Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error

En esta tesis se estudia el pronóstico de la volatilidad condicional de series de tiempo financieras mediante ensambles de pronóstico de redes neuronales artificiales. La primera contribución de esta tesis es el planteamiento de un proceso de especificación de modelos de volatilidad condicional por...

Full description

Autores:
Orozco Castañeda, Johanna Marcela
Tipo de recurso:
Doctoral thesis
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/57511
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/57511
http://bdigital.unal.edu.co/53790/
Palabra clave:
51 Matemáticas / Mathematics
62 Ingeniería y operaciones afines / Engineering
Redes neuronales
Combinación de pronósticos
Series de tiempo no lineales
Volatilidad
Neural networks
Forecasts combination
Nonlinear time series
Conditional heteroskedasticity
Forecasts encompassing
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_1a4e84ba9652ca4ebbdd2f80ac5bf56d
oai_identifier_str oai:repositorio.unal.edu.co:unal/57511
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Velasquez Henao, Juan DavidOrozco Castañeda, Johanna Marcela1ed2d42d-9d46-4fb8-8aee-fd9489c8be863002019-07-02T12:55:04Z2019-07-02T12:55:04Z2016-09-28https://repositorio.unal.edu.co/handle/unal/57511http://bdigital.unal.edu.co/53790/En esta tesis se estudia el pronóstico de la volatilidad condicional de series de tiempo financieras mediante ensambles de pronóstico de redes neuronales artificiales. La primera contribución de esta tesis es el planteamiento de un proceso de especificación de modelos de volatilidad condicional por medio de una técnica de remuestreo por bootstrapping, donde cada modelo se estima usando diferentes funciones de error como criterios de optimización. La segunda contribución de este trabajo es la combinación no lineal de los conjuntos de pronósticos de volatilidad por medio de una red neuronal artificial, así como la aplicación del remuestreo por bootstrapping para hallar la distribución muestral de los parámetros de la red. La tercera contribución de esta tesis es la definición y aplicación empírica de un contraste estadístico de dominancia de pronósticos en combinaciones no lineales de pronósticos de volatilidad condicional para determinar la significancia de las variables de entrada de la red.Abstract: In this thesis the aim is to study the conditional volatility forecasting of financial time series with forecasts ensemble of artifical neural networks. The first contribution of this thesis is the proposal of a specification process for conditional volatility models with a bootstrapping technique, where each model is estimated using different error functions as optimization criteria. The second contribution of this work is the nonlinear combination of volatility forecast sets by a neural network; likewise, the application of bootstrapping technique to find the simple distribution of the neural network weights. The third contribution of this thesis is the definition and empirical application of a statistical test for forecasts encompassing in nonlinear forecasts combination of conditional volatility forecasts to evaluate the significance of the input variables in the neural network.Doctoradoapplication/pdfspaUniversidad Nacional de Colombia Sede Medellín Facultad de Minas Escuela de SistemasEscuela de SistemasOrozco Castañeda, Johanna Marcela (2016) Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error. Doctorado thesis, Universidad Nacional de Colombia - Sede Medellín.51 Matemáticas / Mathematics62 Ingeniería y operaciones afines / EngineeringRedes neuronalesCombinación de pronósticosSeries de tiempo no linealesVolatilidadNeural networksForecasts combinationNonlinear time seriesConditional heteroskedasticityForecasts encompassingPronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de errorTrabajo de grado - Doctoradoinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06Texthttp://purl.org/redcol/resource_type/TDORIGINAL43463670-2016.pdfTesis de Doctorado en Ingeniería - Sistemasapplication/pdf816346https://repositorio.unal.edu.co/bitstream/unal/57511/1/43463670-2016.pdf25490790c09d00cf5980a03023032e34MD51THUMBNAIL43463670-2016.pdf.jpg43463670-2016.pdf.jpgGenerated Thumbnailimage/jpeg4880https://repositorio.unal.edu.co/bitstream/unal/57511/2/43463670-2016.pdf.jpgbd2c8e5f1c6d3424d954ea4a744f81f1MD52unal/57511oai:repositorio.unal.edu.co:unal/575112023-10-05 10:23:07.186Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co
dc.title.spa.fl_str_mv Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
title Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
spellingShingle Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
51 Matemáticas / Mathematics
62 Ingeniería y operaciones afines / Engineering
Redes neuronales
Combinación de pronósticos
Series de tiempo no lineales
Volatilidad
Neural networks
Forecasts combination
Nonlinear time series
Conditional heteroskedasticity
Forecasts encompassing
title_short Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
title_full Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
title_fullStr Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
title_full_unstemmed Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
title_sort Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error
dc.creator.fl_str_mv Orozco Castañeda, Johanna Marcela
dc.contributor.author.spa.fl_str_mv Orozco Castañeda, Johanna Marcela
dc.contributor.spa.fl_str_mv Velasquez Henao, Juan David
dc.subject.ddc.spa.fl_str_mv 51 Matemáticas / Mathematics
62 Ingeniería y operaciones afines / Engineering
topic 51 Matemáticas / Mathematics
62 Ingeniería y operaciones afines / Engineering
Redes neuronales
Combinación de pronósticos
Series de tiempo no lineales
Volatilidad
Neural networks
Forecasts combination
Nonlinear time series
Conditional heteroskedasticity
Forecasts encompassing
dc.subject.proposal.spa.fl_str_mv Redes neuronales
Combinación de pronósticos
Series de tiempo no lineales
Volatilidad
Neural networks
Forecasts combination
Nonlinear time series
Conditional heteroskedasticity
Forecasts encompassing
description En esta tesis se estudia el pronóstico de la volatilidad condicional de series de tiempo financieras mediante ensambles de pronóstico de redes neuronales artificiales. La primera contribución de esta tesis es el planteamiento de un proceso de especificación de modelos de volatilidad condicional por medio de una técnica de remuestreo por bootstrapping, donde cada modelo se estima usando diferentes funciones de error como criterios de optimización. La segunda contribución de este trabajo es la combinación no lineal de los conjuntos de pronósticos de volatilidad por medio de una red neuronal artificial, así como la aplicación del remuestreo por bootstrapping para hallar la distribución muestral de los parámetros de la red. La tercera contribución de esta tesis es la definición y aplicación empírica de un contraste estadístico de dominancia de pronósticos en combinaciones no lineales de pronósticos de volatilidad condicional para determinar la significancia de las variables de entrada de la red.
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016-09-28
dc.date.accessioned.spa.fl_str_mv 2019-07-02T12:55:04Z
dc.date.available.spa.fl_str_mv 2019-07-02T12:55:04Z
dc.type.spa.fl_str_mv Trabajo de grado - Doctorado
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_db06
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TD
format http://purl.org/coar/resource_type/c_db06
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/57511
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/53790/
url https://repositorio.unal.edu.co/handle/unal/57511
http://bdigital.unal.edu.co/53790/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Medellín Facultad de Minas Escuela de Sistemas
Escuela de Sistemas
dc.relation.references.spa.fl_str_mv Orozco Castañeda, Johanna Marcela (2016) Pronóstico de la volatilidad usando ensambles de redes neuronales basados en familias de funciones de error. Doctorado thesis, Universidad Nacional de Colombia - Sede Medellín.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/57511/1/43463670-2016.pdf
https://repositorio.unal.edu.co/bitstream/unal/57511/2/43463670-2016.pdf.jpg
bitstream.checksum.fl_str_mv 25490790c09d00cf5980a03023032e34
bd2c8e5f1c6d3424d954ea4a744f81f1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089924515725312