Redes Neuronales en el Pronóstico del Precio de Acciones del Mercado de Valores -Edición Única

Abstract

En esta tesis se experimenta una metodología para la predicción de precios de acciones y valores. En específico se experimenta con las acciones del mercado de valores en México para pronosticar el precio de cierre y la tendencia futura del mismo. La metodología aplicada es la teoría de las redes neuronales, la cual pertenece al área de la inteligencia artificial dentro de las ciencias computacionales. Las variables del mercado de valores se caracterizan por su no linealidad en el tiempo. De las redes neuronales existentes se experimentó con las redes de retro propagación y LVQ. La primera red se aplicó por su capacidad de mapeo de funciones no lineales que se usó para predecir el precio futuro de la variable. Por otro lado, se experimentó con la red LVQ debido a su capacidad de clasificar patrones; el objetivo de la clasificación fue detectar la tendencia futura del precio. El horizonte de predicción definido fue de un día y la alimentación a la red fue de las series de tiempo de los precios diarios de la acción a predecir. Se experimentó con distintos factores del aprendizaje de las redes como la de normalización de las series, la cantidad de historia necesaria para el aprendizaje y la función de transferencia entre los nodos de la red. En la evaluación del rendimiento de las redes se establecieron criterios en base a una simulación de inversión de capital en el mercado de valores. En dicha simulación, se observaron las ganancias y el porcentaje de tendencias pronosticadas acertadamente en el período especificado, tales resultados fueron comparados contra los por el análisis técnico. Por los resultados de la red de retro propagación se concluyó que es difícil el mapeo del precio a partir de la definición del problema. Sin embargo, para la predicción de la tendencia futura de las acciones, las redes obtuvieron buenos resultados como método de pronóstico. En comparación con los promedios móviles las redes superaron su rendimiento.