| Revue: | ODEON (Bogotá) |
| Base de datos: | CLASE |
| Número de sistema: | 000535884 |
| ISSN: | 1794-1113 |
| Autores: | Sánchez Anzola, Nicolás1 |
| Instituciones: | 1Bolsa de Valores de Colombia, Bogotá. Colombia |
| Año: | 2015 |
| Número: | 9 |
| Paginación: | 113-172 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | La predicción del movimiento de los tipos de cambio en los mercados de divisas es un objetivo desafiante para el cálculo de pronósticos en el análisis de series de tiempo. Dada la complejidad que se presenta en la dinámica de este tipo de mercados, la implementación de modelos eficientes de predicción a partir de la información de las tasas de cambio observadas, es una tarea compleja. El presente estudio implementa y compara dos modelos de aprendizaje de máquina en la predicción del movimiento intradiario del mercado spot USD/COP. Los modelos propuestos se basan en técnicas de clasificación conocidas como redes neuronales artificiales (RNA) y máquinas de soporte vectorial (SVM). Indicadores de análisis técnico, velas japonesas y retornos de los precios fueron seleccionados como variables de entrada a los modelos. Se implementaron combinaciones de parámetros para los modelos propuestos con el fin de mejorar el desempeño en la predicción. Los resultados del experimento evidenciaron que el promedio en el desempeño para los modelos de RNA (57,8%) y SVM (55,6%) resultaron significativos para la predicción del movimiento del mercado spot USD/COP |
| Resumen en inglés | Prediction of exchange rates movement is regarded as a challenging task of financial time series prediction. Given the complexity involved in the dynamics of these markets, the implementation of efficient predictive models from the observed exchange rates data, is a difficult job. This study attempted to develop two efficient models of machine learning and compared their performances in predicting the direction of movement in the intraday US dollar - Colombian Peso exchange rate (USD/COP). The models are based on two classification techniques, artificial neural networks (ANN) and support vector machines (SVM). Technical indicators, candlesticks and p≠rice returns were selected as inputs of the proposed models. Comprehensive parameter setting experiments for both models were performed to improve their prediction performances. Experimental results showed that average performance of ANN model (57.8%) and SVM model (55.6%) were found significant in predicting the USD/COP exchange rate |
| Disciplinas: | Economía |
| Palabras clave: | Econometría, Redes neuronales, Soporte vectorial, Kernels, Tasas de cambio, Indicadores técnicos, Predicción económica |
| Texte intégral: | https://revistas.uexternado.edu.co/index.php/odeon/article/view/4414/5256 |
