En El Perú se Pueden Modelar y Predecir los Rendimientos Accionarios?
DOI:
https://doi.org/10.15381/pc.v7i0.9043Palabras clave:
Mercados de capitales, Hipótesis de eficiencia de los mercados de capitales, Caminata aleatoria, Finanzas conductivistas, Algoritmos genéticos, Redes neuronales artificiales.Resumen
Las redes neuronales artificiales (RNA) se han convertido en un importante instrumento para modelar y predecir los rendimientos accionarios y por ende para evaluar la eficiencia del mercado de capitales (HEM). Debido a que son modelos que incorporan variables no lineales (característica de la mayoría de las series económicas y financieras) funcionan mejor que los modelos estadísticos tradicionales, como las regresiones lineales o modelos Box-Jenkins (Camino Aleatorio). Es este artículo se dan algunos alcances sobre investigaciones de verificación de las hipótesis de eficiencia de los mercados de capitales y las ventajas de la utilización de los modelos de redes neuronales artificiales (RNA), principalmente para la predicción de tendencias de precios.Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2007 Jorge Barrera Herrera
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
LOS AUTORES RETIENEN SUS DERECHOS:
a. Los autores retienen sus derechos de marca y patente, y tambien sobre cualquier proceso o procedimiento descrito en el artículo.
b. Los autores retienen el derecho de compartir, copiar, distribuir, ejecutar y comunicar públicamente el articulo publicado en la revista Pensamiento Crítico (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en la revista Pensamiento Crítico.
c. Los autores retienen el derecho a hacer una posterior publicación de su trabajo, de utilizar el artículo o cualquier parte de aquel (por ejemplo: una compilación de sus trabajos, notas para conferencias, tesis, o para un libro), siempre que indiquen la fuente de publicación (autores del trabajo, revista, volumen, numero y fecha).