Algoritmos genéticos y modelos multivariados recursivos en la predicción de índices bursátiles de América del Norte: IPC, TSE, Nasdaq y DJI

Resumen

Con valores de cierre semanales, correspondientes al periodo del 7 de abril de 1998 al 14 de abril de 2003, analizamos la eficiencia de los modelos multivariados dinámicos, elaborados a partir de algoritmos genéticos recursivos, para predecir el signo de las variaciones semanales de los índices bursátiles IPC, TSE, Nasdaq y DJI. Los resultados fueron comparados con los de un modelo AR(1) y de un modelo multivariado elaborado de manera aleatoria. Los mejores modelos producidos por el algoritmo genético obtienen un porcentaje de predicción de signo (PPS) de 59, 60, 59 y 59%, para los índices IPC, Nasdaq, TSE y DJI, respectivamente. La capacidad predictiva resultó significativa en cada uno de los índices, de acuerdo con la prueba de acierto direccional de Pesaran y Timmerman (1992). Al analizar el PPS de los modelos AR(1), se encontró que estos fueron menores, resultando significativos únicamente en el caso del Nasdaq. Los modelos multivariados dinámicos elaborados de manera aleatoria presentaron el PPS más bajo (excepto en el índice TSE), siendo significativo para el Nasdaq sólo al considerar una significación de 10%. Además, los modelos elaborados por el algoritmo genético generaron el mayor rendimiento acumulado, excepto en el caso del Nasdaq, en el que la rentabilidad más alta fue obtenida por el modelo AR(1). Al efectuar una prueba de solidez por medio del análisis de mil series bootstrap se observó que, en promedio, el PPS fue de 51, 53, 49 y 53%, para los índices DJI, IPC, Nasaq y TSE, respectivamente. Pese a ello los modelos multivariados superaron el rendimiento de una estrategia buy and hold en 57, 59 y 71% de los casos de los índices DJI, IPC y TSE, respectivamente. En el Nasdaq, la frecuencia con que el modelo multivariado superó en rentabilidad a la estrategia pasiva fue de 41 por ciento.