Redes neuronales
Aplicación de redes neuronales para la predicción de la volatilidad, precios, indicadores,

¿Qué son las redes neuronales y qué ventajas pueden ofrecernos?

3
Publicado por jaomun el 23 de julio de 2012

Por Javier Oliver Muncharaz

Hola a todos los foreros y seguidores de esta maravillosa web de finanzas. En primer lugar quiero agradecer a todos los miembros de Rankia por permitirme poder aportar mis ideas sobre algunos temas en finanzas, concretamente en redes neuronales. Espero que entre todos podamos aportar una poco de luz en estos temas para tener mayor información  a la hora de realizar nuestras inversiones en los mercados financieros.

En este primer post sólo quiero esbozar la idea de qué son las redes neuronales y qué ventajas pueden  ofrecernos frente a modelos matemáticos o econométricos (para entendernos estadísticos).

La idea que subyace en las redes neuronales es que simulan el proceso de aprendizaje del cerebro humano. En una de las tipologías más utilizadas de redes neuronales (tipo Backpropagation), se presentan unos datos de entrada (inputs) en una estructura compleja de relaciones entre estos datos de entrada mediante conexiones matemáticas para que cada centro de aprendizaje (neuronas) aprendan dichas relaciones y comparando con los datos de salidas (outputs) generan una serie de patrones de aprendizaje, que servirán para realizar las predicciones.

A continuación vamos a poner un ejemplo muy sencillo para ver las ventajas que presentan las redes neuronales frente a otros modelos. Para ello se ha escogido los datos diarios del futuro del DAX desde Enero de 1997 hasta el 12 Julio 2012. El objetivo es realizar una predicción sobre el precio de cierre para la semana del 16 al 20 de julio. En este punto quiero señalar que el objetivo no es encontrar una predicción exacta del precio de cierre, si no lo que queremos obtener es si la sesión del día siguiente va a ser alcista o bajista respecto al cierre de hoy. 

Se ha construido un modelo econométrico (estadístico) en el hemos cogido como variables la apertura, máximo, mínimo, cierre y volumen de la sesión anterior para predecir el precio de cierre de la sesión actual.

Para la red neuronal se han cogido como inputs las mismas variables para así hacer comparables los resultados.

 

Como puede observarse la red neuronal nos ha dado un mayor porcentaje de acierto en la dirección de la sesión siguiente comparando el precio de cierre real de la sesión anterior con la predicción que nos da cada modelo para la sesión actual. 

Ahora bien no todo es oro lo que reluce. Si nos fijamos en las predicciones de cierre de la red neuronal no se acercan a los verdaderos valores, aunque sí han sido capaz de captar mejor la dirección de los precios. Esto es debido a que existes muchas cuestiones que aún no hemos comentado relacionado con las redes neuronales como el tiempo de entrenamiento de las mismas, su arquitectura,  diferentes tipos de aprendizaje… Estas cuestiones las iremos comentando en diferentes posts.

Saludos y buen trading.

Etiquetas: redes neuronales · DAX · econometría · prediccion · sistemas de trading



Añadir comentario
3
Comentarios
1 Migueln
23 de julio de 2012 (13:09)

Buenos días,

Muy interesante el tema de la inteligencia artificial y su uso en la elaboración de modelos predictivos.

Veo en linkedin que realizaste un master recientemente sobre este area.

Gracias por tus aportaciones.

Saludos

Me gusta
2 Enrique Roca
29 de julio de 2012 (11:45)

Muy interesante la aplicacion de Ramon y Cajal para los mercados.¿Para cuando una articulo sobre algoritmos geneticos?

Me gusta
3 jaomun
jaomun  en respuesta a  Enrique Roca
31 de julio de 2012 (10:17)

Hola Enrique.

En los próximos artículos voy a centrarme en las redes neuronales qué son, cómo funcionan, su estructura,...pricipalmente sobre una de las redes más extensas y utilizadas la red BackPropagation.

El tema que me comentas sobre algoritmos genéticos también lo abordaré (almenos inicialmente) cuando trate el tema del proceso de aprendizaje de las redes neuronales, dado que se implementan dichos algoritmos para la mejora de estos procesos de entrenamiento y aprendizaje de la red.

Saludos.

Me gusta






RSS
e-Mail









Rankia utiliza cookies propias y de terceros, con ellas obtenemos información sobre tus pautas de navegación y así podemos ofrecerte una mejor experiencia de uso y servicio mostrándote información relacionada con tus preferencias e intereses. Si continúas navegando aceptas nuestra política de cookies.