UNA APROXIMACIÓN CON REDES NEURONALES

¿QUÉ TAN RELEVANTE ES EL PROMEDIO INDUSTRIAL DOW

JONES PARA EL PRONÓSTICO

BURSÁTIL EN AMÉRICA LATINA?:

Elsy Gómez-RamosFrancisco Venegas-Martínez

ESCUELA SUPERIOR DE ECONOMÍA, IPN.

Las Redes Neuronales Artificiales (RNA) como herramienta de pronóstico han

generado grandes expectativas, debido a su alta flexibilidad y a su proceso

auto-adaptativo. Para el caso de América Latina la literatura es escasa, por lo

que este estudio analiza el impacto de un mercado accionario desarrollado en

relación a los mercados de la región. El objetivo es identificar en qué grado

los índices bursátiles de Brasil, México y Colombia son explicados a

través del Promedio Industrial Dow Jones (DJ). Para ello, se trabaja con

diferentes muestras y frecuencias para redes univariadas y redes que incluyan

una variable exógena.

RESUMEN

SECCIÓN 1: INTRODUCCIÓN

SECCIÓN 2:MUESTRAS

SECCIÓN 3:ANALISIS ESTADÍSTICO Y ECONOMÉTRICO

SECCIÓN 4:DISEÑO ESPERIMENTAL

CONCLUSIONES

CONTENIDO

Son herramientas altamente flexibles inspiradas en el funcionamiento del

cerebro humano, que pueden modelar relaciones no lineales como las

observadas en las series financieras. Además, no es necesario establecer a

priori formas funcionales.

REDES NEURONALES ARTIFICIALES

SECCIÓN : 1-2-3-4

Pronóstico de quiebras corporativas y bancarias

Pronóstico del tipo de cambio

Pronóstico bursátil

PRONÓSTICO FINANCIERO

SECCIÓN : 1-2-3-4

McNeils (1996) pone a prueba diferentes herramientas para analizar la

influencia de grupo de países de la región y de Estados Unidos (DJ) para

explicar el comportamiento del mercado Brasileño. El estudio señala que el

modelo GARCH y el PML obtuvieron los mejores resultados.

Parisi et al. (2003) pronostican a través de diferentes RNA (PML) y modelos

tradicionales el signo de las variaciones semanales de los principales índices

a nivel internacional (entre ellos el DJ y el Ibovespa). Los resultados indican

que la capacidad predictiva de los modelos varía con el tiempo, por

lo que no es posible especificar un solo modelo que explique la

evolución de las series.

PRONÓSTICO BURSÁTIL EN AL

SECCIÓN : 1-2-3-4

Si un pronóstico univariado (incluye únicamente los rezagos de la serie) es

más preciso que un pronóstico que incluya una variable exógena (incluye los

rezagos de la serie y los rezagos de otra variable), se tendría evidencia que

las fuerzas internas de la serie son suficientes para lograr una

representación aproximada de su comportamiento; en caso contrario, el

ambiente externo cobra gran relevancia.

En esencia, si se encontrara que el pronóstico univariado tuviera un mejor

desempeño, indicaría que las fuerzas que impulsan al índice norteamericano

son distintas a las de la región, es decir, que al incluirlo, la RNA no logra

encontrar información adicional que le ayude a representar de una mejor

manera a los índices latinoamericanos.

PRONÓSTICO UNIVARIADO & PRONÓSTICO CON VARIABLE EXÓGENA

SECCIÓN : 1-2-3-4

h

MUESTRAS

SECCIÓN : 1-2-3-4

Estadísticos descriptivos

Pruebas econométricas: Dickey-Fuller Aumentada (ADF), efectos

ARCH (p=2) y BDS. Esta última ayuda a detectar la no linealidad de

los residuos de un modelo propuesto, es decir, si el modelo es

adecuado, los residuos estandarizados deberán ser ruido blanco; en

caso contrario, el estadístico de la prueba será estadísticamente

significativo.

ANÁLISIS ESTADÍSTICO Y ECONOMÉTRICO

SECCIÓN : 1-2-3-4

En resumen, los resultados sugieren que las distribuciones de los

datos tienen colas anchas, son sesgadas y leptocúrticas.

RESULTADOS ESTADÍSTICOS

SECCIÓN : 1-2-3-4

Fuente: Kazmier (2006).

Se encontró evidencia de heteroscedásticidad en los errores para todos los casos, y la prueba BDS señala que el modelo convencional no capta la complejidad de las series mientras mayor sea la frecuencia de los datos (con excepción del IGBC). Lo anterior, sugiere que las series son susceptibles a ser modeladas a través del PML.

RESULTADOS ECONOMÉTRICOS

SECCIÓN : 1-2-3-4

DISEÑO EXPERIMENTAL

SECCIÓN : 1-2-3-4

Donde:

rindice i,t es el rendimiento logarítmico i en el tiempo t. rdj-1 es el rendimiento logarítmico del DJ al tiempo t-1.

En cuanto al número de entradas a las redes se utiliza como auxiliar el

criterio de información Akaike. Para el caso del número de nodos en la

capa oculta se selecciona de forma experimental. El valor de la tasa de

aprendizaje y del término momento es de 0.2.

Para determinar la precisión de los pronósticos se realiza el cálculo del Error

Cuadrático Medio (ECM). Donde para cada índice le corresponde tres

muestras (diaria, semanal y mensual) y a cada muestra dos tipos de redes

(univariadas y con variable exógena) con un red alternativa para cada caso.

En total se tienen 36 diferentes diseños de redes (Cuadro 1). El software que

se utiliza es Mathematica 6.0.

DISEÑO EXPERIMENTAL

SECCIÓN : 1-2-3-4

ERROR CUADRATICO MEDIO

SECCIÓN : 1-2-3-4

La evidencia señala que para las series diarias el tamaño de las redes con variable exógena son más robustas, y sólo ligeramente más precisas que las mejores redes univariadas. Mientras que para las series semanales existen diferencias más significativas. En cuanto a las series mensuales se encuentra que las redes univariadas son más robustas y más precisas (excepto para el IGBC). Sin embargo, durante el entrenamiento se presenta un comportamiento atípico (sobre todo para el IPC y el IGBC) con respecto al número de patrones de entrenamiento requeridos. Y por ello los niveles de error para esta frecuencia de datos son significativamente superiores en comparación con el resto de los resultados.

Lo anterior podría indicar dos aspectos: el primero es que al trabajar con información tan agregada la red neuronal podría no ser la mejor herramienta. Es más, la prueba BDS también muestra evidencia en este sentido; el segundo es que si el problema no es el más apropiado las dificultades en el diseño de la red se intensifican.

RESULTADOS

SECCIÓN : 1-2-3-4

Indagar sobre las fuerzas que rigen los movimientos accionarios, requiere del manejo de herramientas robustas que permitan tener una representación aproximada del mundo real. Por ello, las metodologías artificiales ponen a prueba sus ventajas para exponer información relevante sobre nuestro entorno. AL es vista como una región altamente compleja, con diversos niveles de desarrollo y de comportamiento. Así, la aplicación de las RNA permiten encontrar evidencia sobre la dinámica que persiguen los mercados accionarios de la región.

Los resultados de la investigación muestran que el DJ sólo mejora ligeramente la precisión de los pronósticos con datos diarios. Lo anterior evidencia que la dinámica interna de los índices bursátiles latinoamericanos ejercen mayor peso sobre su comportamiento que con respecto al índice norteamericano. Aunque, ante acontecimientos a corto plazo si existe cierta influencia, la cual se va disolviendo a través del tiempo.

CONCLUSIONES