Modelo de predicción de precios para empresas del sector energía listadas en la bolsa de Santiago

Abstract

El objetivo de este estudio es construir un modelo de predicci´on de precios para las acciones de las empresas del sector de energ´ıa que cotizan en la Bolsa de Santiago, incorporando un ´ındice de sentimiento de anuncios financieros. Este ´ındice de sentimiento (o tono) fue constru´ıdo a trav´es de la clasificaci´on de los anuncios y noticias que las empresas publican en la Comisi´on para el Mercado Financiero (CMF), los cuales pueden ser negativos, neutros o positivos. La estructura de datos, de series de tiempo, requiere de la aplicaci´on de modelos cl´asicos o transparentes como lo son los ARIMA y VAR, los cuales respetan el orden de ingreso de las variables y permiten reconocer sus efectos. Adicionalmente, se usaron los modelos de redes recurrentes, espec´ıficamente las redes GRU, que tambi´en toman en cuenta la secuencialidad de la serie de tiempo. Los resultados en los datos de test muestran que los modelos ARIMA siguen siendo los m´as precisos para la predicci´on de precios, y los modelos VAR mejoran marginalmente con la incorporaci´on del ´ındice de tono. Por otro lado, las redes GRU muestran resultados mixtos: para las acciones de COLBUN tienen mejoras en la predicci´on de precios, pero para el resto de las empresas no, llegando incluso a empeorarlas. Estos resultados posiblemente reflejan la falta de sectorizaci´on y/o contexto del ´ındice, as´ı como tambi´en que muchos de los anuncios no alcanzan a reflejar la volatilidad del sistema para algunas empresas. Dado lo anterior, la incorporaci´on de an´alisis de sentimiento en la predicci´on de precios tiene el potencial de seguir siendo un ´area de investigaci´on interesante que, eventualmente, mejore la toma de decisi´on de las empresas que lo utilizan.