Pronóstico de la volatilidad usando perceptrones multicapa con funciones adaptativas de activación

Las redes neuronales artificiales han sido usadas exitosamente para la predicción de series de tiempo no lineales. En este artículo, se presenta una aproximación novedosa para modelar y pronosticar la volatilidad de una serie de tiempo financiera usando un perceptrón multicapa con una función adaptativa de activación; los parámetros del modelo son estimados maximizando el logaritmo natural de la función de verosimilitud de los residuos. Para garantizar que la varianza sea siempre cero o positiva, se impusieron algunas restricciones a la red neuronal artificial. Para evaluar habilidad predictiva de la aproximación propuesta, se compararon los pronósticos de un modelo ARCH y de la red neuronal; se encontró que la aproximación propuesta es capaz de pronosticar con mayor precisión la volatilidad que el modelo clásico.

• Autores: Gutiérrez, Sarah; Velásquez, Juan D.; Franco., Carlos J.
• Tipo de recurso: Article of journal
• Fecha de publicación: 2011
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/38747
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/38747; http://bdigital.unal.edu.co/28844/
• Palabra clave: ARCH no lineal; Modelos no lineales; Modelos de pronóstico; Heterocedasticidad; Modelos heterocedásticos condicionales; Precisión predictiva.
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional