Acceso usuarios
Agustín Ignacio Cabrera Llanos, Francisco Ortiz Arango
A través de los años, el uso de las redes neuronales artificiales como herramienta de simulación, modelación y descripción de sistemas dinámicos no lineales se ha ido consolidando como una técnica eficaz y relativamente rápida gracias al gran desarrollo experimentado en los sistemas de cómputo. Esta técnica de uso común en algunas áreas de la ingeniería aplicada se empezó a utilizar en aplicaciones financieras a mediados de la década de los noventa. El presente trabajo utiliza una de las técnicas más recientes y poderosas en este ámbito: las redes neuronales diferenciales (RND), usada frecuentemente en análisis de procesos de la biotecnología. Mediante esta técnica se lleva a cabo el análisis y la estimación de la evolución del comportamiento del rendimiento del IPC de la Bolsa Mexicana de Valores (BMV) durante el periodo comprendido del 8 de noviembre de 1991 al 27 de enero de 2011. Adicionalmente, el análisis incluye un pronóstico intradía (seis valores durante una jornada de operación de la BMV) del rendimiento del IPC, el cual tiene una duración de un día después del último dato de la serie de tiempo del IPC. Cabe señalar que los resultados pronosticados mostraron una gran similitud con los datos reales.
Over the years the use of artificial neural networks as a tool for simulation, modeling and description of nonlinear dynamical systems has been consolidated as an effective and relatively fast technique thanks to the great development experienced in computer systems. This technique commonly used in some areas of Applied Engineering was frst used in financial applications since the mid-nineties. This paper uses one of the most recent and powerful techniques in the feld of neural networks: Differential Neural Networks Analysis (DNNA), a technique frequently used in analysis of biotechnology processes. This technique carries out the analysis and estimation of the evolution of behavior in the IPC (Stock Market Index) of the BMV (Mexican Stock Exchange) during the period from November 8, 1999 to January 27, 2011. The analysis also includes an intra-day forecast (6 values into a trading session) of the IPC return, the forecast extends during one day after the last data time series of the IPC. The predicted results showed a great similarity with actual data.
