Redes neuronales
I Concepto |
Predicción
en los mercados de valores con redes neuronales
|
1) Es de lo que más interés
despierta
La predicción
ha sido una de las aplicaciones que más pronto despertaron
el interés de los estudiosos de las redes neuronales.
No obstante, Chatfield (1994) comenta que en este tema los resultados
no son concluyentes por dos razones: cuando las predicciones
las hacen científicos que provienen del campo de las redes
neuronales descuidan muchos aspectos estadísticos y viceversa.
2)
Hay muchos
tipos de predicción
Además
bajo el epígrafe predicción se engloban estudios
muy diferentes: no todas las curvas son iguales en cuanto a forma
y tamaño, presencia o no de efectos estacionales, de no
linealidad, predicción a corto o largo plazo, etc. De
su propia experiencia reconoce que las redes neuronales se están
comportando bien en predicción a largo plazo con componentes
no lineales. En cambio, no están claras las mejorías
observadas en series cortas y estacionales, como son típicas
en las predicciones de ventas. Lo cierto es que este autor, como
la mayoría, recomienda no hacer caso de las exageraciones
e invita a realizar trabajos serios que indiquen en qué
tipos de estudios y bajo qué condiciones las redes neuronales
son más apropiadas.
3)
Análisis
técnico
El análisis
técnico pretende predecir las cotizaciones a partir de
la evolución histórica de precios y volúmenes
de negociación. El primer artículo sobre redes
neuronales que manejan información financiera fue realizado
por White (1988). White estudió la predicción de
los precios de las acciones con un modelo de red neuronal. El
modelo predecía mejor que el modelo de series temporales
que utilizaba, un modelo lineal autorregresivo. El perceptrón
multicapa es utilizado como análisis técnico, sin
incluir variables fundamentales.
Probablemente,
como comenta humorísticamente el autor, el incluir otro
tipo de información como los tipos de interés,
la climatología o qué equipo gana la liga de beisbol
americana le hubiera permitido ganar dinero. Posteriormente la
predicción de la cotización de las acciones, del
tipo de cambio y de otras variables económicas ha sido
uno de los temas más atractivos para los investigadores
y analistas financieros.
4)
Análisis
fundamental
El análisis
fundamental trata de valorar los factores económicos más
importantes del entorno y contempla la evolución económico-financiera
de las empresas. Wong, Wang, Goh y Quek (1992) diseñan
un sistema neuronal que combina diferentes herramientas de Inteligencia
Artificial para obtener una cartera óptima de acciones.
Concretamente su modelo es una red neuronal fuzzy. Consta de
tres módulos: el primero contiene treinta y dos reglas
del tipo si-entonces proporcionadas por especialistas humanos,
el segundo un procesador de reglas fuzzy y el tercero un perceptrón
multicapa. El modelo utiliza información del mercado de
valores, así como ratios financieros. En el artículo
se realiza un test con ochocientas empresas, con el objetivo
de predecir las rentabilidades de las acciones, obteniendo resultados
satisfactorios.
