UNA COMPARACIÓN DE REDES NEURONALES Y MODELOS ARCH-GARCH PARA PREDECIR VARIACIONES EN EL PRECIO DE ACCIONES. APLICACIÓN A UN CASO DE ACCIONES DE TELEFONÍA.
Resumen
Durante los últimos años se ha intentado contrastar la teoría de eficiencia de mercado, a partir de modelos más eficientes y exactos para predecir variaciones en los precios de los distintos instrumentos financieros. Actualmente existen dos vías para predecir dichas variaciones: modelos paramétricos y modelos no paramétricos. Dentro del primer grupo se encuentran diversos modelos estadístico-econométricos, mientras que dentro del segundo se encuentran técnicas de inteligencia artificial, como las redes neuronales y los algoritmos genéticos. La utilización de redes neuronales para la predicción del comportamiento de variables económicas ha aumentado en gran medida durante los últimos años. Este trabajo describe el diseño de soluciones para pronosticar el precio de la acción de la sociedad Telecom Argentina S.A., la cual cotiza en la Bolsa de Comercio de Buenos Aires, en el período 2005-2012 a partir del uso de la técnica de análisis de componentes principales. Se presentan resultados basados en modelos tradicionales Arch-Garch y en un sistema de redes backpropagation. Adicionalmente, se presenta una comparación entre las metodologías, teniendo en cuenta el grado de predicción logrado.
La aceptación de un original por parte de la revista implica la cesión no exclusiva de los derechos patrimoniales de los autores en favor de la Revista de Investigación en Modelos Financieros, quien permite la reutilización del contenido bajo una licencia Creative Commons:
Atribución-NoComercial-SinDerivadas
CC BY-NC-ND
De esta manera, el material se puede compartir y adaptar, siempre que se cite la autoría y la fuente original de su publicación (revista y URL de la obra), no se use para fines comerciales y se mantengan los mismos términos de la licencia.