Juan

Solo disponible en BuenasTareas
  • Páginas : 5 (1039 palabras )
  • Descarga(s) : 0
  • Publicado : 13 de marzo de 2011
Leer documento completo
Vista previa del texto
APLICACIÓN DEL PERCEPTRÓN MULTICAPA A LA COMPRAVENTA DE ACCIONES DE BOLSA A CORTO PLAZO
Autor: Maraver Baselga, Tomás. Directores: Sánchez Miralles, Álvaro. Villar Collado, José. Entidad Colaboradora: ICAI-Universidad Pontificia de Comillas RESUMEN DEL PROYECTO Hoy en día la mayoría de las empresas grandes son propiedad de un número muy amplio de inversores individuales y su valor cotiza en losmercados bursátiles. Existen muchos modelos matemáticos con los que se ha intentado elaborar un sistema capaz de predecir la evolución de los precios de las acciones de las empresas. A lo largo de la última década las redes neuronales han sido aplicadas para la predicción de series financieras y su importancia en este campo crece desde entonces. En este proyecto se ha estudiado la posibilidad deelaborar un modelo de predicción utilizando perceptrones multicapa, que son el tipo de red neuronal más utilizado para la predicción de series temporales. El software utilizado ha sido la toolbox de redes neuronales de Matlab. El estudio se ha centrado en las empresas del IBEX-35, que es el índice compuesto por las treinta y cinco empresas españolas más importantes. La estructura de losperceptrones multicapa empleados ha sido de tres capas, una de entrada, una oculta y una de salida. El proyecto se inició con la recopilación de los datos históricos de las empresas del IBEX-35 (para el periodo 2002-2006) en base intradiaria (datos cada 5 minutos). Posteriormente se realizó un estudio de los indicadores utilizados por los traders profesionales para tomar posiciones de compra o de venta. Seha elaborado una síntesis sobre los indicadores y métodos utilizados para la predicción de las cotizaciones. También se han programado las funciones que calculan los indicadores más relevantes de forma automática. Para realizar un modelo de predicción con una red neuronal se tienen que determinar los siguientes parámetros: Arquitectura de la red: Se han estudiado las distintas arquitecturas. Se haoptado por los redes de propagación hacia delante tipo perceptrón multicapa con tres capas. Se ha estudiado el tipo de funciones de transferencia en cada una de las capas. Las entradas y su procesado: Se han implementado los modelos de estudio de las entradas basados en: • • • el análisis de los pesos el análisis estadístico de las derivadas de la salida con respecto a las entradas el análisiscomparativo del error en la predicción

El algoritmo de entrenamiento y los vectores utilizados por el mismo: Se han estudiado los distintos algoritmos de entrenamiento de los que dispone la toolbox de redes neuronales de Matlab. Se ha concluido que el algoritmo de Levenberg-Marquadt es el que mejor funciona para

la estructura escogida. Se ha estudiado el número de muestras más adecuado paralos vectores de entrenamiento y validación para el modelo escogido. El número de neuronas de la red: Con el objetivo de determinar el número de neuronas y conexiones más adecuado para la red se han implantado las siguientes metodologías: • • • • Daño cerebral optimo Cirugía cerebral óptima Análisis de los pesos Análisis comparativo del error en la predicción

Utilizando las metodologías anterioresse ha determinado para cada uno de estos parámetros que definen la estructura de una red unos valores adecuados para una buena predicción. Además se ha establecido una metodología general y se han elaborado los medios que permiten el estudio de las prestaciones de las redes tipo perceptrón multicapa para la predicción de series temporales.

APPLICATION OF THE MULTILAYER PERCEPTRON TO BUYINGAND SELLING STOCK SHORT TERM SUMMARY
Nowadays most of the big companies are owned by several private investors and their price is determined in the stock market. Through out history there has been many analysis of different mathematical models that attempt to predict as precisely as possible the evolution of the stock prices of companies. In the last decade Artificial Neural Networks have been...
tracking img