Máquinas de soporte vectorial

Solo disponible en BuenasTareas
  • Páginas : 12 (2926 palabras )
  • Descarga(s) : 0
  • Publicado : 28 de febrero de 2012
Leer documento completo
Vista previa del texto
RESUMEN

El presente informe se presentan el estado del arte, los objetivos y los modelos propuestos para el pronostico del precio de acciones. Estos modelos consisten en la optimización de los paramentos de las máquinas de soporte vectorial a través de Algoritmos genéticos y optimización por enjambre de partículas.

Palabras claves: Máquinas de soporte vectorial de mínimos cuadrados,algoritmos genéticos , optimización por enjambre de partículas.


1. INTRODUCCIÓN.


1 Introducción.

Las acciones corresponden a títulos-valores que representan una parte proporcional del capital social de una empresa y como tales, otorgan a sus titulares la calidad de socios o propietarios de la empresa. Como inversión, supone una inversión en renta variable, dado que no tiene un retornofijo establecido por contrato, sino que depende de la buena marcha de dicha empresa.

Una de las cosas más dificiles en relación a las inversiones es cuándo vender. Conocer la tendencia futura del precio de las acciones resultaría muy favorable para un inversionista. Desgraciadamente el proceso es complejo debido a númerosas variables que determinan el precio final de una acción.Las Máquinas de Vector Soporte (SVM) es una área prometedora del aprendizaje máquinal desarrollada inicialmente por Vapnik [Vapnik, 1995] para construir clasificadores, actualmente las SVM también pueden ser utilizadas en problemas de regresión mediante la introducción de un nuevo parámetro [Smola, 1996]. Está modificación se conoce como SVMR (por sus siglas en inglés Support Vector Machine forRegression) y son una poderosa técnica para el análisis predictivo de datos.

Para la estimación de los parámetros de la SVM se utilizarán Algoritmo genéticos (AG) y Optimización por enjambre de partículas (PSO), se mezclarán las cualidades de exploración y explotación de ambos algoritmos, de manera tal, que sea posible abarcar todo el espacio de búsqueda y una vez encontrada las mejoresregiones, encontrar la mejor solución en éste.


2 Objetivos.


1.2.1 Objetivo General.

Desarrollar y evaluar un modelo en base a máquinas de soporte vectorial para pronosticar el valor de acciones financieras, utilizando algoritmos genéticos en conjunto con algoritmo de optimización por enjambre de partículas.


1.2.2 Objetivos Específicos.

• Comprender el estado de arte de lasMáquinas de Soporte Vectorial (SVM), Algoritmos Genéticos (AG) y Optimization por enjambre de partículas (PSO).

• Diseñar la estructura y estimar los parámetros del modelo de pronóstico mediante el uso de PSO y GA.

• Implementar y evaluar el rendimiento del modelo propuesto.


MÁQUINAS DE SOPORTE VECTORIAL.

Las SVM fueron desarrolladas por Vapnik en el año 1995, paraenfrentar los problemas de clasificación, sin embargo el actual método de Máquinas se soporte vectorial para regresión (SVMR por sus siglas en inglés) fue desarrollada en los laboratorios de AT&T por este mismo [Vapnik,1995]. Las SVM están ganando gran popularidad como herramienta para la identificación de sistemas no lineales, esto es a causa, principalmente, a que SVM esta basado en el principiode minimización del riesgo estructural (SRM por sus siglas en inglés “Structural Risk Minimization"), principio originado de la teoría de aprendizaje estadístico desarrollada por Vapnik, Esta teoría permite escoger un clasificador que minimiza una cota superior sobre el riesgo (o error de prueba), y proporciona una buena medida para obtener clasificadores que generalizan bien sobre datos nopreviamente vistos.


1 Máquinas de Soporte Vectorial para Clasificación.

En general este proceso consiste en hacer una separación de los elementos de un conjunto en diferentes subconjuntos, a los cuales se les denominará clases. Se determinan las propiedades de las clases en las que se clasificarán los elementos del conjunto original (modelos), cada uno de los elementos se clasifica en...
tracking img