Resumen de Aproximación a los sistemas borrosos y neuronales, como ayuda al proceso de toma de decisiones en inversión financiera
EL TRABAJO REALIZA UNA APROXIMACION A LOS SISTEMAS NEURONALES Y A LOS BORROSOS TRATANDOLOS MEDIANTE SUPERCOMPUTACION, PARA VALORAR LA AYUDA QUE PUEDAN PRESTAR AL PROCESO DE TOMA DE DECISIONES EN INVERSION FINANCIERA Y LOGRAR UNA MEJOR GESTION DE LA INCERTIDUMBRE. PRIMERAMENTE, BAJO LOS FUNDAMENTOS DE LA LOGICA BORROSA CONDICIONAL: SI A, ENTONCES B, Y LA TEORIA DE AGRUPACION DEL PRODUCTO-ESPACIO INPUT-OUTPUT PARA GENERAR REGLAS FAM (FUZZY ASSOCIATIVE MEMORY), A PARTIR DE MUESTRAS PREPARADAS DE DATOS EN EL HIPERCUBO RN, E IMPLEMENTANDO EL ALGORITMO RESPECTIVO, PROCESAMOS INFORMACION BURSATIL CON LA FINALIDAD DE OBTENER UN VALOR DE "PREDICCION." POSTERIORMENTE, TAMBIEN FUNDAMENTADOS EN LOS PRINCIPIOS Y CARACTERISTICAS DE LOS SISTEMAS NEURONALES, SOBRE TODO POR SUS CAPACIDADES DE GENERALIZACION, Y APRENDIZAJE MEDIANTE EJEMPLOS SUMINISTRADOS A TRAVES DE MUESTRAS DE DATOS, BUSCAMOS OBTENER POR LA IMPLEMENTACION DEL ALGORITMO BACKPROPAGATION UN VALOR OUTPUT DE "PREDICCION". AMBOS SISTEMAS SE PROCESAN SEPARADAMENTE EN SU SUPERORDENADOR: IBM 3090/600J.
FINALMENTE, SE VALORAN LOS RESULTADOS DE "PREDICCION" OBTENIDOS, LA REALIZACION DE LOS SISTEMAS RESPECTIVOS PARA CADA CASO Y SE SACAN LAS CONCLUSIONES SIGUIENTES:- LOS SISTEMAS BORROSOS SE COMPORTAN COMO NEURONALES Y LOS NEURONALES COMO BORROSOS.
-EL SUPERORDENADOR ES UN INSTRUMENTO UTIL Y EFICAZ PARA APOYAR EL PROCESO DE TOMA DE DECISIONES BAJO INCERTIDUMBRE.- AMBOS SISTEMAS SON UN PARADIGMA EFICAZ PARA ENCONTRAR RELACIONES CAUSALES ENTRE DATOS.- LOS DOS SISTEMAS SON UNA ALTERNATIVA VIABLE A LOS METODOS CLASICOS USUALES PARA GESTIONAR LA INCERTIDUMBRE.
