SciELO - Scientific Electronic Library Online

 
vol.25 número3Guía para la evaluación de la Usabilidad en los Entornos Virtuales de Aprendizaje (EVA)Procedimientos de Ensayo para Conexiones tipo Clavija en Estructuras de Madera índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Información tecnológica

versión On-line ISSN 0718-0764

Resumen

VILLADA, Fernando; ARROYAVE, Daniel  y  VILLADA, Melissa. Pronóstico del Precio del Petróleo mediante Redes Neuronales Artificiales. Inf. tecnol. [online]. 2014, vol.25, n.3, pp.145-154. ISSN 0718-0764.  http://dx.doi.org/10.4067/S0718-07642014000300017.

Este trabajo propone un modelo basado en redes neuronales artificiales para el pronóstico del precio internacional del petróleo. Para el desarrollo del modelo se usan datos de precios de la literatura para el petróleo de referencia WTI (West Texas Intermediate) transado principalmente en la Bolsa Mercantil de Nueva York. Se utilizan cuatro estructuras de redes incluyendo como entradas la serie de precios diarios en la primera, la serie de precios más el índice del dólar estadounidense DXY en la segunda, la serie de precios más el índice S&P500 en la tercera y la serie de precios más los índices DXY y S&P500 en la cuarta. Se prueban diferentes configuraciones de redes neuronales utilizando una serie de seis meses, donde los datos de los primeros cinco se utilizan para entrenamiento dejando el último mes para verificar las capacidades predictivas del modelo. Se analiza también el efecto de incluir el grado de aversión al riesgo de los inversionistas por medio de los índices DXY y S&P500 como variables adicionales de entrada. Los resultados muestran un buen comportamiento de las redes neuronales con bajos errores en aprendizaje y en predicción

Palabras clave : mercado del petróleo; redes neuronales artificiales; pronóstico de precios.

        · resumen en Inglés     · texto en Español     · Español ( pdf )