DSpace Repository

Análisis comparativo de pronósticos del IPC obtenidos mediante modelos GARCH y redes neuronales

Show simple item record

dc.contributor.author Vidal Castillo, Aldo Alejandro
dc.date.accessioned 2022-06-16T16:24:18Z
dc.date.available 2022-06-16T16:24:18Z
dc.date.created 2018-08-06
dc.date.issued 2022-06-14
dc.identifier.citation Vidal Castillo, Aldo Alejandro. (2018). Análisis comparativo de pronósticos del IPC obtenidos mediante modelos GARCH y redes neuronales. (Maestría en Ciencias Económicas). Instituto Politécnico Nacional, Sección de Estudios de Posgrado e Investigación, Escuela Superior de Economía, México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/30482
dc.description Tesis (Maestría en Ciencias Económicas), Instituto Politécnico Nacional, SEPI, ESE, 2018, 1 archivo PDF, (73 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: El presente trabajo hace un análisis comparativo de un modelo GARCH frente a un modelo de redes neuronales para el pronóstico del IPC, tomando en cuenta cuatro aspectos: En primer lugar, contrastar los fundamentos teóricos-económicos de cada modelo; se observa que el uso del modelo GARCH para el pronóstico de una serie de tiempo financiera está basado únicamente en las características de la propia serie, los cúmulos de volatilidad; mientras que el uso de las redes neuronales se justifica con la teoría de Sargent acerca de los agentes económicos artificiales de racionalidad limitada. En segundo lugar, la facilidad de implementación de cada modelo, es decir, cuáles son los recursos necesarios para el entendimiento y posterior desarrollo de los modelos para la implementación del modelo GARCH en el software Eviews, son necesarios conocimientos econométricos específicos, acerca de series de tiempo. Por otro lado, únicamente para la implementación de la red neuronal (se hace énfasis que solamente es la implementación ya que la comprensión del algoritmo es más complicada) en este caso un perceptor multicapa con retropropagación, no son necesarios conocimientos especializados, el software Matlab con la herramienta nntool ofrece un entorno intuitivo para su manejo. En tercer lugar, el horizonte temporal, se realizarán dos grupos de modelos, el primero para una muestra de 160 datos en un periodo de baja volatilidad (18 de septiembre de 2017 a 11 de mayo de 2018), y el segundo para una muestra de 2000 datos en un periodo de alta volatilidad (3 de enero de 2005 a 21 de diciembre de 2012). Esto con el fin de observar el comportamiento de la red neuronal en los distintos escenarios, a diferencia de trabajos anteriores. Y, en cuarto lugar, la precisión de los pronósticos obtenidos de los diferentes modelos con respecto a los datos reales, dentro y fuera de la muestra, es decir que tan alejados o cercanos estuvieron los pronósticos respecto a los datos reales. Se llega a la conclusión que el modelo de red neuronal es una buena alternativa al modelo GARCH para el pronóstico de la serie financiera del IPC. Esto se comprueba en ambientes de alta y baja volatilidad, ya que logra captar su comportamiento. Se lograron pronósticos tan precisos como los del modelo GARCH y su sola implementación fue más sencilla. Además de que su uso tiene una justificación teórica económica. ABSTRACT: The present work makes a comparative analysis of a GARCH model against a neural network model for the IPC forecast, taking into account four aspects: First, contrast the theoretical and economic foundations of each model; it is observed that the use of GARCH model for the forecast of a financial time series is based only on characteristics of the series itself, the volatility clusters; while the use of neural networks is justified by Sargent's theory about artificial economic agents with limited rationality. Second, the ease of implementation of each model, that is, what are the necessary resources for understanding and subsequent development of the models; for the implementation of GARCH model in Eviews software, specific econometric knowledge about time series is necessary. On the other hand, only for the implementation of the neural network (it is emphasized that it is only the implementation since the understanding of the algorithm is more complicated) in this case a multilayer sensor with backpropagation, no specialized knowledge is required, the Matlab software with nntool tool offers an intuitive environment for its management. In third place, the time horizon, two groups of models will be made, the first for a sample of 160 data in a period of low volatility (September 18, 2017 to May 11, 2018), and the second for a sample of 2000 data in a period of high volatility (January 3, 2005 to December 21, 2012). This in order to observe the behavior of the neural network in different scenarios, unlike previous works. And, fourthly, the precision of the forecasts obtained from the two different models with respect to the real data, inside and outside the sample, that is, how far or near were the forecasts with respect to the real data. It is concluded that the neural network model is a good alternative to the GARCH model for the forecast of the financial series of IPC. This is verified in environments of high and low volatility, since it manages to capture its behavior. The forecasts were as accurate as those of the GARCH model and its simple implementation was simpler. Besides that its use has a theoretical economic justification. es
dc.description.sponsorship CONACYT es
dc.language.iso es es
dc.subject Pronósticos del IPC es
dc.subject Modelos GARCH es
dc.subject Redes neuronales es
dc.title Análisis comparativo de pronósticos del IPC obtenidos mediante modelos GARCH y redes neuronales es
dc.contributor.advisor Ortiz Arango, Francisco
dc.contributor.advisor Venegas Martínez, Francisco
dc.programa.academico Maestría en Ciencias Económicas es


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account