Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales
En años recientes, la predicción del comportamiento del Indicador Bancario de Referencia (IBR) se ha hecho relevante debido a su importancia en el mercado monetario colombiano. El propósito de este trabajo es demostrar la eficiencia de las redes LSTM en la generación de predicciones de series de tie...
- Autores:
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2021
- Institución:
- Universidad de Bogotá Jorge Tadeo Lozano
- Repositorio:
- Expeditio: repositorio UTadeo
- Idioma:
- spa
- OAI Identifier:
- oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/21576
- Acceso en línea:
- https://revistas.utadeo.edu.co/index.php/mutis/issue/view/140
https://doi.org/10.21789/22561498.1748
http://hdl.handle.net/20.500.12010/21576
- Palabra clave:
- Aprendizaje Automático
Redes LSTM
ARIMA
Ciencias naturales
Redes neuronales (Neurobiología)
Neurociencia cognitiva
Time Series
Machine Learning
LSTM Network
- Rights
- License
- Copyright (c) 2021 Revista Mutis
id |
UTADEO2_3e250f592234dc5a5efc67f374a961c9 |
---|---|
oai_identifier_str |
oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/21576 |
network_acronym_str |
UTADEO2 |
network_name_str |
Expeditio: repositorio UTadeo |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales |
title |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales |
spellingShingle |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales Aprendizaje Automático Redes LSTM ARIMA Ciencias naturales Redes neuronales (Neurobiología) Neurociencia cognitiva Time Series Machine Learning LSTM Network |
title_short |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales |
title_full |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales |
title_fullStr |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales |
title_full_unstemmed |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales |
title_sort |
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales |
dc.subject.spa.fl_str_mv |
Aprendizaje Automático Redes LSTM ARIMA |
topic |
Aprendizaje Automático Redes LSTM ARIMA Ciencias naturales Redes neuronales (Neurobiología) Neurociencia cognitiva Time Series Machine Learning LSTM Network |
dc.subject.lemb.spa.fl_str_mv |
Ciencias naturales Redes neuronales (Neurobiología) Neurociencia cognitiva |
dc.subject.keyword.spa.fl_str_mv |
Time Series Machine Learning LSTM Network |
description |
En años recientes, la predicción del comportamiento del Indicador Bancario de Referencia (IBR) se ha hecho relevante debido a su importancia en el mercado monetario colombiano. El propósito de este trabajo es demostrar la eficiencia de las redes LSTM en la generación de predicciones de series de tiempo —a través de su memoria a corto y largo plazo— que sean comparables con el modelo predictivo ARIMA para estudios econométricos. Se analizó la incidencia de la tasa representativa de mercado (TRM) y la tasa de los bonos de la deuda pública (TES) a 10 años, comparando ambos indicadores con el IBR. Con lo anterior, se buscó determinar la correlación existente entre estas variables mediante el método de Pearson. Finalmente, la eficiencia del modelo fue evaluada con el error cuadrático medio (RMSE), utilizando una red LSTM multivariable con tres entradas (IBR, TES y TRM) y una salida. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2021-09-03T17:28:32Z |
dc.date.available.none.fl_str_mv |
2021-09-03T17:28:32Z |
dc.date.created.none.fl_str_mv |
2021-05-05 |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
format |
http://purl.org/coar/resource_type/c_6501 |
dc.identifier.citation.none.fl_str_mv |
Coy Mondragón, G. E., Granados, Óscar, & Garcia-Bedoya, O. (2021). Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales. Revista Mutis, 11(1), 65-76. https://doi.org/10.21789/22561498.1748 |
dc.identifier.other.none.fl_str_mv |
https://revistas.utadeo.edu.co/index.php/mutis/issue/view/140 https://doi.org/10.21789/22561498.1748 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12010/21576 |
dc.identifier.doi.none.fl_str_mv |
10.21789/22561498.1748 |
identifier_str_mv |
Coy Mondragón, G. E., Granados, Óscar, & Garcia-Bedoya, O. (2021). Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales. Revista Mutis, 11(1), 65-76. https://doi.org/10.21789/22561498.1748 10.21789/22561498.1748 |
url |
https://revistas.utadeo.edu.co/index.php/mutis/issue/view/140 https://doi.org/10.21789/22561498.1748 http://hdl.handle.net/20.500.12010/21576 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
Copyright (c) 2021 Revista Mutis |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
rights_invalid_str_mv |
Copyright (c) 2021 Revista Mutis Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
dc.format.extent.spa.fl_str_mv |
12 páginas |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad de Bogotá Jorge Tadeo Lozano |
dc.source.none.fl_str_mv |
Expeditio Repositorio Institucional UJTL |
institution |
Universidad de Bogotá Jorge Tadeo Lozano |
bitstream.url.fl_str_mv |
https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/2/license.txt https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/4/Mutis.png https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/6/document.pdf.jpg https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/5/document.pdf |
bitstream.checksum.fl_str_mv |
baba314677a6b940f072575a13bb6906 bfb1ba5766a7827e46a4750239055ce3 a04b6095c8dbbe94583cfca94b311b79 439d7f83197d070ecfb0fd1a95cb2adf |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional - Universidad Jorge Tadeo Lozano |
repository.mail.fl_str_mv |
expeditiorepositorio@utadeo.edu.co |
_version_ |
1814213721776455680 |
spelling |
2021-09-03T17:28:32Z2021-09-03T17:28:32Z2021-05-05Coy Mondragón, G. E., Granados, Óscar, & Garcia-Bedoya, O. (2021). Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales. Revista Mutis, 11(1), 65-76. https://doi.org/10.21789/22561498.1748https://revistas.utadeo.edu.co/index.php/mutis/issue/view/140https://doi.org/10.21789/22561498.1748http://hdl.handle.net/20.500.12010/2157610.21789/22561498.1748En años recientes, la predicción del comportamiento del Indicador Bancario de Referencia (IBR) se ha hecho relevante debido a su importancia en el mercado monetario colombiano. El propósito de este trabajo es demostrar la eficiencia de las redes LSTM en la generación de predicciones de series de tiempo —a través de su memoria a corto y largo plazo— que sean comparables con el modelo predictivo ARIMA para estudios econométricos. Se analizó la incidencia de la tasa representativa de mercado (TRM) y la tasa de los bonos de la deuda pública (TES) a 10 años, comparando ambos indicadores con el IBR. Con lo anterior, se buscó determinar la correlación existente entre estas variables mediante el método de Pearson. Finalmente, la eficiencia del modelo fue evaluada con el error cuadrático medio (RMSE), utilizando una red LSTM multivariable con tres entradas (IBR, TES y TRM) y una salida.#AprendizajeAutomáticoIn recent years, predicting the behavior of the Benchmark Banking Indicator (ibr) has become rele-vant due to its importance in the Colombian money market. The purpose of this paper is to demonstrate the efficiency of lstm networks for generating predic-tions of time series —through their long and short-term memory— that are comparable with the arimapredictive model for econometric studies. The inci-dence of the representative market rate (trm) and the rate of 10-year public debt bonds (tes) was analyzed and compared to the ibr, seeking to determine its cor-relation through the Pearson method. Finally, the model efficiency was evaluated with the mean square error (rmse), using a multivariable lstm network with three inputs (ibr, tes, and trm) and one output.12 páginasapplication/pdfspaUniversidad de Bogotá Jorge Tadeo LozanoCopyright (c) 2021 Revista MutisAbierto (Texto Completo)http://purl.org/coar/access_right/c_abf2Expeditio Repositorio Institucional UJTLAprendizaje AutomáticoRedes LSTMARIMACiencias naturalesRedes neuronales (Neurobiología)Neurociencia cognitivaTime SeriesMachine LearningLSTM NetworkPredicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronalesinfo:eu-repo/semantics/articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Coy Mondragón, Germán EnriqueGranados, ÓscarGarcia-Bedoya, OlmerLICENSElicense.txtlicense.txttext/plain; charset=utf-82938https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/2/license.txtbaba314677a6b940f072575a13bb6906MD52open accessTHUMBNAILMutis.pngMutis.pngMutisimage/png89855https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/4/Mutis.pngbfb1ba5766a7827e46a4750239055ce3MD54open accessdocument.pdf.jpgdocument.pdf.jpgIM Thumbnailimage/jpeg15953https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/6/document.pdf.jpga04b6095c8dbbe94583cfca94b311b79MD56open accessORIGINALdocument.pdfdocument.pdfVer documentoapplication/pdf1169734https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/21576/5/document.pdf439d7f83197d070ecfb0fd1a95cb2adfMD55open access20.500.12010/21576oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/215762022-10-22 03:02:05.185open accessRepositorio Institucional - Universidad Jorge Tadeo Lozanoexpeditiorepositorio@utadeo.edu.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 |