Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol
Este trabajo propone un modelo basado en redes neuronales recurrentes (RNN) para pronosticar el rendimiento la acción de Ecopetrol, la cual es una de las acciones más tranzadas en el país. Se estudian varias configuraciones de RNN, incluyendo como variables de entrada la tasa representativa de merca...
- Autores:
-
Garcia Rios, Duvan Alejandro
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/31765
- Acceso en línea:
- http://hdl.handle.net/11634/31765
- Palabra clave:
- Artificial neural networks
Yields
EGARCH
Conditional volatility
Neural Networks (Computer Science)
GARCH models
Financial instruments
Redes neurales (Informática) -- Casos -- Colombia
Modelos GARCH -- Casos -- Colombia
Instrumentos financieros -- Casos -- Colombia
Redes neuronales artificiales
Rendimientos
EGARCH
Volatilidad condicional
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_9e102d39303abe28ba1c4c1943d04c48 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/31765 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol |
| title |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol |
| spellingShingle |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol Artificial neural networks Yields EGARCH Conditional volatility Neural Networks (Computer Science) GARCH models Financial instruments Redes neurales (Informática) -- Casos -- Colombia Modelos GARCH -- Casos -- Colombia Instrumentos financieros -- Casos -- Colombia Redes neuronales artificiales Rendimientos EGARCH Volatilidad condicional |
| title_short |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol |
| title_full |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol |
| title_fullStr |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol |
| title_full_unstemmed |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol |
| title_sort |
Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol |
| dc.creator.fl_str_mv |
Garcia Rios, Duvan Alejandro |
| dc.contributor.advisor.spa.fl_str_mv |
Romero, Gil Robert Moreno López, Edna Carolina |
| dc.contributor.author.spa.fl_str_mv |
Garcia Rios, Duvan Alejandro |
| dc.contributor.orcid.spa.fl_str_mv |
https://orcid.org/0000-0002-1364-0096 https://orcid.org/0000-0001-8602-6890 |
| dc.contributor.googlescholar.spa.fl_str_mv |
https://scholar.google.com/citations?user=3HPuekUAAAAJ&hl=es https://scholar.google.com/citations?user=LUEZqaYAAAAJ&hl=es |
| dc.contributor.cvlac.spa.fl_str_mv |
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001381730 https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000157060 |
| dc.contributor.corporatename.none.fl_str_mv |
Universidad Santo Tomás |
| dc.subject.keyword.spa.fl_str_mv |
Artificial neural networks Yields EGARCH Conditional volatility Neural Networks (Computer Science) GARCH models Financial instruments |
| topic |
Artificial neural networks Yields EGARCH Conditional volatility Neural Networks (Computer Science) GARCH models Financial instruments Redes neurales (Informática) -- Casos -- Colombia Modelos GARCH -- Casos -- Colombia Instrumentos financieros -- Casos -- Colombia Redes neuronales artificiales Rendimientos EGARCH Volatilidad condicional |
| dc.subject.lemb.spa.fl_str_mv |
Redes neurales (Informática) -- Casos -- Colombia Modelos GARCH -- Casos -- Colombia Instrumentos financieros -- Casos -- Colombia |
| dc.subject.proposal.spa.fl_str_mv |
Redes neuronales artificiales Rendimientos EGARCH Volatilidad condicional |
| description |
Este trabajo propone un modelo basado en redes neuronales recurrentes (RNN) para pronosticar el rendimiento la acción de Ecopetrol, la cual es una de las acciones más tranzadas en el país. Se estudian varias configuraciones de RNN, incluyendo como variables de entrada la tasa representativa de mercado (TRM), euro (EUR), precio de cierre de la respectiva acción a estimar y los precios del petróleo (Brent y WTI). Una parte de los datos es tomada como entrenamiento y la restante para la predicción, finalmente para contrastar los resultados obtenidos, se ajusta un modelo EGARCH. |
| publishDate |
2021 |
| dc.date.accessioned.spa.fl_str_mv |
2021-02-02T19:50:06Z |
| dc.date.available.spa.fl_str_mv |
2021-02-02T19:50:06Z |
| dc.date.issued.spa.fl_str_mv |
2021-01-20 |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.category.spa.fl_str_mv |
Formación de Recurso Humano para la Ctel: Trabajo de grado de Pregrado |
| 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 |
Garcia Ríos, D. A. (2020). Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol. [Tesis de Pregrado, Universidad Santo Tomás Colombia]. Repositorio Institucional |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/31765 |
| 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 |
Garcia Ríos, D. A. (2020). Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol. [Tesis de Pregrado, Universidad Santo Tomás Colombia]. Repositorio Institucional reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/31765 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Abascal, M. (2016).".Análisis de series temporales financieras", Universidad de Cantabria, España, (p.4). Andrade, E.(2013). ".Estudio de los principales tipos de redes neuronales y las herramientas para su aplicación.",Universidad politecnica salesiana, Quito, (p.46). Banco de la República.(2019). ".Tasa Representativa del Mercado (TRM - Peso por dólar).",Banco de la Republica de Colombia, Borradores de Economía, (p.1). Rodríguez, E ;Pérez, E; Ovalle, Á;Domínguez, S.(2002). ".Aplicación de redes neuronales artificiales y técnicas sig para la predicción de coberturas forestales.",Revista Chapingo. Serie Ciencias Forestales y del Ambiente, vol. 8, núm. 1 (Universidad Autónoma), México, (pp.31- 37,pp.48-57). Box, G;Jenkins,G .(1976). ".Times Series Análisis: Forecasting and Control.". Buitrago, V.(2012). ".Simulador de las redes de base radial.",Universidad Carlos III, Escuela politécnica superior,Madrid, (pp.11-12). dailyfx .(2018). "WTI vs Brent: Las 5 principales diferencias entre la mezcla de crudo WTI y Brent.",https://www.dailyfx.com/espanol/precio-del-petroleo/wti-vs-brent.html (último acceso: 7 de 10 de 2019). Escobar,L;Valdes,H;Zapata,C.(2010). ".Redes neuronales artificiales en predicción de series de tiempo. Una aplicación a la industria. Chile",Universidad Tecnológica Metropolitana , (pp.9-21). González,M.(2004). ".Redes de base radial",Revista Varpa de la universidad de La Coruña , (p.13). Marín,J.(2012). ".Introduccióna las Redes Neuronales Aplicadas.",Universidad Carlos III,Madrid, (p.5). Matich, D.(2001). ".Redes Neuronales: Conceptos Básicos y Aplicaciones.",Universidad Tecnológica Nacional – Facultad Regional Rosario,Argentina, (pp.8-10). Monsegny,M ; Cuervo,E.(2008). ".Modelos arch, garch y egarch: aplicaciones a series financieras.",Cuadernos de Economía (scielo) 27, nº 48, (pp.3-4). Nacelle, A .(2009). ".Las redes neuronales: de la biología a los algoritmos de clasificación.",Universidad de la Republica,Uruguay, (pp.5-7). Nelson, D .(1991). ".Conditional Heteroskedasticity in Asset Returns: A New Approach.» Econometrica (The Econometric Society).",vol 59 nº 2, (pp.347-370). Kosapattarapim,C.; Lin,Y.; MCCare,M.(2011). ".Evaluating the volatility forecasting performance of best fitting GARCH models in emerging asian stock markets).",University of Wollongong Australia (Faculty of engineering and information sciences),Australia, (pp.9-21). Sepúlveda ,P.,(2011). ".Redes neuronales recurrentes con algoritmo de optimización por enjambre de partículas para pronóstico multivariado de captura de anchovetas en el norte de chile).",Pontificia universidad católica de Valparaíso (Facultad de ingeniería),Chile. |
| 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.none.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 Estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Estadística |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/31765/1/2021duvangarcia.pdf https://repository.usta.edu.co/bitstream/11634/31765/2/cartaaprobaci%c3%b3nfacultad.pdf https://repository.usta.edu.co/bitstream/11634/31765/3/cartaderechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/31765/4/license_rdf https://repository.usta.edu.co/bitstream/11634/31765/5/license.txt https://repository.usta.edu.co/bitstream/11634/31765/6/2021duvangarcia.pdf.jpg https://repository.usta.edu.co/bitstream/11634/31765/7/cartaaprobaci%c3%b3nfacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/31765/8/cartaderechosdeautor.pdf.jpg |
| bitstream.checksum.fl_str_mv |
ead91252c8bc1f6afddf43dfed1d308a 568e2e052d6e76f3da4873bab8b9910c 96c0b5c02594a0af385d39ce0b493d5b 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 9293924260ef0d72ac36cab2d618b00c d8214b582f13d77febe006ad8d82988a 5ba648769134237e2a04b67e0c6dc8ca |
| 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 |
repositorio@usantotomas.edu.co |
| _version_ |
1782026311240253440 |
| spelling |
Romero, Gil RobertMoreno López, Edna CarolinaGarcia Rios, Duvan Alejandrohttps://orcid.org/0000-0002-1364-0096https://orcid.org/0000-0001-8602-6890https://scholar.google.com/citations?user=3HPuekUAAAAJ&hl=eshttps://scholar.google.com/citations?user=LUEZqaYAAAAJ&hl=eshttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001381730https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000157060Universidad Santo Tomás2021-02-02T19:50:06Z2021-02-02T19:50:06Z2021-01-20Garcia Ríos, D. A. (2020). Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de Ecopetrol. [Tesis de Pregrado, Universidad Santo Tomás Colombia]. Repositorio Institucionalhttp://hdl.handle.net/11634/31765reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEste trabajo propone un modelo basado en redes neuronales recurrentes (RNN) para pronosticar el rendimiento la acción de Ecopetrol, la cual es una de las acciones más tranzadas en el país. Se estudian varias configuraciones de RNN, incluyendo como variables de entrada la tasa representativa de mercado (TRM), euro (EUR), precio de cierre de la respectiva acción a estimar y los precios del petróleo (Brent y WTI). Una parte de los datos es tomada como entrenamiento y la restante para la predicción, finalmente para contrastar los resultados obtenidos, se ajusta un modelo EGARCH.This work proposes a model based on recurrent neural networks (RNN) to forecast the performance of Ecopetrol, which is one of the most successful actions in the country. Various configurations of RNN are studied, including as input variables the representative market rate (TRM), euro (EUR), closing price of the respective share to estimate and oil prices (Brent and WTI). A part of the data is taken as training and the rest for prediction, finally to contrast the obtained results, an EGARCH model is fittedProfesional en estadísticahttp://unidadinvestigacion.usta.edu.coPregradoapplication/pdfspaUniversidad Santo TomásPregrado EstadísticaFacultad de EstadísticaAtribución-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_abf2Una aplicación de redes neuronales artificiales para el pronostico de los rendimientos de la serie de EcopetrolArtificial neural networksYieldsEGARCHConditional volatilityNeural Networks (Computer Science)GARCH modelsFinancial instrumentsRedes neurales (Informática) -- Casos -- ColombiaModelos GARCH -- Casos -- ColombiaInstrumentos financieros -- Casos -- ColombiaRedes neuronales artificialesRendimientosEGARCHVolatilidad condicionalTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáAbascal, M. (2016).".Análisis de series temporales financieras", Universidad de Cantabria, España, (p.4).Andrade, E.(2013). ".Estudio de los principales tipos de redes neuronales y las herramientas para su aplicación.",Universidad politecnica salesiana, Quito, (p.46).Banco de la República.(2019). ".Tasa Representativa del Mercado (TRM - Peso por dólar).",Banco de la Republica de Colombia, Borradores de Economía, (p.1).Rodríguez, E ;Pérez, E; Ovalle, Á;Domínguez, S.(2002). ".Aplicación de redes neuronales artificiales y técnicas sig para la predicción de coberturas forestales.",Revista Chapingo. Serie Ciencias Forestales y del Ambiente, vol. 8, núm. 1 (Universidad Autónoma), México, (pp.31- 37,pp.48-57).Box, G;Jenkins,G .(1976). ".Times Series Análisis: Forecasting and Control.".Buitrago, V.(2012). ".Simulador de las redes de base radial.",Universidad Carlos III, Escuela politécnica superior,Madrid, (pp.11-12).dailyfx .(2018). "WTI vs Brent: Las 5 principales diferencias entre la mezcla de crudo WTI y Brent.",https://www.dailyfx.com/espanol/precio-del-petroleo/wti-vs-brent.html (último acceso: 7 de 10 de 2019).Escobar,L;Valdes,H;Zapata,C.(2010). ".Redes neuronales artificiales en predicción de series de tiempo. Una aplicación a la industria. Chile",Universidad Tecnológica Metropolitana , (pp.9-21).González,M.(2004). ".Redes de base radial",Revista Varpa de la universidad de La Coruña , (p.13).Marín,J.(2012). ".Introduccióna las Redes Neuronales Aplicadas.",Universidad Carlos III,Madrid, (p.5).Matich, D.(2001). ".Redes Neuronales: Conceptos Básicos y Aplicaciones.",Universidad Tecnológica Nacional – Facultad Regional Rosario,Argentina, (pp.8-10).Monsegny,M ; Cuervo,E.(2008). ".Modelos arch, garch y egarch: aplicaciones a series financieras.",Cuadernos de Economía (scielo) 27, nº 48, (pp.3-4).Nacelle, A .(2009). ".Las redes neuronales: de la biología a los algoritmos de clasificación.",Universidad de la Republica,Uruguay, (pp.5-7).Nelson, D .(1991). ".Conditional Heteroskedasticity in Asset Returns: A New Approach.» Econometrica (The Econometric Society).",vol 59 nº 2, (pp.347-370).Kosapattarapim,C.; Lin,Y.; MCCare,M.(2011). ".Evaluating the volatility forecasting performance of best fitting GARCH models in emerging asian stock markets).",University of Wollongong Australia (Faculty of engineering and information sciences),Australia, (pp.9-21).Sepúlveda ,P.,(2011). ".Redes neuronales recurrentes con algoritmo de optimización por enjambre de partículas para pronóstico multivariado de captura de anchovetas en el norte de chile).",Pontificia universidad católica de Valparaíso (Facultad de ingeniería),Chile.ORIGINAL2021duvangarcia.pdf2021duvangarcia.pdfapplication/pdf636006https://repository.usta.edu.co/bitstream/11634/31765/1/2021duvangarcia.pdfead91252c8bc1f6afddf43dfed1d308aMD51open accesscartaaprobaciónfacultad.pdfcartaaprobaciónfacultad.pdfapplication/pdf224479https://repository.usta.edu.co/bitstream/11634/31765/2/cartaaprobaci%c3%b3nfacultad.pdf568e2e052d6e76f3da4873bab8b9910cMD52metadata only accesscartaderechosdeautor.pdfcartaderechosdeautor.pdfapplication/pdf387291https://repository.usta.edu.co/bitstream/11634/31765/3/cartaderechosdeautor.pdf96c0b5c02594a0af385d39ce0b493d5bMD53metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/31765/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/31765/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open accessTHUMBNAIL2021duvangarcia.pdf.jpg2021duvangarcia.pdf.jpgIM Thumbnailimage/jpeg6961https://repository.usta.edu.co/bitstream/11634/31765/6/2021duvangarcia.pdf.jpg9293924260ef0d72ac36cab2d618b00cMD56open accesscartaaprobaciónfacultad.pdf.jpgcartaaprobaciónfacultad.pdf.jpgIM Thumbnailimage/jpeg6488https://repository.usta.edu.co/bitstream/11634/31765/7/cartaaprobaci%c3%b3nfacultad.pdf.jpgd8214b582f13d77febe006ad8d82988aMD57open accesscartaderechosdeautor.pdf.jpgcartaderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg9175https://repository.usta.edu.co/bitstream/11634/31765/8/cartaderechosdeautor.pdf.jpg5ba648769134237e2a04b67e0c6dc8caMD58open access11634/31765oai:repository.usta.edu.co:11634/317652022-11-26 03:13:22.895open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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 |