Publicado dic 2, 2008



PLUMX
Google Scholar
 
Search GoogleScholar


Elizabeth Catalina Zapata Gómez

Juan David Velásquez Henao

Ricardo Agustín Smith Quintero

##plugins.themes.bootstrap3.article.details##

Resumen

En este trabajo se propone una nueva clase de modelos híbridos no lineales. En el modelo propuesto, la no linealidad en la media se representa usando un sistema adaptativo neurodifuso de inferencia (ANFIS, por su sigla en inglés), mientras la varianza se representa usando una componente autorregresiva heterocedástica condicional. Se presenta la formulación matemática de este tipo de modelos y se propone un método para su estimación; adicionalmente, se desarrolla para el modelo propuesto una estrategia de especificación basada en una batería de pruebas estadísticas que incluyen pruebas para la especificación de los modelos de regresión con transición suave (STR, por su sigla en inglés) y la prueba del radio de verosimilitud. Como un caso de estudio, se modela la dinámica de la serie de los cambios en los precios de cierre de las acciones de IBM, la cual se usa comúnmente como referente en la literatura de series de tiempo. Los resultados indican que el modelo desarrollado representa mejor que otros modelos de características similares la dinámica de la serie estudiada.

Keywords

ANFIS, ARCH, hetere cedasticidade, séries temporais, modelos não lineaisANFIS, ARCH, heteroscedasticity, time series, non-linear modelsANFIS, ARCH, heterocedasticidad, series temporales, modelos no lineales

References
Cómo citar
Zapata Gómez, E. C., Velásquez Henao, J. D., & Smith Quintero, R. A. (2008). Sistemas adaptativos de inferencia neurodifusa con errores heterocedásticos para el modelado de series financieras. Cuadernos De Administración, 21(37). Recuperado a partir de https://revistas.javeriana.edu.co/index.php/cuadernos_admon/article/view/3909
Sección
Artículos