Un modelo transformacional para la Predicción del índice bursátil S&P 500 utilizando redes neurodifusas y algoritmos genéticos

• José Vargas ^[1] ; José Sulla-Torres ^[1] ; Diego Javier ^[1] ; Geraldine Valdez ^[1]
  1. [1] Universidad Nacional de San Agustín

     Universidad Nacional de San Agustín

     Arequipa, Perú

     
• Localización: Global Partnerships for Development and Engineering Education: Proceedings of the 15th LACCEI International Multi-Conference for Engineering, Education and Technology,July 19-21, 2017, Boca Raton, FL, United States / Victor Hugo Gonzalez Jaramillo (dir.), Pedro Fabricio Zanzzi Diaz (dir.), Rudy Altamirano Zambrano (dir.), Gissela Ganchozo Ortega (aut.), 2017, ISBN 978-0-9993443-0-9
• Idioma: español
• Enlaces
  • Texto completo
• Resumen

  • El objetivo del presente artículo es la elaboración de un modelo transformacional para la predicción de la variación diaria del índice bursátil S&P 500 utilizando algoritmos genéticos y redes neurodifusas. El modelo consta de 2 fases la primera consiste en la elaboración de las funciones y reglas difusas a través del algoritmo TSK-IRL-R de KEEL, la segunda etapa es el entrenamiento de la red neurodifusa usando ANFIS de MATLAB. Como conjunto de datos se tomaron las variaciones proporcionadas por Yahoo Finance, obteniendo como resultado el valor mínimo de 7.5843 de error en el entrenamiento.