| Abstract | dc.description.abstract | No cabe duda de que el mayor reto para administradores e investigadores en el campo de
las finanzas, es la presencia de incertidumbre acerca de los acontecimientos futuros, y de
cómo estos pueden afectar el valor de un determinado portafolio de inversión. De ahí, el
estudio, análisis e implementación, a lo largo de los años, de diversas teorías y técnicas de
predicción que permitieran disminuir la incertidumbre asociada a la toma de dediciones
financieras, y su posterior efecto sobre un portafolio. En este sentido, recordadas son la
teoría moderna de carteras (MPT) de Harry Markowitz, la teoría de los mercados eficientes
y el CAPM planteada por Fama (1970) y Sharpe (1964), así como los modelos Multifactor
de Fama-French (1992), entre otros. Sin embargo, la mayoría de estas teorías y técnicas se
basan en la linealidad de las relaciones y en supuestos específicos acerca de los retornos de
los activos estudiados.
Considerando lo anterior, autores como los hermanos Parisi han aportado a la literatura
financiera, a través del uso de sistemas predictivos no paramétricos, tales como redes
neuronales, lógica borrosa y algoritmos genéticos para proyectar variables financieras y
conformar portafolios de inversión. Dichas técnicas no basan sus capacidades predictivas
en la utilización de supuestos específicos acerca de los retornos de los activos financieros,
mostrando que es posible obtener altas capacidades predictivas, estadísticamente
significativas y económicamente rentables, sin depender de dichos supuestos.
No obstante lo anterior, destaca el hecho de que la mayoría de estos estudios han sido
aplicados a mercados de acciones, tasas de interés, monedas y metales preciosos, dejando al
mercado de metales base, y en lo específico al cobre, en un segundo plano. Lo anterior
resulta extraño considerando que portafolios compuestos exclusivamente por este tipo de
metales, han superado en rentabilidad a portafolios de renta fija y variable, siendo lo
suficientemente rentables como para proteger a los inversionistas de la inflación. Lo
anterior es claramente apreciable en la rentabilidad obtenida, en los años 2003 y 2004, por
el cobre, aluminio y cinc en la Bolsa de Metales de Londres.
De esta forma, y con el objetivo de realizar un aporte, esta investigación analiza la
capacidad de los modelos de redes neuronales para predecir el signo de las variaciones
semanales del precio del cobre en la Bolsa de Metales de Londres, comparado sus
resultados con la capacidad predictiva de distintos modelos utilizados en el mundo de las
finanzas. Lo anterior, entendiendo que la predicción de la dirección del movimiento del
precio es relevante para desarrollar estrategias de transacción efectivas, las cuales pueden
arrojar mejores resultados que aquellas basadas en la proyección del valor de la variable
observada (Leung, Daouk & Chen, 2000).
En el mismo orden de ideas, esta investigación se centrará en el empleo de redes neuronales
multicapas dinámicas, con aprendizaje supervisado, así como alguna de sus variantes
(Redes Ward). Se utilizarán estos modelos de redes ya que actúan como funciones
mapeadoras universales, desempeñándose muy bien con las series de tiempo.
Adicionalmente, un hecho importante en esta investigación, es que la aplicación de redes
neuronales dinámicas, a través del uso de las técnicas “Rolling” y “Recursivo”, permiten
encontrar relaciones cambiantes entre las variables a lo largo del tiempo, es decir, esto
permite que los modelos sean alimentados semana a semana con la última información
disponible, adaptando sus parámetros a las características más recientes de la muestra, y por
lo tanto del mercado. En particular, el funcionamiento “Recursivo” agrega, a través de un
algoritmo iterativo, nueva información a la ya estudiada por la red. Asimismo, el
funcionamiento “Rolling” trata de capturar el hecho de que los agentes, al formar sus
expectativas, no utilizan la totalidad la información histórica, sino que desechan la más
antigua a medida que ésta se va haciendo obsoleta, agregando la información más reciente a
su conjunto de información relevante para tomar decisiones.
En lo especifico, las conclusiones del estudio apuntan a que, efectivamente, se pueden
lograr capacidades predictivas estadísticamente significativas y económicamente rentables
para el precio del cobre, a través del uso de Redes Neuronales Dinámicas, logrando un
66,7% de acierto en la predicción del signo de la variación semanal del precio, para el
período comprendido entre enero de 2003 y diciembre de 2004. Esto último implicó que,
para el mejor modelo neuronal analizado, se obtuviera una rentabilidad de un 138,13%
durante el período, superando ampliamente a otros modelos utilizados en finanzas, como
los modelos ARIMAX, Análisis Técnico y osciladores.
Finalmente, el resto de la presente investigación se estructura como sigue: en el capítulo
dos se presentan los objetivos y metodología utilizada en este estudio; en el capítulo tres se
presenta una breve descripción del mercado del cobre, poniendo énfasis en su estructura,
participantes, proceso de formación de precios y comercialización; el capítulo cuatro
desarrolla el marco teórico de la investigación, profundizando los principales aspectos que
envuelven a las redes neuronales; en el capitulo cinco se presenta el estudio empírico
realizado, para finalmente en el capitulo seis presentar las principales conclusiones y líneas
futuras de acción. | es_ES |
