Análisis comparativo entre modelos GARCH y redes neuronales en el pronóstico de los índices bursatiles IPC y Dow Jones

Esta investigación compara la aplicación de dos modelos de pronóstico, garch (paramétrico) y redes neuronales artificiales (no paramétrico), en el pronóstico de los índices accionarios de México y Estados Unidos. Los resultados obtenidos muestran que la red neuronal logra captar de manera más adecuada el comportamiento de la serie de tiempo, pero el modelo tipo garch presenta un mejor ajuste dentro y fuera de la muestra. El análisis empírico considera una muestra de precios de cierre del 7 de junio de 2010 al 6 de enero de 2011 y realiza un pronóstico del 7 al 20 de enero de 2011./ This paper compares the application of two forecasting models, garch (parametric) and artificial neural networks (non-parametric), in forecasting the stock indexes in Mexico and New York. The results show that the neural network captures more adequately the behavior of time series, but the garch model provides a better fit inside and outside the sample. The empirical analysis considers a sample of closing prices of June 7 2010 to January 6 2011 and makes a forecast from 7 to January 20, 2011.