José Vargas, Jose Sulla Torres, Diego Javier, Geraldine Valdez
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.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados