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 de bonos durante casi 245 semanas. A la vez, se busca predecir la
rentabilidad de un inversionista en periodos cortos de tiempo, prediciendo los cambios
diarios, de las variaciones porcentuales de las variables de los distintos modelos. Ambos casos
fueron comparados con modelos ingenuos de Buy & Hold, para los mismos intervalos.
En este trabajo se encontró que la red Ward tenía satisfactoria capacidad predictiva
para el signo que seguirá el cambio del precio de un bono. Se encontró que para periodos
cortos de tiempo, lapsos de un año con variables diarias, todos los factores son determinantes
al momento de la predicción (el monto transado, la tasa interbancaria, el Benchmarck
rezagado). Mientras que para los promedios semanales, dentro de un lapso de 4 años, se
encontró que el monto transado no era una variable significativa, por lo que se intuye que su
efecto en la predicción se basa exclusivamente en las transacciones diarias, debido a que está
sujeto a una mayor volatilidad.
Finalmente se confirma que el Benchmark UF‐5 es altamente autoregresivo, y sólo
para periodos cortos de tiempo, variables como el monto transado y la tasa interbancaria,
reflejan un aporte significativo para la predicción del Benchmark.
Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/108459 |
Date | January 2008 |
Creators | Robles Silva, Daniel |
Contributors | Gregoire Cerda, Jorge, 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 0.0021 seconds