Predicción del tipo de cambio peso-dólar utilizando Redes Neuronales Artificiales (RNA)

• Autores: Luis Alberto Zapata Garrido, Hugo Fabián Díaz Mojica
• Localización: Pensamiento y gestión: revista de la División de Ciencias Administrativas de la Universidad del Norte, ISSN-e 2145-941X, ISSN 1657-6276, Nº. 24, 2008, págs. 29-42
• Idioma: español
• Títulos paralelos:
  • Prediction of exchange rate peso-dollar using Artificial Neuronal Networks (ANR´s)
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    El objetivo de este trabajo es realizar predicciones del tipo de cambiopeso-dólar utilizando Redes Neuronales Artificiales (RNA´s), para lo cual lainvestigación se basó en determinar la relación existente entre los resultadosobtenidos y los tipos de cambio vigentes en las fechas de estudio, determinarel tipo de red neuronal que más se adapta a la predicción de tipos de cambioy analizar el comportamiento de las variables de la RNA en el proceso depredicción de los tipos de cambio. Para lograr esto, utilizando el softwareEasy-NN-plus, seleccionamos información de doce variables económicasde 2005 que sirvieron como entrada a un sistema de redes neuronales, en elque la salida era el tipo de cambio. Una vez realizado el entrenamiento dela red y establecidos los valores de las variables de entrada para el procesode predicción, se obtuvieron los valores del tipo de cambio para el primermes de 2006; de esta forma, se realizaron dieciocho pruebas, utilizandodiferentes combinaciones de variables. Los resultados obtenidos muestranmárgenes de error bajos entre las predicciones y los resultados reales.

  • English

    The objective of the present work is to realize predictions of the typeof change peso-dollar being used Artificial Neuronal Networks (ANR´s),for which, the investigation was based to determine the existing relationbetween the obtained results and the effective types of change in the datesof study, to determine the type of neuronal network that adapts more to theprediction of types of change and to analyze the behavior of the variablesof the ANR in the process of prediction of the types of change. In order toobtain this, using software Easy-N-extra, we selected information of twelveeconomic variables of the year 2005 that served as entrance to a system ofneuronal networks, in that the exit was the type of change. Once realizedthe training of the network and established the values of the variables ofentrance for the prediction process, the values of the type of change forthe first month of year 2006 were obtained; of this form, eighteen testswere realized, using different combinations from variables. The obtainedresults show to low allowable errors between the predictions and the realresults.