Modelos predictivos de redes neuronales en índices bursátiles

This study analices the neuronal networks models’ capacity to predict the sign of the weekly variations of CAC40, Hang Seng, KLSE, MMX, STI, Dow Jones Industry, S&p500, GDAX, Bovespa, Nikkei225 and FTSE100.The relative performance of the models was measured by the number of correct predictions of the index’s variation sign, on the base of 51 joint out-samples, each one made up of 50 weekly observations. The results proved that the predictive capacity of the models change thought the time, then it is necessary to reestimate the weight of the equation and reconstruct the model period after period. This suggest that an exclusive and unique explanatory model of the stock-exchange indice’s evolution does not exist.// Este estudio analiza la capacidad de los modelos de redes neuronales para predecir el signo de las variaciones semanales de los índices bursátiles CAC40, Hang Seng, KLSE, MMX, STI, Dow Jones Industry, S&P500, GDAX, Bovespa, Nikkei225 y FTSE 100, entendiendo que la predicción de la dirección del movimiento del índice accionario es pertinente para desarrollar estrategias de transacción efectivas (Leung, Daouk y Chen, 2000). Se usaron modelos de redes neuronales de algoritmo de aprendizaje supervisado de programación hacia atrás: el perceptrón multicapa, la red recurrente Jordan- Elman y la red Ward. Por otra parte, el proceso de evaluación se hizo sobre la base de 51 conjuntos extramuestrales, cada uno compuesto por 50 observaciones semanales. En esta etapa, el desempeño relativo de los modelos fue medido por el número de predicciones correctas (hits) del signo de la variación del índice, aplicando para ello la prueba de acierto direccional de Pesaran y Timmermann (1992). Los resultados muestran que la capacidad predictiva de los modelos varía a lo largo del tiempo, por lo que es necesario no sólo recalcular los coeficientes de la ecuación periodo a periodo sino también reelaborar el modelo en sí, por lo que no existiría un único modelo explicativo de la evolución de los índices bursátiles. Finalmente, al comparar los resultados de la red Ward y del modelo ARIMA con los de una estrategia buy and hold se observó que, independientemente de la significancia estadística de la capacidad predictiva, ambas técnicas permitieron aumentar la rentabilidad o reducir las pérdidas.