Capacidad predictiva del modelo ARIMA-ANN en las acciones financieras colombianas
La integración de los modelos de Machine Learning en la econometría clásica se ha venido desarrollando a un ritmo desacelerado. En particular, modelos híbridos (ARIMA-ANN) no han sido implementados en el sector financiero colombiano. Sin embargo, las aplicaciones de estos algoritmos han mostrado ten...
- Autores:
-
Jaramillo Perafán, Julián Daniel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/48716
- Acceso en línea:
- http://hdl.handle.net/1992/48716
- Palabra clave:
- Acciones (Bolsa)
Aprendizaje automático (Inteligencia artificial)
Redes neurales (Computadores)
Modelos de Box-Jenkins
Economía
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | La integración de los modelos de Machine Learning en la econometría clásica se ha venido desarrollando a un ritmo desacelerado. En particular, modelos híbridos (ARIMA-ANN) no han sido implementados en el sector financiero colombiano. Sin embargo, las aplicaciones de estos algoritmos han mostrado tener buen desempeño. En este estudio, se contrasta una metodología híbrida, combinando modelos ARIMA y redes neuronales artificiales, con sus técnicas predecesoras para los precios ajustados de 4 acciones colombianas que tranzan en la bolsa de Nueva York. Las conclusiones son que el modelo híbrido se desempeña mejor o igual a sus competidores para las acciones analizadas |
|---|