Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales LST
View/
Metadata
Show full item record
Documentos PDF
Abstract
En los u´ltimos an˜os, predecir el comportamiento del Indicador Bancario de Referencia (IBR) ha tomado mayor relevancia por su importancia en el mercado monetario de Colombia. El objeto de este documento est´a centrado en demostrar la eficiencia de las redes LSTM, que, mediante su memoria a largo y corto plazo, pueden generar predicciones de series temporales comparables con el modelo predictivo para estudios econom´etricos ARIMA; haciendo uso de la metodolog´ıa CRISP-DM como lineamiento gu´ıa para la investigaci´on. As´ı mismo, se analizo´ y comparo la incidencia que tiene la tasa representativa del mercado (TRM) y la tasa de los bonos de deuda pu´blica a 10 an˜os (TES) con este indicador, buscando determinar su correlacio´n a trav´es del m´etodo Pearson. Finalmente, se evaluo´ con el error cuadra´tico medio (RMSE) la eficiencia del modelo, haciendo uso de una red LSTM multivariable con tres entradas (IBR, TES y TRM) y una salida.
Summary in foreign language
In recent years, predicting the Benchmark Banking Indicator (IBR) behavior has become relevant due to its importance in the Colombian money market. The purpose of this document is focused on demonstrating the efficiency of LSTM networks, which through their long and short-term memory, can generate predictions of time series comparable with the predictive model for econometric studies ARIMA. I use the CRISP-DM methodology as a research guideline. Likewise, it was analyzed and compared, the incidence of the representative market rate (TRM) and the rate of 10-year public debt bonds (TES) with this indicator, seeking to determine its correlation through the Pearson method. Finally, the model efficiency was evaluated with the mean square error (RMSE), using a multivariable LSTM network with three inputs (IBR, TES, and TRM) and one output.
Collections
Estadísticas Google Analytics
Comments