Este trabajo persigue evaluar la rentabilidad que habría obtenido un
inversionista que hubiese seguido las recomendaciones de Redes Neuronales
Artificiales para la conformación semanal de sus carteras durante casi 4 años. Lo
que se busca es ver no sólo si la proyección de las RNA constituyen una mejor
predicción del retorno de las acciones que el promedio histórico de estos, si no
que además busca ver si al usar una metodología Rolling para las predicciones se
puede lograr un mejor desempeño de las RNA y por ende una mayor rentabilidad
de la conformación de carteras. Para esto se usa una red Ward que se vuelve a
entrenar con los nuevos datos cada vez que se quiere proyectar una nueva
semana (Método Rolling). En este estudio se usaron datos de 29 de las 30
acciones del Dow Jones Industrial Average para el período comprendido entre el 4
de febrero de 1994 y el 10 de septiembre del 2004. Como Benchmark para el
método propuesto se usó la metodología tradicional de conformación de carteras
tomando el coeficiente Beta de correlación con el mercado como medida del
riesgo y el promedio de los retornos históricos como medida del retorno esperado,
este método se denominará como portfolios por Betas. En este trabajo se encontró
que la red Ward tenía excelente capacidad predictiva para el signo que seguirá el
cambio del precio de una acción. También se mostró que cuando se permite venta
corta la estrategia por RNA obtiene mayor rentabilidad acumulada en promedio
que la estrategia por Betas. En cambio, cuando no se permite la venta corta los
portfolios por Betas superan a los de RNA en este mismo indicador
Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/108274 |
Date | January 2004 |
Creators | Gutiérrez Márquez, Marcelo |
Contributors | Parisi Fernández, Antonino, Facultad de Economía y Negocios, Escuela de Economía y Administración |
Publisher | Universidad de Chile |
Source Sets | Universidad de Chile |
Language | Spanish |
Detected Language | Spanish |
Type | Tesis |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0146 seconds