Maestría en Administración Financiera · 2015
Desarrollo y aplicación de modelo neuroborroso para la predicción del precio de la acción de Ecopetrol en la Bolsa de Valores de Colombia mediante la utilización de indicadores técnicos y fundamentales y variables macroeconómicas
Los modelos de predicción de precios de activos financieros han captado la atención de investigadores e inversionistas debido a las posibles rentabilidades que se podrían obtener en caso de estimar valores acertados -- El presente trabajo presenta un modelo neuroborroso en el cual se combinan indicadores técnicos y fundamentales y variables macroeconómicas, comprendidas entre enero de 2010 y febrero de 2015, para predecir el precio de la acción de Ecopetrol en la Bolsa de Valores de Colombia -- Algunas variables macroeconómicas se modelan mediante sistemas de inferencia borrosos y sus salidas se agregan a los indicadores técnicos y fundamentales para entrar a una red neuronal artificial de tipo anticipativo (feedforward) que pronostica el precio del activo para el mes siguiente
Full text 121 pages with text
Read the full thesis Record in the repository
Contents
- Capítulo 1 Preliminaresp. 10
- Introducciónp. 10
- Situación de estudiop. 12
- Objetivosp. 14
- Objetivo generalp. 14
- Objetivos específicosp. 14
- Capítulo 2 Marco teóricop. 15
- Redes neuronales artificialesp. 15
- Neuronas biológicasp. 15
- Neuronas artificialesp. 16
- Perceptrónp. 18
- Red neuronal artificialp. 20
- Funciones de activaciónp. 24
- retropropagación (backpropagation)p. 25
- Ejemplo: red neuronal artificial anticipativa (feedforward)p. 31
- Lógica borrosap. 36
- Conjuntos borrososp. 36
- Funciones de membresíap. 38
- Lógica de conjuntos borrososp. 39
- Variables lingüísticasp. 41
- Reglas borrosasp. 42
- Base de reglas borrosasp. 43
- Borrosificaciónp. 44
- Desborrosificaciónp. 44
- Sistema de inferencia borrosop. 45
- Ejemplo: sistema de inferencia borrosop. 45
- Capítulo 3 Desarrollo y aplicación del modelop. 51
- Selección del activop. 51
- Selección de variablesp. 53
- Indicadores técnicosp. 54
- Indicadores fundamentalesp. 54
- Variables macroeconómicasp. 56
- Modelación de variables macroeconómicasp. 57
- Sistema de inferencia borroso Colombia 1p. 58
- Sistema de inferencia borroso Colombia 2p. 60
- Sistema de inferencia borroso Estados Unidos 1p. 62
- Sistema de inferencia borroso Estados Unidos 2p. 64
- Resultados de los sistemas de inferencia borrososp. 65
- Diseño de la red neuronal artificial anticipativa (feedforward)p. 67
- Conjuntos de entrenamiento y evaluaciónp. 67
- Estructurap. 69
- Criterios de evaluaciónp. 67
- Entrenamientop. 71
- Implementaciónp. 67
- Capítulo 4 Análisis de resultadosp. 73
- Análisis de las variablesp. 74
- Sistemas de inferencia borrososp. 75
- Red neuronal artificial anticipativa (feedforward)p. 76
- Conclusionesp. 77
- Referenciasp. 79
- Apéndice Ap. 86
- Apéndice Bp. 89
- Apéndice Cp. 96
- Modelación de la variable lingüística “inflación en Colombia”p. 96
- Modelación de la variable lingüística “desempleo en Colombia”p. 97
- República de Colombia”p. 98
- Colombia”p. 98
- Modelación de la variable lingüística “inflación en Estados Unidos”p. 100
- Modelación de la variable lingüística “desempleo en Estados Unidos”p. 101
- Estados Unidos”p. 102
- Estados Unidos”p. 102
- Apéndice Dp. 105
- Base de reglas borrosas de Colombia 1p. 105
- Base de reglas borrosas de Colombia 2p. 106
- Base de reglas borrosas de Estados Unidos 1p. 107
- Base de reglas borrosas de Estados Unidos 2p. 108
- Apéndice Ep. 109
- Apéndice Fp. 111
- la función trigonométrica sinusoidalp. 31
- trigonométrica sinusoidalp. 33
- Tabla 3. Base de reglas borrosas del sistema de inferencia borrosa Colombia 1p. 60
- Tabla 4. Base de reglas borrosas del sistema de inferencia borrosa Colombia 2p. 62
- Tabla 5. Base de reglas borrosas del sistema de inferencia borrosa Estados Unidos 1p. 63
- Tabla 6. Base de reglas borrosas del sistema de inferencia borrosa Estados Unidos 2p. 65
- Tabla 7. Pasos para diseño de red neuronal artificial para pronosticarp. 67
- (feedforward)p. 69
- Tabla 9. Valores de indicadores técnicosp. 86
- Tabla 10. Valores de indicadores fundamentalesp. 87
- Tabla 11. Valores de variables macroeconómicasp. 88
- Tabla 12. Resultados de los sistemas de inferencia borrosos Colombia 1 y 2p. 109
- Tabla 13. Resultados de los sistemas de inferencia borrosos Estados Unidos 1 y 2p. 110
- Figura 1. Neurona biológicap. 16
- Figura 2. Primer modelo de neurona artificialp. 16
- Figura 3. Modelo de neurona artificial perceptrónp. 18
- Figura 4. Impacto del bias en la función de activaciónp. 19
- Figura 5. Red neuronal artificial anticipativa (feedforward)p. 21
- anticipativa (feedforward)p. 23
- Figura 7. Cálculo de red neuronal artificial feedforward anticipativa (feedforward)p. 23
- Figura 8. Funciones de activación: a) tangente hiperbólica y b) sigmoidalp. 25
- Figura 9. Función de evaluación de desempeño de la red neuronal artificialp. 27
- de algoritmo de retropropagación (backpropagation)p. 28
- función trigonométrica sinusoidalp. 32
- trigonométrica sinusoidalp. 33
- Figura 13. Dos definiciones del conjunto 𝐾: nítido (crisp) y borrosop. 37
- Figura 14. Funciones de membresía típicasp. 39
- (crisp) 𝐴 y 𝐵 y borrosos 𝒜 y ℬ pertenecientes a 𝒰p. 41
- Figura 16. Ejemplo de la variable lingüística “años de experiencia”p. 42
- “variable de entrada”p. 46
- “variable de salida”p. 47
- membresía de la variable lingüística “variable de salida”p. 48
- reglas definidasp. 49
- Figura 21. Resultado final del sistema de inferencia borrosop. 49
- volumen negociadop. 52
- diciembre de 2011, y b) enero de 2012 y enero de 2015p. 52
- Figura 24. Sistema de inferencia borroso Colombia 1p. 59
- Figura 25. Sistema de inferencia borroso Colombia 2p. 61
- Figura 26. Sistema de inferencia borroso Estados Unidos 1p. 62
- Figura 27. Sistema de inferencia borroso Estados Unidos 2p. 64
- Colombia 2, c) Estados Unidos 1 y d) Estados Unidos 2p. 66
- Figura 29. Proceso de generación de información de entrenamientop. 68
- Figura 30. Red neuronal artificial anticipativa (feedforward) implementadap. 70
- Figura 31. Evolución del error en el entrenamiento de la redp. 72
- Figura 32. Resultado de la red neuronal artificialp. 73
- volumen negociadop. 52
- Figura 34. Precio de la acción de Ecopetrol vs EBITDA por acciónp. 89
- Figura 35. Precio de la acción de Ecopetrol vs relación entre precio y EBITDAp. 90
- Figura 36. Precio de la acción de Ecopetrol vs relación entre TEV y EBITDAp. 90
- Figura 37. Precio de la acción de Ecopetrol vs relación entre deuda y EBITDAp. 91
- Figura 38. Precio de la acción de Ecopetrol vs utilidad por acciónp. 91
- Figura 39. Precio de la acción de Ecopetrol vs relación entre precio y utilidadp. 92
- y b) precio por barril de la referencia Brentp. 93
- en Estados Unidosp. 93
- desempleo en Estados Unidosp. 94
- Unidosp. 94
- crecimiento del PIB de Estados Unidosp. 95
- (inflación en Colombia)p. 96
- (desempleo en Colombia)p. 98
- (tasa de Colombia)p. 99
- (crecimiento del PIB de Colombia)p. 100
- (inflación en Estados Unidos)p. 101
- (desempleo en Estados Unidos)p. 102
- (tasa de Estados Unidos)p. 103
- (crecimiento del PIB de Estados Unidos)p. 104