Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas
En este trabajo son aplicados diferentes métodos de pronóstico para predecir los precios y rendimientos de las acciones para dos de las principales empresas que transan en la bolsa de valores de Colombia: Bancolombia y Ecopetrol. Para el estudio son consideradas técnicas de pronóstico basadas en mod...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Corporación Universitaria Republicana
2025-01-01
|
| Series: | Revista Ingeniería, Matemáticas y Ciencias de la Información |
| Subjects: | |
| Online Access: | https://ojs.urepublicana.edu.co/index.php/ingenieria/article/view/1128 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850055834220888064 |
|---|---|
| author | Johan Andrés Uribe Escudero Liz Johana Ramírez Castaño Romario Ademir Conto López |
| author_facet | Johan Andrés Uribe Escudero Liz Johana Ramírez Castaño Romario Ademir Conto López |
| author_sort | Johan Andrés Uribe Escudero |
| collection | DOAJ |
| description | En este trabajo son aplicados diferentes métodos de pronóstico para predecir los precios y rendimientos de las acciones para dos de las principales empresas que transan en la bolsa de valores de Colombia: Bancolombia y Ecopetrol. Para el estudio son consideradas técnicas de pronóstico basadas en modelos estadísticos y de aprendizaje automático, utilizando métricas de evaluación como el RMSE, MAE y MAPE. Los modelos se han seleccionado debido a su amplia aplicación en el campo de las finanzas y su capacidad para capturar diferentes características de las series de tiempo. Para los precios de Bancolombia y Ecopetrol, el modelo híbrido que combina ARIMA y redes neuronales proporcionó los mejores resultados. Sin embargo, para las predicciones de los rendimientos el modelo de red neuronal resultó ser el más efectivo en ambos casos. Esto sugiere que la dinámica de cada acción y las características específicas de los datos afectan el desempeño de los modelos. |
| format | Article |
| id | doaj-art-d016a2e9b0f145ceb7ec82595c376012 |
| institution | DOAJ |
| issn | 2357-3716 |
| language | English |
| publishDate | 2025-01-01 |
| publisher | Corporación Universitaria Republicana |
| record_format | Article |
| series | Revista Ingeniería, Matemáticas y Ciencias de la Información |
| spelling | doaj-art-d016a2e9b0f145ceb7ec82595c3760122025-08-20T02:51:52ZengCorporación Universitaria RepublicanaRevista Ingeniería, Matemáticas y Ciencias de la Información2357-37162025-01-011223617710.21017/rimci.1128Predicción de activos financieros usando modelos ARIMA y Redes Neuronales AutorregresivasJohan Andrés Uribe Escudero0https://orcid.org/0000-0002-2228-0061Liz Johana Ramírez Castaño1https://orcid.org/0000-0002-3817-7616Romario Ademir Conto López2https://orcid.org/0000-0002-9944-137XInstituto Tecnológico MetropolitanoInstituto Tecnológico MetropolitanoInstituto Tecnológico MetropolitanoEn este trabajo son aplicados diferentes métodos de pronóstico para predecir los precios y rendimientos de las acciones para dos de las principales empresas que transan en la bolsa de valores de Colombia: Bancolombia y Ecopetrol. Para el estudio son consideradas técnicas de pronóstico basadas en modelos estadísticos y de aprendizaje automático, utilizando métricas de evaluación como el RMSE, MAE y MAPE. Los modelos se han seleccionado debido a su amplia aplicación en el campo de las finanzas y su capacidad para capturar diferentes características de las series de tiempo. Para los precios de Bancolombia y Ecopetrol, el modelo híbrido que combina ARIMA y redes neuronales proporcionó los mejores resultados. Sin embargo, para las predicciones de los rendimientos el modelo de red neuronal resultó ser el más efectivo en ambos casos. Esto sugiere que la dinámica de cada acción y las características específicas de los datos afectan el desempeño de los modelos.https://ojs.urepublicana.edu.co/index.php/ingenieria/article/view/1128precios de activosrendimientos de activosarimaarmagarchredes neuronales autorregresivas |
| spellingShingle | Johan Andrés Uribe Escudero Liz Johana Ramírez Castaño Romario Ademir Conto López Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas Revista Ingeniería, Matemáticas y Ciencias de la Información precios de activos rendimientos de activos arima arma garch redes neuronales autorregresivas |
| title | Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas |
| title_full | Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas |
| title_fullStr | Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas |
| title_full_unstemmed | Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas |
| title_short | Predicción de activos financieros usando modelos ARIMA y Redes Neuronales Autorregresivas |
| title_sort | prediccion de activos financieros usando modelos arima y redes neuronales autorregresivas |
| topic | precios de activos rendimientos de activos arima arma garch redes neuronales autorregresivas |
| url | https://ojs.urepublicana.edu.co/index.php/ingenieria/article/view/1128 |
| work_keys_str_mv | AT johanandresuribeescudero predicciondeactivosfinancierosusandomodelosarimayredesneuronalesautorregresivas AT lizjohanaramirezcastano predicciondeactivosfinancierosusandomodelosarimayredesneuronalesautorregresivas AT romarioademircontolopez predicciondeactivosfinancierosusandomodelosarimayredesneuronalesautorregresivas |