| Revista: | The Anáhuac journal |
| Base de datos: | |
| Número de sistema: | 000605603 |
| ISSN: | 1405-8448 |
| Autores: | García, Samuel1 |
| Instituciones: | 1Instituto Tecnológico y de Estudios Superiores de Monterrey EGADE Business School, México |
| Año: | 2024 |
| Periodo: | Ene-Jun |
| Volumen: | 24 |
| Número: | 1 |
| Paginación: | 160-179 |
| País: | México |
| Idioma: | Inglés |
| Resumen en español | Este trabajo compara el desempeño de la memoria de corto y largo plazo (LSTM, por sus siglas en inglés) univariada y multivariada en la predicción de los precios de cierre del día siguiente de cuatro acciones del sector de consumo minorista en la Bolsa Mexicana de Valores. El error absoluto medio (MAE, por sus siglas en inglés), el error porcentual absoluto medio (MAPE, por sus siglas en inglés), la mediana del error porcentual absoluto (MdAPE, por sus siglas en inglés) y la raíz del error cuadrático medio (RMSE, por sus siglas en inglés) se utilizan para probar el desempeño de las redes. Por un lado, los resultados muestran un mejor desempeño en el pro nóstico multivariado de precios cuando se utilizan secuencias de 20 y 15 días de duración, generando resultados coherentes para la muestra, incluidas las acciones líquidas e ilíquidas. Por otro lado, la LSTM univariada revela un desempeño de pronóstico menor para la predicción del precio de acciones ilíquidas. |
| Resumen en inglés | This study compares the performance of univariate and multivariate Long Short-Term Memory (LSTM) to predict next-day closing prices on four stocks in the consumer retail sector of the Mexican Stock Exchange. Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Median Absolute Percentage Error (MdAPE), and Root Mean Squared Error (RMSE) are used to test the networks’ performance. Results show a better performance on multivariate price forecasts when using 20-day and 15-day length sequences, generating consistent results for the sample, including illiquid and liquid stocks. On the other hand, univariate LSTM discloses lower forecast performance when predicting the price of illiquid stocks. |
| Palabras clave: | Predicción, Acciones, Univariada, Multivariada, LSTM |
| Keyword: | Forecast, Stocks, Univariate, Multivariate, LSTM |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
