Modelos predictivos de redes neuronales en índices bursátiles

Antonino Parisi F, Franco Parisi and José Luis Guerrero C.
Additional contact information
Antonino Parisi F: Departamento de Administración, Universidad de Chile
José Luis Guerrero C.: MacDonough School of Business, Georgetown University

El Trimestre Económico, 2003, vol. LXX (4), issue 280, 721-744

Abstract: This study analices the neuronal networks models’ capacity to predict the sign of the weekly variations of CAC40, Hang Seng, KLSE, MMX, STI, Dow Jones Industry, S&p500, GDAX, Bovespa, Nikkei225 and FTSE100.The relative performance of the models was measured by the number of correct predictions of the index’s variation sign, on the base of 51 joint out-samples, each one made up of 50 weekly observations. The results proved that the predictive capacity of the models change thought the time, then it is necessary to reestimate the weight of the equation and reconstruct the model period after period. This suggest that an exclusive and unique explanatory model of the stock-exchange indice’s evolution does not exist.// Este estudio analiza la capacidad de los modelos de redes neuronales para predecir el signo de las variaciones semanales de los índices bursátiles CAC40, Hang Seng, KLSE, MMX, STI, Dow Jones Industry, S&P500, GDAX, Bovespa, Nikkei225 y FTSE 100, entendiendo que la predicción de la dirección del movimiento del índice accionario es pertinente para desarrollar estrategias de transacción efectivas (Leung, Daouk y Chen, 2000). Se usaron modelos de redes neuronales de algoritmo de aprendizaje supervisado de programación hacia atrás: el perceptrón multicapa, la red recurrente Jordan- Elman y la red Ward. Por otra parte, el proceso de evaluación se hizo sobre la base de 51 conjuntos extramuestrales, cada uno compuesto por 50 observaciones semanales. En esta etapa, el desempeño relativo de los modelos fue medido por el número de predicciones correctas (hits) del signo de la variación del índice, aplicando para ello la prueba de acierto direccional de Pesaran y Timmermann (1992). Los resultados muestran que la capacidad predictiva de los modelos varía a lo largo del tiempo, por lo que es necesario no sólo recalcular los coeficientes de la ecuación periodo a periodo sino también reelaborar el modelo en sí, por lo que no existiría un único modelo explicativo de la evolución de los índices bursátiles. Finalmente, al comparar los resultados de la red Ward y del modelo ARIMA con los de una estrategia buy and hold se observó que, independientemente de la significancia estadística de la capacidad predictiva, ambas técnicas permitieron aumentar la rentabilidad o reducir las pérdidas.

Keywords: redes neuronales; red Ward; test directional accuracy; capacidad predictiva (search for similar items in EconPapers)
JEL-codes: G10 G14 G15 (search for similar items in EconPapers)
Date: 2003
References: Add references at CitEc
Citations: View citations in EconPapers (2)

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:elt:journl:v:70:y:2003:i:280:p:721-744

Ordering information: This journal article can be ordered from
Order print issues directly in our web page or with Guadalupe Galicia at Fondo de Cultura Económica, El Trimestre Económico, Carretera Picacho Ajusco 227, 2° piso, Col. Bosques del Pedregal, CP 14738, Tlalpan, Ciudad de México
http://www.eltrimestreeconomico.com.mx

Access Statistics for this article

El Trimestre Económico is currently edited by Orlando Delgado Selley, Saúl Escobar Toledo, Jorge Isaac Egurrola and José Valenzuela Feijóo

More articles in El Trimestre Económico from Fondo de Cultura Económica
Bibliographic data for series maintained by Nuria Pliego Vinageras ().