Resumen de Relación entre la creación de valor y la inversión en I+D: una aproximación mediante redes neuronales artificiales

Angel Samaniego Alcántar, Samuel Mongrut

• español

  Este documento proporciona nueva evidencia sobre la interacción de los efectos del tipo de interés a cinco años, el nivel de apalancamiento (la relación del pasivo y activo), las pérdidas históricas, el crecimiento del PIB, la intensidad del gasto en I+D y los ingresos con el rendimiento de la acción en el corto plazo. El modelo no lineal utilizado (combinación de modelos mediante redes neuronales artificiales) explica 31.59% de la varianza del rendimiento de las acciones en los primeros 5 meses del año, entre 2000-2006, en los mercados AMEX, NASDAQ y NYSE. Existe evidencia en la literatura que el 32% de explicación es alto, en comparación al estudio de la literatura realizado por Coad (2009) donde se utilizan modelos lineales que buscan explicar el crecimiento de la empresa. Se observa que los modelos lineales explican entre el 17% al 32% de la variabilidad de los datos. Al igual que en los trabajos de Bode (1998), Tsai (2005), Wang y Chien (2006) y Chien et al. (2010) se utilizan las redes neuronales artificiales para el estudio de la interacción entre la I+D y la empresa

• English

  This paper provides new evidence concerning the interactions between the effects of five year interest rates, leverage levels (the relationship between assets and liabilities), historical losses, Gross National Product (GNP) growth, levels of investment in Research and Development (R&D), income and short-term share returns. The research was carried out using a non-linear model in which neural networks were used to combine different models. The model predicted 31.59% of variation in the returns on shares traded in the AMEX, NASDAQ and NYSE markets during the first five months of all years between 2000 and 2006. The literature suggests that a 32% level of explanation is at the high end, Coad�s (2009) literature review of models used to explain company growth finding that linear models explained between 17 and 32% of variability. Like Bode (1998), Tsai (2005), Wang & Chien (2006) and Chien, Wang & Lin (2010) this paper uses artificial neural networks to examine the interaction between R&D and company performance.