... ...
Facultad de Ciencias Matem´
aticas
Escuela Profesional de Estad´ıstica
Un Modelo de Pron´ostico de la Bolsa de Valores en el Per´u Utilizando Herramientas de Inteligencia Artificial y Optimizaci´on
Computacional
Miguel Angel Cano Lengua
Contenido
1 Motivaci´on
2 Algoritmos Aplicados a Inteligencia Artificial. 3 Redes Neuronales
4 Modelo Propuesto
5 Arquitectura del Modelo Propuesto 6 Experimentos Num´ericos
Algoritmos Aplicados a Inteligencia Artificial
Naive Bayes. Rgresi´on Log´ıstica Regresi´on Lineal.
Introducci´
on
Introducci´
on
M´
etodos de Pron´
osticos
Promedios M´oviles. Suavizaci´on Exponencial. Regresi´on Multiple. M´etodo de Holt-Winters.
Modelo Propuesto
Modelo Propuesto
Modelo Propuesto
Descripci´
on del Modelo Propuesto
Se utiliz´o la metodolog´ıa CRISP-DM que es una de las m´as estan-darizadas y aceptadas a la hora de afrontar proyectos de Miner´ıa de Datos. Las fases del dise˜no son:
Fase 1: Comprensi´on del negocio o problema Fase 2: Comprensi´on de los datos
Fase 3: Preparaci´on de los datos Fase 4: Modelado
Modelo Propuesto
Arquitectura del Modelo de Redes Neuronales Artificiales
Arquitectura de una red de tipo MFNN.
Variables Macroecon´
omicas
Diversos estudios se han realizado para determinar la influencia de los factores macroecon´omicos en el comportamiento de los precios de las acciones en el mercado de valores. Para nuestro estudio se ha considerado 4 variables macroecon´omicas de entrada, a saber:
Inflaci´on
PBI Sectorial - Mineras Tasa de Inter´es
´Indices e Indicadores del Mercado Burs´atil y Variables
Cualitativas
Adem´as de las variables macroecon´omicas que influyen significati-vamente en el comportamiento de los precios de las acciones en el mercado de valores, conviene tener en cuenta diversos ´ındices o indicadores que permiten medir el comportamiento y la salud del mercado burs´atil en el tiempo, PASTOR, [6]. Para nuestro estudio se utiliz´o dos de los indicadores m´as importantes que se utilizan en el mercado de valores del Per´u, a saber:
Resultados
Conclusiones
Referencias Bibliogr´
aficas
1 Burton, G. M. (2018). A Random Walk Down Wall Street. (8va ed.), New York, EE.UU.: W.W. Norton Company. 2 Caceres V. (2018) Prediccion de Precios de Acciones De Bolsa
de Valores utili-zando Support Vector Regression. (Tesis de Pre grado) Universidad de Lima, Li-ma
3 Kaastra, I. y Boyd, M. (1996). Designing a neural network for forecasting finan-cial and economic time series.
Neurocomputing Elsevier Science, 10, 215-236.
4 Mejia L. (2017) Modelacion del Indice General de la Bolsa de Valores de Lima con Series de Tiempo. (Tesis de Pre grado) Universidad Nacional de Trujillo, Tru-jillo, Per´u
