Desarrollo de una metodología para el análisis y el pronóstico de acciones de la Bolsa Mexicana de Valores basada en optimización multiobjetivo.

Juan Andrés Martínez Escobar, Silvia Beatriz González Brambila, Román Anselmo Mora Gutiérrez, Rubén Caudillo Felix

Resumen


En este trabajo, se presenta una nueva metodología para analizar y predecir el comportamiento de acciones de la Bolsa Mexicana de Valores basada en la concatenación sinérgica de estrategias estadísticas no paramétricas y modelos multiobjetivos de optimización. Esta metodología involucra dos fases, la primera, de filtrado, constituye un proceso automatizado para el análisis, evaluación y selección de la información necesaria y pertinente, para la caracterización del comportamiento de cada acción, posteriormente, la segunda fase de ajuste del modelo, involucra adaptar y resolver un modelo multiobjetivo para la predicción de precios de las acciones seleccionadas.

La base de datos empleada considera el comportamiento de doce acciones representativas en la Bolsa Mexicana de Valores en el periodo 2006 al 2016, el código fuente utilizado se encuentra disponible en “http://bit.ly/396h3J1”; los datos fueron obtenidos de una plataforma especializada sobre mercados financieros en Latinoamérica (Economatica, n.d.). Los resultados numéricos obtenidos muestran que la fase de filtrado es capaz de identificar un conjunto compacto de variables relevantes con alta influencia en el precio futuro de cada acción en particular. En la segunda fase, se emplearon los datos del 2016 como valores a predecir sobre el modelo multiobjetivo y, comparado con el modelo de regresión lineal múltiple, se observa una mejora considerable en la calidad de los datos pronosticados, haciendo que el modelo generado a partir de la segunda fase tenga una confiabilidad mayor al 95%.

Palabras clave


Modelos multiobjetivos, modelo geométrico browniano, algoritmos genéticos, búsqueda armónica.

Texto completo:

PDF XML

Enlaces refback

  • No hay ningún enlace refback.


Licencia Creative Commons Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional