PUBLICACIONES

Este estudio analiza la capacidad de los modelos de redes neuronales para predecir el signo de las variaciones semanales de índices bursátiles CAC40, el Hang Seng, KLSE, MMX, ITS, Dow Jones Industrial, S&P500, GDAX, Bovespa, Nikkei225 y FTSE100, 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 supervisad de propagación 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 conjutos extramuestrales, cada uno compuesto de 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. 

Redes neuronales, red Ward, test direccional accuracy, capacidad predictiva.