PredStock: Una Comparación entre modelos paramétricos y no paramétricos para la predicción de índices bursátiles
Cargando...
Fecha
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
En este artículo se comparan los resultados de los modelos paramétricos y no paramétricos utilizados en la predicción de diferentes índices bursátiles que hacen parte de los modelos de predicción utlizados en un WebSite cuyo nombre de dominio es idéntico al de este artículo y cuyo fin es netamente académico. Por un lado se hace especial énfasis en modelos de Redes Neuronales Bayesianas con diferentes métodos para muestrear los pesos de la red durante su entrenamiento y para la estimación de las incertidumbres en los parámetros estimados. Los resultados se comparán con algunos modelos paramétricos para series de tiempo (ARMA, ARIMA Y SARIMA) se realizará una breve descripción de estos modelos paramétricos a comparar. Se encontrí que las redes neuronales bayesianas pueden proveer resonables predicciones de diferentes índices bursátiles con incertidumbres confiables.
Descripción
Abstract
This article compares the results of the parametric and non-parametric models used in the prediction of different stock market indices that are part of the prediction models used in a WebSite whose domain name is identical to that of this article and whose purpose is purely academic. On the one hand, special emphasis is placed on Bayesian Neural Network models with different methods to sample the weights of the network during its training and to estimate the uncertainties in the estimated parameters. On the other hand, there is a brief description of the parametric models of time series (ARMA, ARIMA Y SARIMA). It was found that Bayesian neural networks can provide reasonable predictions of different stock indices with reliable uncertainties.
Palabras clave
Predicción, Modelos Paramétricos, Redes Neuronales Bayesianas