Pronóstico de los precios de la acción “Ecopetrol” de la bolsa de valores de Colombia por medio de las redes neuronales artificiales

dc.contributor.advisorVesga Bermejo, Cristhian Andrés
dc.contributor.authorCárdenas Quintero, Paola Andrea
dc.contributor.authorPérez Camargo., Angie Dayana
dc.contributor.cvlacVesga Bermejo, Cristhian Andrés [0001474650]spa
dc.contributor.orcidVesga Bermejo, Cristhian Andrés [0000-0002-9824-3582]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2019spa
dc.date.accessioned2021-08-04T19:54:32Z
dc.date.available2021-08-04T19:54:32Z
dc.date.issued2019-05-19
dc.degree.nameIngeniero financierospa
dc.description.abstractLas 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.abstractenglishShares 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.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsCapítulo 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 26spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/13669
dc.language.isospaspa
dc.publisher.facultyFacultad Economía y Negociosspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Financieraspa
dc.relation.referencesEcuRed. (Sf). Redes neuronales artificiales. Obtenido de https://www.ecured.cu/Redes_neuronales_artificiales#Elementos_de_una_Red_Neuronal_Artificialspa
dc.relation.referencesHopfield, J. (1985). Computación neuronal de decisiones en problemas de optimización.spa
dc.relation.referencesInstituto 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.pdfspa
dc.relation.referencesManjarrez, 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_315762548spa
dc.relation.referencesMatich, 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.pdfspa
dc.relation.referencesMaza, 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.referencesMATLAB. (sf). Redes neuronales dinámicas.spa
dc.relation.referencesMinsky, M., & Papert, S. (1969). Perceptrons.spa
dc.relation.referencesOchoa, 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.htmspa
dc.relation.referencesRosenblatt, F. (1957). Modelo "El Perceptrón".spa
dc.relation.referencesRumelhart, D., & Hinton, G. (1986). Learning representations by back-propagating errors.spa
dc.relation.referencesSteinbeck, K. (1961). Memoria asociativa.spa
dc.relation.referencesTrippi, R., & Turban, E. (1998). Neural Networks in Finance and Investing.spa
dc.relation.referencesVillada, 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.pdfspa
dc.relation.referencesWerbos, P. (1974). The Roots of Backpropagation.spa
dc.relation.referencesWidrow, B., & Hoff, M. (1960). Modelo Adaline (ADAptative LINear Elements).spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsFinancial engineeringspa
dc.subject.keywordsFinancial analysisspa
dc.subject.keywordsFinancial managenmentspa
dc.subject.keywordsInvestigationspa
dc.subject.keywordsActionsspa
dc.subject.keywordsStock marketspa
dc.subject.keywordsInvestmentsspa
dc.subject.keywordsFixed returnspa
dc.subject.keywordsCost effectivenessspa
dc.subject.keywordsDecision makingspa
dc.subject.lembAnálisis financierospa
dc.subject.lembGestión financieraspa
dc.subject.lembIngeniería financieraspa
dc.subject.lembInvestigaciónspa
dc.subject.proposalAccionesspa
dc.subject.proposalMercado de valoresspa
dc.subject.proposalInversionesspa
dc.subject.proposalRetorno fijospa
dc.subject.proposalRentabilidadspa
dc.subject.proposalToma de decisionesspa
dc.titlePronóstico de los precios de la acción “Ecopetrol” de la bolsa de valores de Colombia por medio de las redes neuronales artificialesspa
dc.title.translatedForecast of the prices of the “Ecopetrol” share of the Colombian stock exchange by means of artificial neural networksspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 4 de 4
Cargando...
Miniatura
Nombre:
2019_Tesis_Cardenas_Quintero_Paola_Andrea.pdf
Tamaño:
757.93 KB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Cargando...
Miniatura
Nombre:
2019_Articulo_Cardenas_Quintero_Paola_Andrea.pdf
Tamaño:
925.15 KB
Formato:
Adobe Portable Document Format
Descripción:
Artículo
Cargando...
Miniatura
Nombre:
2019_Presentacion_Cardenas_Quintero_Paola_Andrea.pdf
Tamaño:
353.47 KB
Formato:
Adobe Portable Document Format
Descripción:
Presentación
Cargando...
Miniatura
Nombre:
2019_Anexos_Cardenas_Quintero_Paola_Andrea.zip
Tamaño:
413.9 KB
Formato:
Unknown data format
Descripción:
Anexos

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: