Modelado del precio del oro : Aplicación de modelos clásico de series de tiempo Vs. redes neuronales artificiales
El objetivo de este trabajo de investigación es analizar el ajuste y nivel de predicción que presentan diferentes modelos lineales y no lineales sobre el precio del oro cotizado en la bolsa de Nueva York. Serán empleados los modelos lineales de Caminata Aleatoria y diversas especificaciones ARIMA de...
- Autores:
-
Guerrero González, Leidy Samara
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2011
- Institución:
- Universidad del Valle
- Repositorio:
- Repositorio Digital Univalle
- Idioma:
- OAI Identifier:
- oai:bibliotecadigital.univalle.edu.co:10893/25864
- Acceso en línea:
- https://hdl.handle.net/10893/25864
- Palabra clave:
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
| Summary: | El objetivo de este trabajo de investigación es analizar el ajuste y nivel de predicción que presentan diferentes modelos lineales y no lineales sobre el precio del oro cotizado en la bolsa de Nueva York. Serán empleados los modelos lineales de Caminata Aleatoria y diversas especificaciones ARIMA de la metodología Box-Jenkins (1970) y modelos no lineales Perceptrón Multicapa de Redes Neuronales Artificiales. Los datos empleados son tomados de la página web www.kitco.com en enero de 2010, para el periodo que transcurre del 2 de enero del 2002 al 29 de diciembre del 2005. Como principal resultado se encontró que el modelo Perceptrón Multicapa presenta mejores medidas de evaluación Error Absoluto Medio (MAE) y Raíz del Error Cuadrático Medio (RMSE), pero la especificación ARIMA(4,1,4) presenta una mayor cantidad de aciertos al modelar la tendencia. |
|---|