| Journal: | The Anáhuac journal |
| Database: | CLASE |
| System number: | 000516584 |
| ISSN: | 1405-8448 |
| Authors: | Aja Kindelan, Alfonso1 Mata Mata, Leovardo2 Beltrán Godoy, Jaime Humberto2 |
| Institutions: | 1El Pescau, Ciudad de México. México 2Universidad Anáhuac, Facultad de Economía y Negocios, Ciudad de México. México |
| Year: | 2019 |
| Season: | Ene-Jun |
| Volumen: | 19 |
| Number: | 1 |
| Pages: | 13-34 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Descriptivo |
| Spanish abstract | En este trabajo se utiliza una red neuronal diferencial (DNN, por sus siglas en inglés) para proyectar los rendimientos accionarios de Pfizer en el período 2018-2020. El modelo emplea datos trimestrales, al cierre del período, del precio de la acción de la empresa (P), ventas netas (VN), activos totales (AT) y cuentaspor cobrar (CC). Los resultados señalan una bondad de ajuste superior de las DNN frente a los métodos convencionales, pues el error en el pronóstico out sample es inferior al 5 %. Este hallazgo contribuye con evidencia empírica para afirmar que las DNN ofrecen mayor robustez predictiva de los rendimientos accionarios de Pfizer |
| English abstract | In this paper, a differential neural network (DNN) is used to project Pfizers stock returns in the 2018-2020 period. The model uses quarterly data, at the end of the period, the price of the companys stock (P), net sales (NS), total assets (TA) and accounts receivable (AR). The results are compared with the classic regression models and there is evidence of the superior goodness of fit of the DNN, compared to conventional methods, since the error in out sample forecast is less than 5 % |
| Disciplines: | Economía, Administración y contaduría |
| Keyword: | Empresas, Economía industrial, Administración de la producción, Redes neuronales diferenciales, Pfizer, Pronóstico, 2018-2020, Rendimientos accionarios |
| Keyword: | Enterprises, Industrial economics, Production management, Differential neural network, Pfizer, Forecast, 2018-2020, Stock returns |
| Full text: | Texto completo (Ver PDF) |
