Aplicación de modelos unifactoriales y aprendizaje automático en el mercado colombiano de deuda pública
En este trabajo se implementa el modelo propuesto por Vasicek y el de Cox et al., en ventanas móviles de tiempo, y observaremos su desempeño de pronóstico en el lapso de un año para el mercado colombiano de deuda pública. Los resultados se van a comparar con modelos de aprendizaje de máquinas, esp...
- Autores:
-
Catalina Alejo, Paula
León, Bernardo
Gómez Aldana, David
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2025
- Institución:
- Universidad Externado de Colombia
- Repositorio:
- Biblioteca Digital Universidad Externado de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:bdigital.uexternado.edu.co:001/26672
- Acceso en línea:
- https://bdigital.uexternado.edu.co/handle/001/26672
https://doi.org/10.18601/17941113.n27.08
- Palabra clave:
- renta fija;
deuda pública colombiana;
pronóstico;
modelos unifactoriales;
tasas de corto plazo;
aprendizaje de máquinas;
curva de rendimientos
Fixed income;
sovereign colombian debt;
forecast;
spot rates;
unifactorial models;
machine learning;
yield curve
- Rights
- openAccess
- License
- Paula Catalina Alejo, Bernardo León, David Gómez Aldana - 2025
| Summary: | En este trabajo se implementa el modelo propuesto por Vasicek y el de Cox et al., en ventanas móviles de tiempo, y observaremos su desempeño de pronóstico en el lapso de un año para el mercado colombiano de deuda pública. Los resultados se van a comparar con modelos de aprendizaje de máquinas, específicamente con modelos de árboles de regresión, redes neuronales y bosques aleatorios (random forest); a pesar de no tener un sustento económico, estos modelos se usan ampliamente para manejar problemas de pronóstico en diferentes áreas del conocimiento y, al igual que los modelos de tasas unifactoriales, se pueden utilizar para determinar los niveles futuros de tasas de interés, abordándolos como un problema de regresión. |
|---|