Evaluación de modelos de redes neuronales de predicción del signo de la variación del IPSA

  • Antonino Parisi F. Universidad de Chile

Abstract

Este estudio analiza la capacidad de las redes neuronales para predecir el signo de las variaciones semanales del IPSA. De las diversas arquitecturas de redes neuronales utilizadas sobre el período comprendido entre el 11 de Enero de 1999 y el 22 de Octubre de 2001, la Red Ward Recursiva obtuvo el mejor rendimiento, alcanzando una capacidad predictiva extramuestral de 72% y una rentabilidad acumulada extramuestral para la cartera conformada por el IPSA de un 24,42%; la Red Recurrente de Jordan y Elman Recursiva obtuvo una capacidad predictiva de un 64% y una rentabilidad de 21.33%; mientras que el modelo ingenuo generó un retorno de 18,31% mayor al de la Red Ward Estándar y el MLP Recursivo, a pesar de no evidenciar capacidad predictiva, lo que permitiría concluir que una mayor capacidad predictiva no siempre se traduce en mayores retornos. El test de Pesaran y Timmermann (1992) arroja evidencia de que, para el caso chileno, la Red Ward Recursiva y la Red Jordan y Elman, en su versión recursiva y estándar, pueden predecir el cambio direccional del índice. A su vez, estos modelos podrían producir mayores retornos que un modelo ingenuo. Lo anterior apoya las conclusiones del estudio de Leung, Daouk y Chen (200=, según el cual la predicción de la dirección del movimiento puede arrojar mayores ganancias de capital que la proyección del valor del cierre.
Keywords Redes Neuronales, Perceptrón Multicapa, Test Directional Accuracy, Capacidad Predictiva
Compartir
How to Cite
Parisi F., A. (2002). Evaluación de modelos de redes neuronales de predicción del signo de la variación del IPSA. Estudios de Administración, 9(1), pp. 67-104. doi:10.5354/0719-0816.2002.56766
Section
Articles
Published
2002-06-30