IDEAS home Printed from https://ideas.repec.org/p/col/000184/004995.html
   My bibliography  Save this paper

Un modelo de predicción para el valor TRM: Un acercamiento desde las redes neuronales artificiales

Author

Listed:
  • Mauricio Ayala

Abstract

Se presenta un modelo de predicci´on a un d´ıa del mercado de divisas en Colombia, basado en Redes Neuronales Artificiales (RNA), el cual logr´o "entender" y predecir eficientemente el mercado.Y aunque el modelo report´o resultados de entrenamiento ´optimo similares tanto en una serie con 20 d´ıas precedentes, como en una serie con solo 5 d´ıas precedentes al valor de la predicci´on, la red neuronal con 5 entradas reporto una eficiencia de validaci´on del 90% comparado con una eficiencia del 44% en el otro caso (Todo esto, en el mismo conjunto Test y con un error de aprendizaje inferior al 1 %). En ambos casos fue m´as importante y sensible a la predicci´on el valor TRM del d´ıa anterior, cuantificadores que decrecen en la medida que los d´ıas se alejan hacia atr´as del d´ıa a predecir. Adicionalmente, usando la red con 5 entradas se mostr´o que el modelo de RNA es mucho m´as eficiente para hacer predicciones a 1 d´ıa que a 50 d´ıas seguidos; con una eficiencia promedio de 48% y 28,5% en el primer y segundo caso respectivamente y un error de aprendizaje inferior o igual al 2 %. Por otro lado, se busc´o una validaci´on (seg´un RNA) del an´alisis t´ecnico en el mercado local de divisas, usando como valor output el precio de cierre del dolar en un d´ıa transaccional y como inputs: el d´ıa y mes de la predicci´on, apertura, m´ınimo, m´aximo, cierre, monto transado y n´umero de operaciones de los tres d´ıas inmediatamente anteriores. Se encontr´o que el par´ametro significativamente m´as relevante para la predicci´on fue el precio de cierre del d´ıa anterior, a´un as´ı el modelo de RNA mostr´o ser coherente con el an´alisis de velas. Siendo muy interesante el 3er. lugar de importancia que la RNA le da al mes, indic´andonos que el mercado por lo regular tiene una tendencia seg´un la ´epoca del a~no. Sin embargo, tuvo poca o casi ninguna relevancia el monto y el n´umero de operaciones hechas en los 3 d´ıas anteriores, lo cual significa que "el volumen no necesariamente sigue la tendencia". Aqu´ı se us´o una base de datos sobre los hist´oricos que van desde enero/1995 hasta junio/2004 para un total 2271 d´ıas de an´alisis.

Suggested Citation

  • Mauricio Ayala, 2008. "Un modelo de predicción para el valor TRM: Un acercamiento desde las redes neuronales artificiales," Documentos de Trabajo 4995, Universidad Sergio Arboleda.
  • Handle: RePEc:col:000184:004995
    as

    Download full text from publisher

    File URL: http://www.usa.edu.co/observatorio_economico/articulos_profesores/trm.pdf
    Download Restriction: no
    ---><---

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:col:000184:004995. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Javier Alfonso Galán (email available below). General contact details of provider: https://edirc.repec.org/data/eeusgco.html .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.