Pronóstico de los precios de la acción “Ecopetrol” de la bolsa de valores de Colombia por medio de las redes neuronales artificiales
| dc.contributor.advisor | Vesga Bermejo, Cristhian Andrés | |
| dc.contributor.author | Cárdenas Quintero, Paola Andrea | |
| dc.contributor.author | Pérez Camargo., Angie Dayana | |
| dc.contributor.cvlac | Vesga Bermejo, Cristhian Andrés [0001474650] | spa |
| dc.contributor.orcid | Vesga Bermejo, Cristhian Andrés [0000-0002-9824-3582] | spa |
| dc.coverage.campus | UNAB Campus Bucaramanga | spa |
| dc.coverage.spatial | Bucaramanga (Santander, Colombia) | spa |
| dc.coverage.temporal | 2019 | spa |
| dc.date.accessioned | 2021-08-04T19:54:32Z | |
| dc.date.available | 2021-08-04T19:54:32Z | |
| dc.date.issued | 2019-05-19 | |
| dc.degree.name | Ingeniero financiero | spa |
| dc.description.abstract | Las acciones son títulos que emite una empresa a través del mercado de valores, es una inversión de tipo variable debido que no tiene un retorno fijo, dado que su precio es influenciado por variables externas. Por esta razón, el pronóstico de precios es de gran complejidad e importancia para los inversionistas porque determina la toma de decisiones para maximizar sus rentabilidades. Tradicionalmente se han usado métodos estocásticos lineales para el pronóstico de las acciones; dichos modelos no se ajustan al comportamiento no lineal que rigen las variables de los mercados financieros. Ante el comportamiento no lineal de este tipo de mercados, se ha incrementado el uso de nuevos métodos basados en redes neuronales artificiales. Su principal característica es permitir relaciones lineales y no lineales entre las entradas y salidas de un sistema; esto ha hecho posible mostrar su aplicabilidad en mercados de alta volatilidad. Este trabajo tiene como objetivo diseñar un modelo que pronostique los precios de la acción de con mas participación en el índice Colcap, la cual es Ecopetrol, con un 13,92%, por medio de las redes neuronales artificiales. | spa |
| dc.description.abstractenglish | Shares are securities issued by a company through the stock market, it is a variable rate investment because it does not have a fixed return, since its price is influenced by external variables. For this reason, the price forecast is of great complexity and importance for investors because it determines the decision making to maximize their returns. Linear stochastic methods have traditionally been used to forecast stocks; These models do not adjust to the non-linear behavior that governs the variables of the financial markets. Given the non-linear behavior of these types of markets, the use of new methods based on artificial neural networks has increased. Its main characteristic is to allow linear and non-linear relationships between the inputs and outputs of a system; This has made it possible to show its applicability in highly volatile markets. The objective of this work is to design a model that predicts the prices of the shares with the largest participation in the Colcap index, which is Ecopetrol, with 13.92%, by means of artificial neural networks. | spa |
| dc.description.degreelevel | Pregrado | spa |
| dc.description.learningmodality | Modalidad Presencial | spa |
| dc.description.tableofcontents | Capítulo I. Enfoque teórico de las redes neuronales: 4 1.1. ¿Qué son las redes neuronales artificiales? 5 1.2. Características de las redes neuronales artificiales 5 1.2.1 Topología. 6 1.2.2 Mecanismo de aprendizaje. 8 1.2.3 Tipo de asociación realizada entre la información de entrada y de salida. 8 1.2.4 Forma de representación de la información. 9 1.3 Tipos de neuronas artificiales 9 1.4 ¿Cómo funcionan las Redes Neuronales Dinámicas? 9 1.4.1 Redes neuronales recurrentes y hacia adelante 9 1.4.2 Aplicaciones de las Redes Dinámicas 10 1.4.3 Estructuras de las Redes Dinámicas 10 Capítulo II. Identificación de las variables que influyen en el precio de la acción Ecopetrol. 12 Capítulo III. Aplicación del tipo de red neuronal para determinar el pronóstico de precios de la acción 18 Capítulo IV. Evaluación de la eficiencia del modelo 20 Conclusiones 22 Recomendaciones 23 Bibliografía 24 Anexo 1 26 | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.instname | instname:Universidad Autónoma de Bucaramanga - UNAB | spa |
| dc.identifier.reponame | reponame:Repositorio Institucional UNAB | spa |
| dc.identifier.repourl | repourl:https://repository.unab.edu.co | spa |
| dc.identifier.uri | http://hdl.handle.net/20.500.12749/13669 | |
| dc.language.iso | spa | spa |
| dc.publisher.faculty | Facultad Economía y Negocios | spa |
| dc.publisher.grantor | Universidad Autónoma de Bucaramanga UNAB | spa |
| dc.publisher.program | Pregrado Ingeniería Financiera | spa |
| dc.relation.references | EcuRed. (Sf). Redes neuronales artificiales. Obtenido de https://www.ecured.cu/Redes_neuronales_artificiales#Elementos_de_una_Red_Neuronal_Artificial | spa |
| dc.relation.references | Hopfield, J. (1985). Computación neuronal de decisiones en problemas de optimización. | spa |
| dc.relation.references | Instituto tecnológico de Nuevo Laredo. (Sf). Historia de la redes neuronales. Obtenido de http://www.itnuevolaredo.edu.mx/takeyas/Apuntes/Inteligencia%20Artificial/Apuntes/tareas_alumnos/RNA/Redes%20Neuronales2.pdf | spa |
| dc.relation.references | Manjarrez, L. (s.f.). ResearchGate. Obtenido de https://www.researchgate.net/figure/Figura-III6-a-Red-Neuronal-monocapa-b-Red-Neuronal-multicapa-de-propagacion-hacia_fig5_315762548 | spa |
| dc.relation.references | Matich, D. (Marzo de 2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Obtenido de Universidad Tecnológica Nacional: https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf | spa |
| dc.relation.references | Maza, L. C. (2017). Los 4 beneficios que surgen de implementar las redes neuronales artificiales. Obtenido de Voltaico: https://voltaico.lavozdegalicia.es/2017/03/redes-neuronales-artificiales-beneficios/ | spa |
| dc.relation.references | MATLAB. (sf). Redes neuronales dinámicas. | spa |
| dc.relation.references | Minsky, M., & Papert, S. (1969). Perceptrons. | spa |
| dc.relation.references | Ochoa, S. (2003). Características de una red neuronal atificial. Obtenido de Escuela de ingeniería de Antioquia: http://fluidos.eia.edu.co/hidraulica/articuloses/flujoentuberias/neuronal/neuronal_archivos/page0002.htm | spa |
| dc.relation.references | Rosenblatt, F. (1957). Modelo "El Perceptrón". | spa |
| dc.relation.references | Rumelhart, D., & Hinton, G. (1986). Learning representations by back-propagating errors. | spa |
| dc.relation.references | Steinbeck, K. (1961). Memoria asociativa. | spa |
| dc.relation.references | Trippi, R., & Turban, E. (1998). Neural Networks in Finance and Investing. | spa |
| dc.relation.references | Villada, F., Muñoz, N., & García, E. (2012). Aplicación de las redes neuronales al pronóstico de precios en el mercado de valores. Obtenido de https://scielo.conicyt.cl/pdf/infotec/v23n4/art03.pdf | spa |
| dc.relation.references | Werbos, P. (1974). The Roots of Backpropagation. | spa |
| dc.relation.references | Widrow, B., & Hoff, M. (1960). Modelo Adaline (ADAptative LINear Elements). | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 2.5 Colombia | * |
| dc.rights.local | Abierto (Texto Completo) | spa |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/co/ | * |
| dc.subject.keywords | Financial engineering | spa |
| dc.subject.keywords | Financial analysis | spa |
| dc.subject.keywords | Financial managenment | spa |
| dc.subject.keywords | Investigation | spa |
| dc.subject.keywords | Actions | spa |
| dc.subject.keywords | Stock market | spa |
| dc.subject.keywords | Investments | spa |
| dc.subject.keywords | Fixed return | spa |
| dc.subject.keywords | Cost effectiveness | spa |
| dc.subject.keywords | Decision making | spa |
| dc.subject.lemb | Análisis financiero | spa |
| dc.subject.lemb | Gestión financiera | spa |
| dc.subject.lemb | Ingeniería financiera | spa |
| dc.subject.lemb | Investigación | spa |
| dc.subject.proposal | Acciones | spa |
| dc.subject.proposal | Mercado de valores | spa |
| dc.subject.proposal | Inversiones | spa |
| dc.subject.proposal | Retorno fijo | spa |
| dc.subject.proposal | Rentabilidad | spa |
| dc.subject.proposal | Toma de decisiones | spa |
| dc.title | Pronóstico de los precios de la acción “Ecopetrol” de la bolsa de valores de Colombia por medio de las redes neuronales artificiales | spa |
| dc.title.translated | Forecast of the prices of the “Ecopetrol” share of the Colombian stock exchange by means of artificial neural networks | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
| dc.type.driver | info:eu-repo/semantics/bachelorThesis | |
| dc.type.hasversion | info:eu-repo/semantics/acceptedVersion | |
| dc.type.local | Trabajo de Grado | spa |
| dc.type.redcol | http://purl.org/redcol/resource_type/TP |
Archivos
Bloque original
1 - 4 de 4
Cargando...
- Nombre:
- 2019_Tesis_Cardenas_Quintero_Paola_Andrea.pdf
- Tamaño:
- 757.93 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Tesis
Cargando...
- Nombre:
- 2019_Articulo_Cardenas_Quintero_Paola_Andrea.pdf
- Tamaño:
- 925.15 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Artículo
Cargando...
- Nombre:
- 2019_Presentacion_Cardenas_Quintero_Paola_Andrea.pdf
- Tamaño:
- 353.47 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Presentación
Cargando...
- Nombre:
- 2019_Anexos_Cardenas_Quintero_Paola_Andrea.zip
- Tamaño:
- 413.9 KB
- Formato:
- Unknown data format
- Descripción:
- Anexos
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción:
