Evaluación de modelos de pronóstico para los principales mercados bursátiles latinoamericanos
No Thumbnail Available
Date
2015
Authors
Advisors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
El siguiente trabajo de investigación, analiza el comportamiento de los principales índices bursátiles latinoamericanos: IGBC, MERVAL, IPC, IGPA y BOVEPSA, a través del uso de una metodología que consiste en dividir cada serie de tiempo en intervalos de tendencia alcista y bajista, haciendo uso del análisis técnico; para posteriormente ajustar los modelos autorregresivos de heterocedasticidad condicional GARCH, EGARCH, TGARCH y una red neuronal artificial autorregresiva, con el fin de identificar el modelo que pronostique mejor los rendimientos de los índices. Los resultados demuestran que en general la capacidad de pronóstico de los modelos asimétricos TGARCH(p,q), EGARCH(p,q) es superior al modelo simétrico GARCH(p,q) para los intervalos identificados independiente de la tendencia, los cuales son superados por las redes neuronales artificiales tanto para tendencias alcistas como bajistas; por lo que se concluye que no se puede generalizar acerca de la pertinencia del uso de un determinado modelo, que pronostique mejor los rendimientos de un índice y que dependa de la dirección del mercado. Finalmente se dan recomendaciones para que en futuras investigaciones, se profundice en la utilización de redes neuronales artificiales que utilicen diferentes topologías, algoritmos de aprendizaje y variables de entrada; así como considerar ajustar a diferentes ventanas de tiempo los modelos autorregresivos, con el fin de tener en cuenta la variación de las características principales de las series de tiempo financieras. 1
Description
Keywords
Pronóstico, Índices Generales, Latinoamérica, Tendencias De Mercado, Redes Neuronales Artificiales, Modelos Garch.