Mostrar el registro sencillo del objeto digital

dc.contributor Landassuri-Moreno, Victor Manuel
dc.contributor Quintana López, Maricela
dc.contributor.advisor OROZCO AGUIRRE, HECTOR RAFAEL; 48886
dc.contributor.author LEON ANAYA, LUIS MANUEL
dc.creator LEON ANAYA, LUIS MANUEL; 432674
dc.date.accessioned 2017-09-28T16:44:32Z
dc.date.available 2017-09-28T16:44:32Z
dc.date.issued 2017-07-10
dc.identifier.uri http://hdl.handle.net/20.500.11799/67404
dc.description Tesis de Maestría donde se propone un modelo de Ensembles de Redes Neuronales Artificiales para predecir series de tiempo financiaeras de México es
dc.description.abstract El mercado bursátil es un sistema dinámico que se caracteriza por su complejidad, volatilidad, no estacionariedad, irregularidad, pero sobre todo por las repentinas y pronunciadas caídas en los precios. Dadas estas características, y con el fin de contrarrestar las fluctuaciones aparentemente aleatorias, la inherente no linealidad en los datos financieros, y puesto que en muchos de los enfoques tradicionales que abordan la predicción del mercado bursátil en periodos de crisis, estos por lo regular no son capaces de capturar de manera fiable los rasgos distintivos del fenómeno. En esta investigación, se propone como primer paso, descomponer a los indicadores que representan al mercado accionario de los Estados Unidos y México en periodos de crisis, mediante la herramienta llamada Descomposición Empírica en Modos (DEM) que se encarga de descomponer la serie original de los índices accionarios en un número finito de descomposiciones llamadas Funciones de Modo Intrínseco (FMIs) y un elemento residual. A continuación, cada una de las FMIs y el residuo, son pronosticadas individualmente, utilizando por un lado, un modelo paramétrico (Autorregresivo Integrado de Media Móvil-Modelo de Volatilidad Condicional Heterocedástico (ARIMA-ARCH)) y por otro lado, por un modelo no paramétrico Redes Neuronales Artificiales (RNAs), este último es configurado por medio de un algoritmo evolutivo llamado Selección de Características de Programación Evolutiva de Redes Neuronales Artificiales (FS- EPNet). Posteriormente, se adquiere la predicción del modelo paramétrico, mediante la suma de las predicciones resultantes de cada FMI y del residuo, de igual forma se realiza el mismo procedimiento para obtener la predicción final del modelo no paramétrico. Finalmente, las predicciones de los modelos paramétrico y no paramétrico son combinadas mediante un promedio ponderado, para producir una combinación de pronósticos, estas predicciones a su vez son comparadas. Los resultados empíricos obtenidos demuestran que los modelos que colaboraron en conjunción con la técnica de descomposición de señales DEM, tienen una predicción más precisa de la crisis bursátil, a diferencia de los modelos que confeccionaron su pronóstico de manera aislada. es
dc.description.sponsorship COMECyT, CONACyT es
dc.language.iso spa es
dc.rights openAccess es
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject predicción es
dc.subject series de tiempo financieras es
dc.subject ensembles es
dc.subject.classification CIENCIAS SOCIALES
dc.title Aplicación de la Descomposición Empírica en Modo a la Predicción del Mercado Bursátil con los Modelos de ARIMA-ARCH y Redes Neuronales Artificiales Evolutivas es
dc.type Tesis de Maestría es
dc.provenance Científica es
dc.road Dorada es
dc.organismo Centro Universitario UAEM Texcoco es
dc.ambito Internacional es
dc.cve.CenCos 30401 es
dc.cve.progEstudios 663 es
dc.modalidad Tesis es
dc.audience students
dc.audience researchers
dc.type.conacyt masterThesis
dc.identificator 5


Ficheros en el objeto digital

Este ítem aparece en la(s) siguiente(s) colección(ones)

Visualización del Documento

  • Título
  • Aplicación de la Descomposición Empírica en Modo a la Predicción del Mercado Bursátil con los Modelos de ARIMA-ARCH y Redes Neuronales Artificiales Evolutivas
  • Autor
  • LEON ANAYA, LUIS MANUEL
  • Colaborador
  • Landassuri-Moreno, Victor Manuel
  • Quintana López, Maricela
  • Fecha de publicación
  • 2017-07-10
  • Tipo de documento
  • Tesis de Maestría
  • Palabras clave
  • predicción
  • series de tiempo financieras
  • ensembles
  • Los documentos depositados en el Repositorio Institucional de la Universidad Autónoma del Estado de México se encuentran a disposición en Acceso Abierto bajo la licencia Creative Commons: Atribución-NoComercial-SinDerivar 4.0 Internacional (CC BY-NC-ND 4.0)

Mostrar el registro sencillo del objeto digital

openAccess Excepto si se señala otra cosa, la licencia del ítem se describe cómo openAccess

Buscar en RI


Buscar en RI

Usuario

Estadísticas