Algoritmos genéticos y modelos multivariados recursivos en la predicción de índices bursátiles de América del Norte: IPC, TSE, NASDAQ y DJI

Using weekly stock index prices, corresponding to the period between April 07 of 1998 and April 14 of 2003, we analyzed the efficiency of the dynamic multivaried models, from recursives genetic algorithms, to forecast the weekly sign variations of stock-exchange indices IPC, TSE, Nasdaq and DJI. The results were compared with those of a multivaried model AR(1) and a random model. The best models produced by the genetic algorithm threw a sign prediction percentage (SPP) of 59%, 60%, 59% and 59%, for indices IPC, Nasdaq, TSE and DJI, respectively. The forecast capacity was significant in each index, according to Pesaran & Timmerman’s directional accuracy test (1992). When analyzing the SPP of the models AR(1), were smaller, being significant only in the case of the Nasdaq. The random dynamic multivaried models presented the lowest SPP (except in index TSE), being significant only in the case of Nasdaq. In addition, the models constructed by the genetic algorithm generated the greater accumulated return, except in the case of the Nasdaq, where the highest yield was registered by the model AR(1). In the test of robustness through the analysis of 1 000 bootstrap series, in average, the SPP was of 50.88%, 52.58%, 49.07%, 52.93%, for indices DJI, IPC, Nasdaq and TSE. The multivaried models surpassed the return of a buy and hold strategy in 57%, 59% and 71%, DJI, IPC and TSE, respectively.// Con valores de cierre semanales, correspondientes al periodo del 7 de abril de 1998 al 14 de abril de 2003, analizamos la eficiencia de los modelos multivariados dinámicos, elaborados a partir de algoritmos genéticos recursivos, para predecir el signo de las variaciones semanales de los índices bursátiles IPC, TSE, Nasdaq y DJI. Los resultados fueron comparados con los de un modelo AR(1) y de un modelo multivariado elaborado de manera aleatoria. Los mejores modelos producidos por el algoritmo genético obtienen un porcentaje de predicción de signo (PPS) de 59, 60, 59 y 59%, para los índices IPC, Nasdaq, TSE y DJI, respectivamente. La capacidad predictiva resultó significativa en cada uno de los índices, de acuerdo con la prueba de acierto direccional de Pesaran y Timmerman (1992). Al analizar el PPS de los modelos AR(1) se encontró que éstos fueron menores, resultando significativos únicamente en el caso del Nasdaq. Los modelos multivariados dinámicos elaborados de manera aleatoria presentaron el PPS más bajo (excepto en el índice TSE), siendo significativo para el Nasdaq sólo al considerar una significación de 10%. Además, los modelos elaborados por el algoritmo genético generaron el mayor rendimiento acumulado, excepto en el caso del Nasdaq, en el que la rentabilidad más alta fue obtenida por el modelo AR(1). Al efectuar una prueba de solidez por medio del análisis de mil series bootstrap se observó que, en promedio, el PPS fue de 51, 53, 49 y 53%, para los índices DJI, IPC, Nasdaq y TSE, respectivamente. Pese a ello los modelos multivariados superaron el rendimiento de una estrategia buy and hold en 57, 59 y 71% de los casos de los índices DJI, IPC y TSE, respectivamente. En el Nasdaq la frecuencia con que el modelo multivariado superó en rentabilidad a la estrategia pasiva fue de 41 por ciento.