Autómatas celulares en la predicción de ADR'S Latinoamericanos.

Abstract

Esta investigación analiza las bondades de la teoría de Autómatas Celulares como modelamiento del comportamiento de Diferentes ADR´s latinoamericanos, incluyendo casi la totalidad de los ADR´s chilenos. Los Autómatas Celulares son una herramienta de inteligencia artificial que puede ser usada para modelar cualquier sistema complejo y por ende pueden considerarse como una buena alternativa a las ecuaciones diferenciales, pudiendo ser utilizados para modelar sistemas físicos y sistemas biológicos a nivel celular, multicelular y poblacional. En este trabajo se desarrolla una aplicación de esta teoría para proyectar la variación de los signos de 30 ADR´s latinoamericanos, entendiendo que la predicción de la dirección del movimiento del índice accionario es relevante para desarrollar estrategias de transacción efectivas (Leung, Daouk & Chen, 2000; Parisi, Parisi & Cornejo, 2004). El desempeño relativo de los modelos fue medido por el porcentaje de predicción de signo (PPS) que mide la cantidad de predicciones correctas (hits) sobre el total de predicciones hechas. Se encontró que el mayor porcentaje de predicción de signo (PPS) fue de un 80% y correspondió al ADR del Banco Santander-Santiago; además se encontró un PPS promedio de 63,7% al considerar un modelo que proyectaba solo 30 semanas. La capacidad predictiva de los Autómatas Celulares resultó estadísticamente significativa para el 30% de los ADR´s analizados según el test de acierto direccional (DA) de Pesaran & Timmermann (1992). Además, éstos ADR´s con capacidad predictiva superaron en rentabilidad al modelo ingenuo y a la estrategia buy and hold. Por último, este estudio presenta evidencia de que los Autómatas Celulares podrían convertirse en una alternativa a las metodologías predictivas tradicionalmente utilizadas en la administración de portfolios de inversión.