Un modelo transformacional para la Predicción del índice bursátil S&P 500 utilizando redes neurodifusas y algoritmos genéticos


Un modelo transformacional para la Predicción del índice bursátil S&P 500 utilizando redes neurodifusas y algoritmos genéticos
Published in:	Global Partnerships for Development and Engineering Education: Proceedings of the 15th LACCEI International Multi-Conference for Engineering, Education and Technology
Date of Conference:	July 19-21, 2017
Location of Conference:	Boca Raton, FL, United States
Authors:	José Vargas, (Universidad Nacional de San Agustín, PE) José Sulla-Torres, (Universidad Nacional de San Agustín, PE) Diego Javier, (Universidad Nacional de San Agustín, PE) Geraldine Valdez, (Universidad Nacional de San Agustín, PE)
Full Paper:	#233

Abstract: El objetivo del presente artículo es la elaboración de un modelo transformacional para la predicción de la variación diaria del índice bursátil S&P 500 utilizando algoritmos genéticos y redes neurodifusas. El modelo consta de 2 fases la primera consiste en la elaboración de las funciones y reglas difusas a través del algoritmo TSK-IRL-R de KEEL, la segunda etapa es el entrenamiento de la red neurodifusa usando ANFIS de MATLAB. Como conjunto de datos se tomaron las variaciones proporcionadas por Yahoo Finance, obteniendo como resultado el valor mínimo de 7.5843 de error en el entrenamiento.