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...
- 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 |