Sistema predictivo del precio máximo y mínimo de las acciones del día siguiente en la Bolsa de Valores

Abstract

Predecir los precios de una acción en la Bolsa de Valores es un problema complejo, debido a que el comportamiento del mercado de valores es no lineal y no estacionario. Conocer en particular los precios máximos y mínimos diarios es particularmente útil para aquellos inversores que desean obtener la mayor cantidad posible de ganancia en cada operación de compra y venta diaria. En este trabajo, se presenta un modelo para la predicción del precio máximo y mínimo del día siguiente de una acción determinada. La propuesta consiste en un modelo híbrido basado en tres técnicas: redes neuronales artificiales, regresión de soporte vectorial y bosques aleatorios. Se realizaron pruebas con dos conjuntos de datos de la literatura, ambos para el precio máximo y para el precio mínimo. El modelo hibrido propuesto supera los resultados de la literatura, obteniendo un MAPE de 0.125 para el precio mínimo y un MAPE de 0.174 para el precio máximo del conjunto de datos CSRN3, y para el conjunto de datos CPFE3 un MAPE de 0.791 para el precio mínimo y un MAPE de 0.693 para el precio máximo. También se realizó un experimento adicional con el índice bursátil Dow Jones, obteniéndose un MAPE de 0.351 y de 0.339 para el precio mínimo y máximo respectivamente, lo cual evidencia que el modelo propuesto es útil en distintos contextos. Los resultados de los experimentos también muestran que el modelo híbrido presenta errores menores que los modelos singulares, esto demuestra que el modelo híbrido propuesto es una alternativa viable para la predicción del precio máximo y mínimo de las acciones del día siguiente.