream/11634/51338/3/carta%20derecho%20de%20autor.pdf https://repository.usta.edu.co/bitstream/11634/51338/4/license_rdf https://repository.usta.edu.co/bitstream/11634/51338/5/license.txt |
| bitstream.checksum.fl_str_mv |
46d7cc05f64a5d90e19454dd02441a6a 6cd266b8430e48ba98b448fbdfaefdaf b1701af38e15bf1421f3883f828a8258 872d60c62c4d999e1912282c40baa954 be4da070f7c00c08334dab1deba37851 956ed89d0fc1b43fc0e6c3f937d0c480 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
noreply@usta.edu.co |
| _version_ |
1782026127344140288 |
| spelling |
Ronderos, NicolasRojas Rivera, LeonardoUniversidad Santo Tomas2023-07-17T15:24:57Z2023-07-17T15:24:57Z2023-07-15Rojas Rivera, L. (2023). Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronales. [Trabajo de grado, Universidad Santo Tomás]. Repositorio institucional.http://hdl.handle.net/11634/51338reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl presente trabajo de investigación propone comparar modelos econométricos como la combinación de modelos ARIMAX-GARCH contra redes neuronales, con el objetivo de encontrar un mejor predictor de la tasa representativa del mercado en Colombia (TRM); los resultados del ejercicio, evidencian, que con la combinación del modelo ARIMAX-GARCH para la proyección y análisis de una variable tan volátil se obtiene una mejor estimación que con la implementación de la redes neuronales.The work proposes to compare econometric models such as the combination of ARIMAX-GARCH models against neural networks, with the objective of finding a better predictor of the representative market rate in Colombia (TRM), the results of the exercise show that the combination of the ARIMAX-GARCH model for the projection and analysis of such a volatile variable allows obtaining a better estimate than with the implementation of neural networks.EconomistaPregradoapplication/pdfspaUniversidad Santo TomásPregrado EconomíaFacultad de EconomíaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Estimación del tipo de cambio en Colombia comparando modelos econométricos Arimax – Garch y redes neuronalesTRMProjectionEconometricsNeural NetworksEconomíaAnálisis económicoEconomía -- SistemasTRMProyecciónEconometriaRedes NeuronalesTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáClavijo, S. (2001). EL REGIMEN DE FLOTACION CAMBIARIA EN COLOMBIA. Bogota: BANREP.Mundell, R. (1960). The Monetary Dynamics of International Adjustment. Quarterly Journal of Economics, 227 - 257.Fleming, J. (1961). Internal Financial Policies Under Fixed and Floating Exchange. Cambridge Journal of economics, 273 - 288.Granger, C., & Terasvirta, T. (1993). Modeling nonlinear economic relationships. Oxford University Press.Kilian, L., & Mark P, T. (2003). Why is it so difficult to beat the random walk forecast of exchange rates? Journal of International Economics, 85-107.Apergis, N. (2014). Can gold prices forecast the australian dollar movements? Review of economics and finance , 75 - 82.Corficolombiana. (2022). Devaluacion del peso: Causa y efectos . Corficolombiana. A, C. (2005). Real exchange misaligments and economic performance. Santiago: Banco de chile.CARDENAS, A. (2010). Reglas de Taylor y previsibilidd fuera de muestra de la tasa de cambio en latinoamericana . Bogotá: BANREP.Henao Velasquez, J. D., & Gonzalez Rivera, L. M. (2005). Modelado del indice de tipo usando redes neuronales artificales. Bogotá.Martinez, M., Guzman, D., Perez, F., & Marin, N. (2018). Modelo cuantitativo ARIMAX - EGARCH pera la prediccion de la tasa de cambio Colombiana (COP/USD). Espacios, 1-16.Nuñes V. (2015). Measurement of exchange rate exposure: capital market approach versus cash flow approach. ELSEVIER, 394 -399.Prasada K. (2015). Measurement of exchange rate exposure: capital market approach. ELSEVIER, 394 -399.Tsay Ruey. (2018). Analysis of financial times series. John willey sons.Sallenave S. (2010). Real exhange rate misalignments and economic performance for the G20 countries. la documentatio francaise economie internationale.Direccion de inversiones de BBVA. (10 de 2020). Factores que afectan el tipo de cambio. Obtenido de BBVA: https://www.bbva.es/estaticos/mult/Factores_afectan_el_Tipo_de_cambios_tcm924-580177.pdfToro, J., Garavito, A., Lopez, D., & E, &. M. (2015). El choque del petroleo y sus implicaciones en la economia Colombiana. Borradores de economia, 1-65.George K. (1983). A Short-Run Pricing Model for a Speculative Asset, Tested with Data from the Gold Bullion Market. Applied Economics, 15, 563 - 581.Gosh D., Levin E, & Macmillan P. (Department of Economics, Discussion Paper Series). Gold As An Inflation Hedge? University of St. Andrews.Sjaastad L. (2008). The Price of Gold and the Exchange Rates. Obtenido de Once Again: http:// www.business.uwa.edu.au/school/disciplines/economics/?A=98660.Due D., Fernandez, I., & Heras R, L. (2015). Determinantes de la tasa de cambio en Colombia: Un enfoqie de microestructura de mercados . Ensayos sobre Politica Económica, 33(74), 207-219.Login. E. (1995). Is the Correlation in the international Equity Returns Contan 1960 - 1990? . Journal of international Money and Finance , 26-40.Aggarwal, R. I. (1999). Latility in Emerging stock Markets . Journal of Financial and Quantitative Analysis , 34-35.Chaterreje, A., Ayadi, O., & Boone , B. (2000). Artificial Neural Network and the Financial Markets. A Survey. Managerial Finance, 32-45.Moshiri, S., & Cameron , N. (2000). Neural network versus econometric models in forecasting inflation. Journal Forecast, 201-217.Stock, J., & Watson, M. (2001). A Comparison of Linear and Nonlinear Univariate Models for Forecasting Macroeconomic Time Series. Cambridge University Press., 1-44.Bengio, Y., & Simard, p. y. (1994). Learning long-term dependencies with gradient descent is difficult. EEE Transactions on Neural Networks,, 157 - 166.Hochreiter, S. y. (15 de Noviembre de 1997). Long short-term memory . Obtenido de Neural Computation.: https://doi.org/10.1162/neco.1997.9.8.1735Burger, S. V. (2018). Introduction to Machine Learning with R. United States of America: O'REILLY'.Romero, M., & Ramirez, E. &. (2007). La tasa de cambio es gerenciable? Estudios Gerenciales, 131 -156.Miller, J. L. (2018). Determinantes del tipo de cambio y su volatilidad. Economía UNAM, 70-88.Parra, O. J. (2004). PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. BOGOTA, CUNDINAMARCA, COLOMBIA.JIMENEZ, F. M. (2005). PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. PRONÔSTICO DE LA TASA DE CAMBIO NOMINAL UTILIZANDO METODOS ALTERNATIVOS. BOGOTÀ, CUNDINAMARCA, COLOMBIA.THUMBNAILAprobación .pdf.jpgAprobación .pdf.jpgIM Thumbnailimage/jpeg6778https://repository.usta.edu.co/bitstream/11634/51338/6/Aprobaci%c3%b3n%20.pdf.jpg46d7cc05f64a5d90e19454dd02441a6aMD56open access2023leonardorojas.pdf.jpg2023leonardorojas.pdf.jpgIM Thumbnailimage/jpeg5606https://repository.usta.edu.co/bitstream/11634/51338/7/2023leonardorojas.pdf.jpg6cd266b8430e48ba98b448fbdfaefdafMD57open accesscarta derecho de autor.pdf.jpgcarta derecho de autor.pdf.jpgIM Thumbnailimage/jpeg7526https://repository.usta.edu.co/bitstream/11634/51338/8/carta%20derecho%20de%20autor.pdf.jpgb1701af38e15bf1421f3883f828a8258MD58open accessORIGINALAprobación .pdfAprobación .pdfCarta aprobación facultadapplication/pdf87112https://repository.usta.edu.co/bitstream/11634/51338/1/Aprobaci%c3%b3n%20.pdf872d60c62c4d999e1912282c40baa954MD51metadata only access2023leonardorojas.pdf2023leonardorojas.pdfTrabajo de gradoapplication/pdf2085562https://repository.usta.edu.co/bitstream/11634/51338/2/2023leonardorojas.pdfbe4da070f7c00c08334dab1deba37851MD52open accesscarta derecho de autor.pdfcarta derecho de autor.pdfCarta derechos de autorapplication/pdf594433https://repository.usta.edu.co/bitstream/11634/51338/3/carta%20derecho%20de%20autor.pdf956ed89d0fc1b43fc0e6c3f937d0c480MD53metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/51338/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/51338/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open access11634/51338oai:repository.usta.edu.co:11634/513382023-07-18 03:01:59.259metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.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 |