Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales LST

Abstract

En los u´ltimos an˜os, predecir el comportamiento del Indicador Bancario de Referencia (IBR) ha tomado mayor relevancia por su importancia en el mercado monetario de Colombia. El objeto de este documento est´a centrado en demostrar la eficiencia de las redes LSTM, que, mediante su memoria a largo y corto plazo, pueden generar predicciones de series temporales comparables con el modelo predictivo para estudios econom´etricos ARIMA; haciendo uso de la metodolog´ıa CRISP-DM como lineamiento gu´ıa para la investigaci´on. As´ı mismo, se analizo´ y comparo la incidencia que tiene la tasa representativa del mercado (TRM) y la tasa de los bonos de deuda pu´blica a 10 an˜os (TES) con este indicador, buscando determinar su correlacio´n a trav´es del m´etodo Pearson. Finalmente, se evaluo´ con el error cuadra´tico medio (RMSE) la eficiencia del modelo, haciendo uso de una red LSTM multivariable con tres entradas (IBR, TES y TRM) y una salida.