Finance, Markets and Valuation
Vol. 6, Num. 1, January-June 2019, 85--98
Título: Red neuronal fuzzy híbrida versus red neuronal backpropagation: Aplicación a la predicción del índice bursátil Ibex-35
Autores: Javier Oliver Muncharaz
DOI: 10.46503/ALEP9985
Resumen:
El uso de las redes neuronales se ha extendido en todas las áreas de conocimiento por los buenos resultados que se están obteniendo en la resolución de los diferentes problemas planteados. La predicción sobre los precios en general, y los precios bursátiles en particular, representa uno de los principales objetivos del uso de las redes neuronales en finanzas. En este trabajo se presenta el análisis de la eficiencia de la hybrid fuzzy neural network frente a una red neuronal de tipo backpropagation en la predicción del precio del índice bursátil Español (IBEX-35). El trabajo se divide en dos partes. En la primera se expone las principales características de las redes neuronales como la hybrid fuzzy y la Backpropagation, sus estructuras y sus reglas de aprendizaje. En la segunda parte se analiza la predicción del índice bursátil IBEX-35 con estas redes midiendo la eficiencia de ambas en función de los errores de predicción cometidos. Para ello se han construido ambas redes con los mismos inputs y para el mismo periodo muestral. Los resultados obtenidos sugieren que la Hybrid fuzzy neuronal network es mucho más eficiente que la, tan extendida, red neuronal backpropagation para la muestra analizada.
Keywords: Híbrida difusa; Propagación hacia atrás; Red neuronal; Predicción de índices bursátiles
