Procesos gaussianos en la predicción de las fluctuaciones de la economía mexicana

Irene García, Loren Trigo, Sabatino Costanzo, Enrique ter Horst

Resumen


La capacidad de algunas redes neuronales para predecir la dirección de la economía de México —representada por el LEI— cuyos insumos son las versiones simultáneas (suavizante y predictiva) de un proceso gaussiano alimentado por un índice de acciones y uno de bonos —ambos representativos del mercado mexicano—, es comparada favorablemente (por medio del método de Anatolyev y Gerko para evaluar la precisión de un predictor), con la capacidad predictiva de redes desarrolladas para el mismo fin por dos de los autores de este artículo en uno anterior, cuyos insumos son rezagos de dichos índices.

Palabras clave


redes neuronales; predicción; fluctuaciones; economía; mercados; mercados de capitales; procesos gaussianos

Texto completo:

PDF XML

Referencias


Anatolyev, Stanislav (2005), “A Trading Approach to Testing for Predictability”, Journal of Business and Economic Statistics, Vol. 23, No. 4, pp. 455-461.

Jagric, Timotej (2003), “A Nonlinear Approach to Forecasting with Leading Economic Indicators”, Studies in Nonlinear Dynamics & Econometrics 7, núm. 2.

Jurik, Mark (1994), “Back Percolation, Assigning Local Error in Feed-forward Perception Methods”, Braincel, New Haven, Promised Land Technologies, Inc.

Lahiri, Kajal, y Geoffrey Moore (1991), Leading Economic Indicators: New Approaches and Forecasting Records, Nueva York, Cambridge University Press.

Parisi F., Antonino, Franco Parisi F. y José Luis Guerrero C. (2003), “Modelos predictivos de redes neuronales en índices bursátiles”, EL TRIMESTRE ECONÓMICO, vol. LXX (4), núm. 280, pp. 721-744.

Pesaran, M. H., y A. Timmermann (1992), “A Simple Nonparametric Test of Predictive Performance”, Journal of Business and Economic Statistics 10, pp. 461-465.

Rasmussen, C. E. (1996), “Evaluation of Gaussian Processes and Other Methods for Non-linear Regression”, tesis doctoral, University of Toronto, disponible en (http://www.kyb.mpg.de/publications/pss/ps2304.ps) y (www.es.otoronto,ca/~carl/).

--, y Christopher K. I. Williams (2005), Gaussian Processes for Machine Learning. Cambridge, Masachusetts y Londres, Inglaterra, MIT Press.

Ruggiero, Murray (1996), “Using Correlation Analysis to Predict Trends”, Futures Magazine, febrero, pp. 46-49.

-- (1997), Cybernetic Trading Strategies, John Wiley & Sons, Inc.

-- (1998), “Intermarket Analysis is Fundamentally Sound”, Futures Magazine, abril, pp. 58-62.

-- (2001), “Intermarket Analysis & Economic Forecasting”, Futures Magazine, marzo, pp. 60-62.

-- (2001), “The Economy & Markets: Trading the Relationship”, Futures Magazine, abril, pp. 60-62.

Tkacz, G. (2000), “Neuronal Network Forecasting of Canadian GDP Growth”, The International Journal of Forecasting.

Trigo, Lorenza, y Sabatino Costanzo (2007), “Redes neuronales en la predicción de las fluctuaciones de la economía a partir del movimiento de los mercados de capitales”, EL TRIMESTRE ECONÓMICO, vol. LXXIV (2), núm. 294, pp. 415-440.

Walczak, Steven (2001), “An Empirical Analysis of Data Requirements for Financial Forecasting with Neural Networks”, Journal of Management Information Systems, vol. 17, núm. 4, pp. 203–222.

Cerpa, Narciso, y Steven Walczak (1999), “Heuristic Principles for the Design of Artificial Neural Networks”, Information and Software Technology, vol. 41, núm. 2, pp. 109-119.

Weigend, A. S., y N. A. Gershenfeld (1994), Time Series Prediction: Forecasting the Future and Understanding the Past. Addison-Wesley.

Wheelwright, Steven C., y Spyros Makridakis (1985), Forecasting Methods for Management, Nueva York, John Wiley & Sons, Inc.

Williams, C. K., y C. E. Rasmussen (1996), Gaussian processes for regression. D. S. Touretzky, M. C. Mozer, y M. E. Hasselmo (comps.), Advances in Neural Information Processing Systems 8, MIT Press.

Wolberg, John R. (2000), Expert Trading Systems, Nueva York, John Wiley & Sons, Inc.

Wolpert, L. Robert, Katja Ickstadt y Martin B. Hansen (2003), “A Nonparametric Bayesian Approach to Inverse Problems”, J. M. Bernardo, M. J. Bayarri, J. O. Berger, A. P. Dawid, D. Heckerman, A .F. M. Smith y M. West (comps.), Bayesian Statistics, Oxford University Press, 2003.




DOI: http://dx.doi.org/10.20430/ete.v77i307.447

Enlaces refback

  • No hay ningún enlace refback.


Revista El Trimestre Económico, volumen LXXXVI (3), número 343, julio-septiembre de 2019. Es una publicación trimestral que aparece en enero, abril, julio y octubre, editada por el Fondo de Cultura Económica, con domicilio en  Carretera Picacho Ajusco número 227, Col. Bosques del Pedregal, Delegación Tlalpan, C.P.  14738, Ciudad de México, teléfono (55) 5227 4672, ext. 1850, http://www.eltrimestreeconomico.com.mx/. Reserva de derechos al uso exclusivo  Número 04-2016-052612421000-203, ISSN 2448-718X. Ambos otorgados por el Instituto del Derecho de Autor. Consejo Directivo de El Trimestre Económico: Julio Boltvinik, Orlando Delgado Selley, Saúl Escobar Toledo y José Valenzuela Feijóo. Responsable de la última actualización de este número: Nuria Pliego Vinageras, Secretaria Técnica, Fecha de la última actualización:  5 de julio de 2019. La responsabilidad por lo expresado en los artículos, notas y reseñas es  estrictamente de sus autores; en consecuencia El Trimestre Económico, el Fondo de Cultura Económica y las instituciones a las que estén asociados los autores son ajenos a ella. Todos los derechos reservados. Se autoriza la reproducción total o parcial de los artículos  aquí presentados, siempre y cuando no se mutile y se incluya en todos los casos, junto con la ficha completa, el nombre del autor al que se cite y la  dirección electrónica de la revista; de otra forma, requerirá la autorización por escrito de El Trimestre Económico.