Title
A transformational model for the prediction of the S&P 500 stock index using fuzzy neural networks and genetic algorithms
Other title
Un modelo transformacional para la Predicción del índice bursátil S&P 500 utilizando redes neurodifusas y algoritmos genéticos.
Date Issued
2017
Access level
metadata only access
Resource Type
conference paper
Author(s)
Universidad Nacional de San Agustín de Arequipa
Publisher(s)
Latin American and Caribbean Consortium of Engineering Institutions
Abstract
The objective of this paper is the elaboration of a transformational model to forecasting the diary variance of S&P 500 by using genetic algorithms and fuzzy neural networks. The model consists of two phases, the first is the elaboration of fuzzy functions and rules through TSK-IRL-R in KEEL, and the second is the training of fuzzy neural network by using ANFIS in MATLAB. The data set was composed the diary variances from Yahoo Finance. It was obtained 7.5843 of training error.
Volume
2017-July
Language
Spanish
OCDE Knowledge area
Bioinformática
Subjects
Scopus EID
2-s2.0-85046303052
ISBN
9780999344309
Source
Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
Resource of which it is part
Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
ISSN of the container
24146390
ISBN of the container
978-099934430-9
Sponsor(s)
[10] J. Alcalá-Fdez, M. J. del Jesus, J. M. Garrell, F. Herrera, C. Herbás, and L. Sánchez, “Proyecto KEEL: Desarrollo de una herramienta para el análisis e implementación de algoritmos de extracción de conocimiento evolutivos,” Tendencias la Minería Datos en España, Red Española Minería Datos y Aprendiz., pp. 413–424, 2004.
En el estudio de Antonio Parisi F et al. [6] se analiza la capacidad de los modelos multivariados dinámicos recursivos construidos a través de algoritmos genéticos y de redes neuronales recursivas para predecir el signo de las variaciones semanales del IPSA. Los datos corresponden al periodo comprendido entre el 14 de julio de 1997 y el 9 de diciembre de 2002. Los modelos analizados fueron evaluados en 60 series generadas por un proceso block-bootstrap. Los resultados señalan que la red Ward tendría mayor capacidad que el modelo de algoritmos genéticos y el modelo Naive para predecir el signo de las variaciones del IPSA, que esta capacidad predictiva sería significativa, y que una estrategia de trading basada en las señales de compraventa dadas por este modelo permitían obtener retornos relativamente más altos. Se destaca que la red Ward y el modelo de algoritmos genéticos superaron, en promedio, a la estrategia buy and hold, aun cuando se consideró un costo por transacción equivalente al 0,1 % del monto transado.
El primer proceso está basado en un algoritmo iterativo que estudia la existencia de los datos en los diferentes sub-espacios difusos de entrada. En cada iteración, los datos son localizados en alguno de ellos aplicando un método de aprendizaje de las reglas del consecuente TSK para determinar la relación de la entrada y la salida.
Los índices bursátiles son ampliamente utilizados para la toma de decisiones de inversión en el mercado, de manera tal que cada bolsa de valores cuenta con al menos un índice que indique su situación actual, para el caso concreto de la bolsa de New York, existe el S&P 500 [1] que está basado en el precio de las acciones de 500 empresas de distintos rubros a diferencia del Dow Jones y Nasdaq Composite.
Sources of information:
Directorio de Producción Científica
Scopus