info:eu-repo/semantics/article
Predicción de índices bursátiles mediante un sitema híbrido basado en modelos ocultos de Markov y redes neuronales artificiales
Autor
Jabbour, Georges
Maldonado, José Luciano
Institución
Resumen
The mixture of expert approaches includes a great variety of models, whose philosophy consists in breaking down a time series in various states, so that each state is modeled through an expert, which results in capturing the patterns of the time series in an efficient way. The Time-Line Hidden Markov Experts (THMEs) represents one of the most advanced methods based on this approach, which are just hybrid models based on Artificial Neural Networks (ANNs) and Hidden Markov Models (HMMs). A distinctive characteristic of the THMEs is that the state transitions of the time series is modeled through a HMM, whose state transition matrix is time-variant. The aim of this research consisted in assessing the performance of the THME in the prediction of Stock Market Indexes, and to compare it with the results obtained through pure ANNs. The experiments were carried out using 15 stock market indexes, and the results obtained were that the THMEs substantially overcomes the ANNs, both in accuracy as in its capacity to detect patterns. El enfoque de la mezcla de expertos comprende una gran variedad de modelos cuya filosofía consiste en descomponer una serie de tiempo en varios estados, de manera que cada estado se modela a través de un experto, con lo cual se logran capturar los patrones de la serie de tiempo de una manera eficiente. Los Expertos Temporales Ocultos de Markov (ETOM) representan uno de los métodos más avanzados pertenecientes a esta corriente, que no son más que modelos híbridos basados en Redes Neuronales Artificiales (RNA) y Modelos Ocultos de Markov (MOM). Una característica distintiva de los ETOM es que la transición de estados de la serie de tiempo se modela a través de un Modelo Oculto de Markov, en el cual la matriz de transición de estados es variante en el tiempo. El objetivo de esta investigación consistió en evaluar el desempeño de los ETOM en la predicción de índices bursátiles, y realizar una comparación con resultados obtenidos mediante RNA puras. Los experimentos fueron realizados con 15 índices bursátiles, y se obtuvo que los modelos ETOM superan sustancialmente a las RNA tanto en precisión como en su capacidad para capturar patrones.