Using a dynamic artificial neural network for forecasting the volatility of a financial time series

• Autores: Juan David Velásquez Henao, Sarah Gutiérrez, Carlos Jaime Franco Cardona
• Localización: Revista de Ingenierías: Universidad de Medellín, ISSN 1692-3324, Vol. 12, Nº. 22, 2013, págs. 127-136
• Idioma: inglés
• Títulos paralelos:
  • Uso de una red neuronal artificial dinámica para pronosticar la volatilidad de una serie de tiempo financiera
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    La habilidad para obtener pronósticos precisos de la volatilidad es un importante problema para el analista financiero. En este artículo, se usa el modelo DAN2, un perceptrón multicapa y un modelo ARCH para pronosticar la varianza condicional mensual de una acción. Los resultados muestran que el modelo DAN2 es más preciso para pronosticar las varianzas dentro-de-la-muestra y fuera-de-la-muestra que los otros modelos considerados para el conjunto de datos utilizado. Así, el valor de esta red neuronal como herramienta predictiva es demostrado.

  • English

    The ability to obtain accurate volatility forecasts is an important issue for the financial analyst. In this paper, we use the DAN2 model, a multilayer perceptron and an ARCH model to predict the monthly conditional variance of stock prices.

    The results show that DAN2 model is more accurate for predicting in-sample and out-of-sample variance that the other considered models for the used dataset. Thus, the value of this neural network as a predictive tool is demonstrated.