Aplicación de la Descomposición Empírica en Modo a la Predicción del Mercado Bursátil con los Modelos de ARIMA-ARCH y Redes Neuronales Artificiales Evolutivas

Abstract

El mercado bursátil es un sistema dinámico que se caracteriza por su complejidad, volatilidad, no estacionariedad, irregularidad, pero sobre todo por las repentinas y pronunciadas caídas en los precios. Dadas estas características, y con el fin de contrarrestar las fluctuaciones aparentemente aleatorias, la inherente no linealidad en los datos financieros, y puesto que en muchos de los enfoques tradicionales que abordan la predicción del mercado bursátil en periodos de crisis, estos por lo regular no son capaces de capturar de manera fiable los rasgos distintivos del fenómeno. En esta investigación, se propone como primer paso, descomponer a los indicadores que representan al mercado accionario de los Estados Unidos y México en periodos de crisis, mediante la herramienta llamada Descomposición Empírica en Modos (DEM) que se encarga de descomponer la serie original de los índices accionarios en un número finito de descomposiciones llamadas Funciones de Modo Intrínseco (FMIs) y un elemento residual. A continuación, cada una de las FMIs y el residuo, son pronosticadas individualmente, utilizando por un lado, un modelo paramétrico (Autorregresivo Integrado de Media Móvil-Modelo de Volatilidad Condicional Heterocedástico (ARIMA-ARCH)) y por otro lado, por un modelo no paramétrico Redes Neuronales Artificiales (RNAs), este último es configurado por medio de un algoritmo evolutivo llamado Selección de Características de Programación Evolutiva de Redes Neuronales Artificiales (FS- EPNet). Posteriormente, se adquiere la predicción del modelo paramétrico, mediante la suma de las predicciones resultantes de cada FMI y del residuo, de igual forma se realiza el mismo procedimiento para obtener la predicción final del modelo no paramétrico. Finalmente, las predicciones de los modelos paramétrico y no paramétrico son combinadas mediante un promedio ponderado, para producir una combinación de pronósticos, estas predicciones a su vez son comparadas. Los resultados empíricos obtenidos demuestran que los modelos que colaboraron en conjunción con la técnica de descomposición de señales DEM, tienen una predicción más precisa de la crisis bursátil, a diferencia de los modelos que confeccionaron su pronóstico de manera aislada.