Aplicación del modelo ANFIS para predicción de series de tiempo.

• Autores: Gabriel Jaime Correa Henao, Lina María Montoya Suárez
• Localización: Lámpsakos, ISSN-e 2145-4086, ISSN 2145-4086, Nº. 9, 2013, págs. 12-25
• Idioma: español
• Títulos paralelos:
  • Application of the ANFIS for time series prediction.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El artículo presenta la descripción y posterior aplicación de una metodología de Redes Neuro-Difusas aplicadas al problema de predicción de series de tiempo en el mercado de capitales de corto plazo. Estas aplicaciones proporcionan criterios de referencia para inversión especulativa en la bolsa de valores de Colombia, en la medida que complementan la realización de análisis técnicos y fundamentales. La aplicación presentada en este artículo se fundamenta en una herramienta basada en el modelo ANFIS (Adaptive Neuro-Based Fuzzy Inference System) la cual está disponible en lenguaje MATLAB, con utilidad en el pronóstico de series de tiempo. La herramienta aquí empleada se apoya en métodos heurísticos que combinan redes neuronales y lógica difusa, en las cuales se definen la cantidad y tipo de funciones de pertenencia de las variables de entrada. El decisor puede confiar en la efectividad de la predicción gracias al método de cálculo de los errores residuales. También se realizan comparaciones con otras medidas como el error medio cuadrático y las desviaciones estándar del pronóstico, que son directamente calculados desde los modelos propuestos.

  • English

    The article presents the description and subsequent application of a methodology of networking Neuro-Difuse applied to the problem of time series forecast in short-term capital market. These applications provide benchmarks for speculative investment in the stock exchange in Colombia, to the extent that complement technical and fundamental analysis. The application presented in this article is based on a tool based on the ANFIS (Adaptive Neuro-Based Fuzzy Inference System) model which is available in MATLAB language, useful in time-series forecasting. The tool used is based on heuristic methods that combine neural networks and fuzzy logic, which define the amount and type of membership of the input variables functions. The decision-maker can rely on the effectiveness of the prediction due to the method of calculation of the residual error. Comparisons are also made with other measures such as the mean square error and the standard deviations of the prognosis, which are directly calculated from the proposed models.