About
Contact
Help
Sending publications
How to publish
Advanced Search
View Item 
  •   Home
  • Facultad de Economía y Negocios
  • Tesis Pregrado
  • View Item
  •   Home
  • Facultad de Economía y Negocios
  • Tesis Pregrado
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse byCommunities and CollectionsDateAuthorsTitlesSubjectsThis CollectionDateAuthorsTitlesSubjects

My Account

Login to my accountRegister
Biblioteca Digital - Universidad de Chile
Revistas Chilenas
Repositorios Latinoamericanos
Tesis LatinoAmericanas
Tesis chilenas
Related linksRegistry of Open Access RepositoriesOpenDOARGoogle scholarCOREBASE
My Account
Login to my accountRegister

Algoritmos genéticos versus filtros de Kalman en la predicción de acciones norteamericanas: GE, GM, IBM, UTX y VZ.

Tesis
Thumbnail
Open/Download
Iconasenjo_f.pdf (674.7Kb)
Publication date
2006
Metadata
Show full item record
Cómo citar
Parisi Fernández, Antonino
Cómo citar
Algoritmos genéticos versus filtros de Kalman en la predicción de acciones norteamericanas: GE, GM, IBM, UTX y VZ.
.
Copiar
Cerrar

Author
  • Asenjo Wilkins, Felipe;
Professor Advisor
  • Parisi Fernández, Antonino;
Abstract
Utilizando valores de cierres semanales, correspondientes al período comprendido entre el 20 de Agosto de 2001 al 14 de Agosto de 2006, se analiza la eficiencia de modelos multivariables dinámicos, optimizados por algoritmos genéticos y filtro de kalman, para predecir el signo de las variaciones semanales en la cotización bursátil de GE, GM, IBM, UTX y VZ. Los resultados fueron comparados con los de un modelo AR(1) y de un modelo multivariable ARIMAX(2,2,2). Los mejores modelos producidos por el algoritmo genético arrojaron un porcentaje de predicción de signo (PPS), para un conjunto extramuestral de 52 datos semanales, de un 77%, 71%, 81%, 75% y 75%, para las acciones GE, GM, IBM, UTX y VZ, respectivamente. La capacidad predictiva resultó significativa en cada una de las acciones, de acuerdo al test de acierto direccional de Pesaran & Timmerman (1992). Al analizar el PPS de los modelos de filtro de kalman, se encontró que estos fueron menores, resultando significativos en el caso de GE, GM, IBM y UTX. Por otro lado, el PPS de los modelos AR(1), se encontró que estos fueron no significativos para todas las acciones en estudio. Los modelos multivariables ARIMAX(2,2,2) registraron un PPS más alto que los de filtro de kalman para el caso de UTX, siendo no significativo. Además, los modelos construidos por el algoritmo genético generaron en promedio el mayor retorno acumulado, excepto en el caso de GM, donde la rentabilidad más alta fue registrada por el modelo de filtro de kalman. Ampliando el tamaño del conjunto extramuestral hasta cinco años, se llega a concluir que el PPS de todos los modelos analizados es decreciente, llegando a observar que, independientemente de la significancia de la capacidad predictiva de los modelos de proyección, estos superaron en rentabilidad a la estrategia de inversión pasiva en todas las acciones analizadas, por lo que prácticamente siempre fue mejor gestionar la cartera indexada en función de alguno de ellos.
Identifier
URI: https://repositorio.uchile.cl/handle/2250/108381
Collections
  • Tesis Pregrado
xmlui.footer.title
31 participating institutions
More than 73,000 publications
More than 110,000 topics
More than 75,000 authors
Published in the repository
  • How to publish
  • Definitions
  • Copyright
  • Frequent questions
Documents
  • Dating Guide
  • Thesis authorization
  • Document authorization
  • How to prepare a thesis (PDF)
Services
  • Digital library
  • Chilean academic journals portal
  • Latin American Repository Network
  • Latin American theses
  • Chilean theses
Dirección de Servicios de Información y Bibliotecas (SISIB)
Universidad de Chile

© 2020 DSpace
  • Access my account