Pronósticos de series de tiempo económicas utilizando redes neuronales artificiales
Tipo de material:
TextoDetalles de publicación: Valparaíso : UTFSM, 2002Descripción: 96h. : ilTema(s): REDES NEURONALES (ciencia de la computación) | SERIES DE TIEMPO | BC / MEM (memorias UTFSM con resúmenes)Clasificación CDD: M 006.3 Nota de disertación: Tesis (Ing. Civil en Informatica)- -Prof. guía : Héctor Allende Olivares ; prof. corref.: María Cristina Riff Rojas Tema: [Resumen del autor]Tema: Los mercados bursátiles se caracterizan por sus fluctuaciones tanto de corto plazo como de largo plazo. Esto plantea la necesidad de contar con alguna metodología que pueda predecir en alguna medida dichas variaciones y así poder mitigar el riesgo asociado a los portafolios de inversiones. Las Redes Neuronales Arficiales (ANN) han recibido últimamente una gran atención en muchos campos de la ciencia y de la ingeniería, por su utilización en muchas tareas donde los métodos estadísticos son tradicionalmente utilizados, tales como: reconocimiento de patrones, clasificación y pronóstico de series de tiempo. El objetivo de este trabajo consiste en utilizar la experiencia en el modelamiento y análisis tradicional de series de tiempo junto a la experiencia en la construcción de modelos de ANN. Se desea obtener un modelo de ANN que entregue una buena representación de la naturaleza del fenómeno que está siendo modelado, minimizando en cierto grado el proceso de prueba y error en la selección de los parámetros de construcción de un modelo de ANN, para pronóstico de series de tiempo. En este trabajo se realiza un estudio de las series económicas de ENERSIS y COLBUN, para las cuales se proponen distintos modelos de ANN. También, se realizan estudios de las series transformadas, de manera de obtener una representación menos compleja y analizar su comportamiento para compararlo con distintos modelos. Se concluye de los resultados de los experimentos que, para encontrar un buen modelo de ANN en series de tiempo, se requiere una adecuada combinación entre la experiencia del modelador en el modelamiento tradicional de problemas de series de tiempo, y de una adecuada expertis en ajustar modelos de ANN a un problema particular. Es decir, que la fortaleza de la utilización ANN para el modelamiento de series de tiempo debe ir unida a un conocimiento de la naturaleza del problema que se está abordando.
| Tipo de ítem | Biblioteca actual | Colección | número de clasificación | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
Memorias
|
Biblioteca Central | Memorias | M 006.3 B219 (Navegar estantería(Abre debajo)) | 1 | Disponible | 35609000873452 |
[Resumen del autor]
Los mercados bursátiles se caracterizan por sus fluctuaciones tanto de corto plazo como de largo plazo. Esto plantea la necesidad de contar con alguna metodología que pueda predecir en alguna medida dichas variaciones y así poder mitigar el riesgo asociado a los portafolios de inversiones. Las Redes Neuronales Arficiales (ANN) han recibido últimamente una gran atención en muchos campos de la ciencia y de la ingeniería, por su utilización en muchas tareas donde los métodos estadísticos son tradicionalmente utilizados, tales como: reconocimiento de patrones, clasificación y pronóstico de series de tiempo. El objetivo de este trabajo consiste en utilizar la experiencia en el modelamiento y análisis tradicional de series de tiempo junto a la experiencia en la construcción de modelos de ANN. Se desea obtener un modelo de ANN que entregue una buena representación de la naturaleza del fenómeno que está siendo modelado, minimizando en cierto grado el proceso de prueba y error en la selección de los parámetros de construcción de un modelo de ANN, para pronóstico de series de tiempo. En este trabajo se realiza un estudio de las series económicas de ENERSIS y COLBUN, para las cuales se proponen distintos modelos de ANN. También, se realizan estudios de las series transformadas, de manera de obtener una representación menos compleja y analizar su comportamiento para compararlo con distintos modelos. Se concluye de los resultados de los experimentos que, para encontrar un buen modelo de ANN en series de tiempo, se requiere una adecuada combinación entre la experiencia del modelador en el modelamiento tradicional de problemas de series de tiempo, y de una adecuada expertis en ajustar modelos de ANN a un problema particular. Es decir, que la fortaleza de la utilización ANN para el modelamiento de series de tiempo debe ir unida a un conocimiento de la naturaleza del problema que se está abordando.
CONSULTE EN LINEA A TRAVES DE REPOSITORIO INSTITUCIONAL
Tesis (Ing. Civil en Informatica)- -Prof. guía : Héctor Allende Olivares ; prof. corref.: María Cristina Riff Rojas
h.79-82
2