Predicción del comportamiento diario de la acción de SURAMINV. Un modelo de redes neuronales
Main Article Content
Keywords
Red neuronal artificial (RNA), predicción, Suraminv, sistemas de negociación.
Resumen
La investigación muestra que es posible realizar, por medio de modelos de redes neuronales artificiales, buenas predicciones sobre el comportamiento diario de la acción de SURAMINV. Tales resultados contrarían la hipótesis de la teoría de eficiencia débil de mercado. A partir de dichas predicciones y con el uso de sistemas de negociación, se evalúa la posibilidad de obtener rendimientos extraordinarios sobre la estrategia Buy & Hold teniendo en cuenta costos de transacción y oportunidad.
Descargas
Article Sidebar
Article Details
Jaime Enrique Arrieta Bechara, Universidad EAFIT
Magíster en Finanzas, Economista, Universidad EAFIT. Jefe Mesa Derivados Valores Bancolombia.
Juan Camilo Torres Cruz, Universidad EAFIT
Magíster en Finanzas, Universidad EAFIT. Especialista en Ingeniería Financiera, Universidad Nacional de Colombia. Economista del Desarrollo, Universidad Pontificia Bolivariana.Hermilson Velásquez Ceballos, Universidad EAFIT
Dr. Ciencias Matemáticas, Universidad Politécnica de Valencia. Magíster en Matemáticas Aplicadas, Universidad EAFIT. Profesor de tiempo completo, Universidad EAFIT.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
a. Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
b. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
c. Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).