redes neuronales
Autor: Dvila Fras Alex Vicente, Director: Herrera Piedra Gustavo Franklin
Maestra en Gerencia Empresarial, Escuela Politcnica Nacional
Quito, Ecuador
alex_davila88@hotmail.com
gustavofhp@yahoo.com
Abstract- Se propone la elaboracin de un modelo
estratgico de inversin para el par EUR/USD,
mediante un mtodo de prediccin con redes
neuronales. A fin de hacer una comparacin,
paralelamente se elaboran modelos basados en
predicciones de series de tiempo con otros mtodos:
medias mviles, suavizacin exponencial y mtodo de
Winters. La seleccin de los parmetros ptimos para
cada modelo se realiza mediante backtesting durante
un perodo, privilegiando los parmetros que
generaron mayor rentabilidad en tal perodo. Al
entrenar la red neuronal se toman retrasos y medias
mviles de los retornos de precio diarios del EUR/USD
del perodo del 24/11/2009 al 22/7/2013, el cual fue
seleccionado mediante anlisis de Hurst. Los cuatro
modelos optimizados fueron evaluados paralelamente
durante un perodo de dos meses (29/7/2013 a
27/9/2013) mediante operaciones en cuentas demo. El
modelo basado en red neuronal super en utilidad y
consecuentemente en rentabilidad (13.81% bimensual;
117.31% anual) a los otros modelos. Con los
resultados obtenidos al aplicar los modelos propuestos
paralelamente durante el perodo de evaluacin, se
gener informacin que permiti estimar el riesgo de
prdida de cada modelo mediante simulacin de
Montecarlo. El modelo basado en red neuronal es el
que present el menor riesgo de prdida (19.05%).
I. INTRODUCCIN
Al ser Forex un mercado especulativo de alto riesgo,
es deseable disponer de estrategias claras y definidas que
contribuyan a mitigar el riesgo al invertir. Considerando
que las redes neuronales han mostrado gran aplicabilidad
en anlisis de series de tiempo y en pronsticos [1], en el
presente estudio se propone la elaboracin de un modelo
estratgico de inversin para el par EUR/USD, mediante
un mtodo de prediccin con redes neuronales. En la
seccin II se describe muy brevemente el mercado de
divisas (Forex), en la seccin III se describen las redes
neuronales, en la seccin IV se resumen los mtodos
utilizados para los modelos con los que se va a comparar
el modelo basado en redes neuronales, en la seccin V se
describe el modelo basado en redes neuronales, en la
seccin VI los otros modelos, en la seccin VII se
muestra una comparacin de los resultados obtenidos con
los diferentes modelos, y finalmente, en la seccin VIII se
presentan los resultados de la estimacin del Value at
Risk.
II. FOREX
El trmino FOREX significa Foreign Exchange
Currency Market (FOReign EXchange), lo cual se
interpreta como Mercado de Intercambio de Divisas
Extranjeras. [2].
En Forex, las divisas se comercian en pares (por ejemplo
EUR/USD). Si se prev que el Euro cotizar al alza (se
fortalecer) frente al Dlar entonces se debera comprar
EUR/USD para ganar y recprocamente, si se cree que el
Euro cotizar a la baja (se debilitar) frente al Dlar, se
debera entonces vender EUR/USD.
Dentro de la terminologa propia del Trading, la
operacin de compra se conoce como posicin larga. Si
un comprador est en posicin larga en el par EUR/USD,
significa que est comprando en euros (divisa base) y est
vendiendo en dlares USA (divisa de cotizacin).
III. REDES NEURONALES
Las redes neuronales pueden ser tiles para realizar
un mapeo entrada-salida cuando la relacin exacta entre
entrada-salida es desconocida o muy compleja para ser
determinada matemticamente. Dada su habilidad para
aprender mapeos complejos, han sido usadas para
modelar relaciones econmicas no lineales. Presentando
un conjunto de datos de pares entrada-salida
iterativamente, una red neuronal puede ser entrenada para
determinar un conjunto de pesos que pueden aproximar el
mapeo.
La red neuronal multicapa de propagacin hacia
adelante (Fig. 1) es una de las arquitecturas ms
comnmente usadas. Esta consiste de una capa de entrada,
una capa de salida y una o ms capas intermedias
llamadas capas ocultas. Todos los nodos en cada capa
estn conectados a cada nodo en la capa superior
mediante fuerzas de interconexin llamadas pesos.
son
las entradas, son los pesos,