Maestría en Administración Financiera · 2023
Desarrollo de un modelo de predicción usando redes neuronales artificiales de los precios de los futuros del dolar para la industria colombiana
The present study presents an exploration of the dollar peso price prediction models, calculated through the use of artificial neural networks and stock market indicators, to constitute a tool for investment decision making. A general overview of the use of the most used stock market indicators in the market such as oscillators and moving averages is presented, as well as market analysis based on cycle theory, where finally the FLDS indicators are used. Various types of neural network training configuration are performed exploring the possible results of the models.
Texto completo 78 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- 1. Introducciónp. 8
- 2. Marco Teóricop. 9
- 2.1 Teoría de Ciclosp. 9
- 2.1.1 Filosofíap. 9
- 2.1.2 Ciclosp. 12
- 2.1.3 Patrones chartistas y su relación con la teoría de ciclosp. 15
- 2.1.4 Canales envolventesp. 22
- 2.1.5 Como conservar el dinero ganadop. 29
- 2.2 Osciladoresp. 37
- 2.2.1 MACD (Moving average convergence divergence)p. 37
- 2.2.2 RSI (Índice de fuerza relativa)p. 40
- 2.3 Mercados de futurosp. 44
- 2.4 Redes neuronales artificialesp. 47
- 3. Metodologíap. 52
- 3.1 Datosp. 52
- 3.2 Indicadoresp. 54
- 3.2.1 Exponential móvil simple (EMA)p. 55
- 3.2.2 MACDp. 56
- 3.2.3 RSIp. 58
- 3.2.4 FLDp. 59
- 3.3 Implementación de redes neuronales artificialesp. 61
- 4. Resultadosp. 63
- 4.1 Red neuronal con precio cierre (Close)p. 63
- 4.2 Red neuronal con precio cierre (Close) + RSIp. 64
- 4.3 Red neuronal con precio cierre (Close) + MACDp. 66
- 4.4 Red neuronal con precio cierre (Close) + FLDSp. 67
- 4.5 Modelo finalp. 68
- 5. Conclusionesp. 71
- Referencias bibliográficasp. 72
- Anexosp. 74
- Figura 1. Parámetros de influencia en el precio de los activosp. 10
- Figura 2. Futuros de la Soya, inversión con ciclo mayorp. 11
- Figura 3. Futuros de la Soya, inversión con ciclos de diversos marcos de tiempop. 12
- Figura 4. Representación de los ciclos en los precios de un activop. 13
- Figura 5. Proporción de los ciclos según su duraciónp. 15
- Figura 6. Canal envolvente en tendencia alcistap. 16
- Figura 7. Formación de patrón hombro cabeza hombrop. 17
- Figura 8. Composición resultante de la sumatoria de componentes en un preciop. 17
- Figura 9. Cambio en la fase del ciclop. 18
- Figura 10. Formación doble cabezap. 18
- Figura 11. Formaciones triangularesp. 19
- Figura 12. Agotamiento de tendencia confirmada por formación triangularp. 20
- Figura 13. Formación envolvente de los ciclosp. 23
- Figura 14. Bandas de sobres porcentualesp. 24
- Figura 15. Bandas de Bollingerp. 25
- Figura 16. Línea de tendencia alcistap. 26
- Figura 17. Línea de tendencia bajistap. 26
- Figura 18. Zona de proyección del preciop. 27
- Figura 19. Zona de proyección del preciop. 28
- Figura 20. Proyección por no real time envelopsp. 30
- Figura 21. Toma de utilidades por no real time envelopsp. 31
- Figura 22. Representación de medias móvilesp. 32
- Figura 23. Proyección de amplitud de la ondap. 32
- Figura 24. Gráficas matemática de los ciclos del preciop. 33
- Figura 25. Formación de señal compuesta por componentes de ciclosp. 34
- Figura 26. Representación de líneas FLD en precio de USD/COPp. 35
- Figura 27. FLDS como indicador de resistencias y cambio de tendenciap. 35
- Figura 28. FLDS como proyección de precio alcistap. 36
- Figura 29. FLDS como proyección de precio bajistap. 37
- Figura 30. MACD indicando tendencia bajistap. 38
- Figura 31. MACD indicando tendencia alcistap. 39
- Figura 32. MACD indicando agotamiento de tendencia alcistap. 40
- Figura 33. MACD indicando agotamiento de tendencia bajistap. 40
- Figura 34. RSI indicando agotamiento de tendencia bajistap. 42
- Figura 35. RSI indicando agotamiento de tendencia alcistap. 42
- Figura 36. RSI indicando falso agotamiento alcista (sin divergencia)p. 43
- Figura 37. RSI indicando falso agotamiento bajista (sin divergencia)p. 44
- Figura 38. Funcionamiento de mercados reguladosp. 45
- Figura 39. Tipos contratos USD/COP en BVCp. 45
- Figura 40. Funcionamiento de garantía en mercado de futurosp. 46
- Figura 41. Ejemplo mercado de futurosp. 47
- Figura 42. Estructura de red neuronal artificial de 1 capa oculta con 5 neuronasp. 48
- Figura 43. Funcionamiento algorítmico de la neuronap. 49
- Figura 44. Gráfica función sigmoidep. 50
- Figura 45. Gráfica función Tanhp. 50
- Figura 46. Gráfica función Relup. 51
- Figura 47. Metodología de aprendizaje supervisado (backpropagation)p. 52
- Figura 48. Muestra de datos de estudio, USD/COP 2019-2023p. 53
- Figura 49. Lenguaje de programación Pythonp. 54
- Figura 50. Datos resultantes del indicador EMAp. 55
- Figura 51. Gráfica de precio vs EMASp. 56
- Figura 52. Datos resultantes del indicador MACDp. 57
- Figura 53. Gráfica de precio y MACDp. 57
- Figura 54. Datos resultantes del indicador RSIp. 58
- Figura 55. Gráfica de precio vs RSIp. 59
- Figura 56. Datos resultantes del indicador FLDp. 60
- Figura 57. Gráfica de precio vs FLDp. 61
- Figura 58. RNA entrenada por ventanas de tiempop. 63
- Figura 59. Predicción de RNA con precio cierrep. 64
- Figura 60. Predicción de RNA con precio cierre + RSIp. 65
- Figura 61. Predicción de RNA con precio cierre + MACDp. 66
- Figura 62. Predicción de RNA con precio cierre + FLDp. 67
- Figura 63. Predicción de RNA modelo final de USD/COP 2019-2023p. 69
- Figura 64. Predicción de RNA modelo final de USD/COP oct – nov 2023p. 69
- Figura 65. Comportamiento de pérdida (loss) en cada entrenamientop. 70
- Figura 66. Predicción de RNA modelo final vs precio realp. 70
- Tabla 1. Valores nominales de los ciclosp. 14
- Tabla 2. Exploración de modelos con entrada precio de cierrep. 64
- Tabla 3. Exploración de modelos con entrada precio de cierre + RSIp. 65
- Tabla 4. Exploración de modelos con entrada precio de cierre + MACDp. 66
- Tabla 5. Exploración de modelos con entrada precio de cierre + FLDp. 67
- Tabla 6. Modelo con mejores resultadosp. 68
Palabras clave
Artificial neural networkOscillatorsPrediction modelsFLDSMACDModelo de predicciónOsciladoresRed neuronal artificial (RNA)RSIUSD/COP