• español
    • English
    • português
  • English 
    • español
    • English
    • português
  • Login
View Item 
  •   Home
  • Productos de Investigación - Creación
  • Artículos de Investigación Indexados
  • Año 2020
  • View Item
  •   Home
  • Productos de Investigación - Creación
  • Artículos de Investigación Indexados
  • Año 2020
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.
RecursosRecursos de apoyo¿Cómo publicar?

Browse

All of ExpeditioCommunities & CollectionsBy Issue DateAuthorsTitlesSubjects
This CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Statistics

View Usage StatisticsView Google Analytics Statistics

Predicción de la serie temporal del indicador bancario de referencia (ibr) con redes neuronales

Thumbnail

Citación

       
Export: <XML METS>
ORCID
View/Open
Ver documento (1.115Mb)
Fin embargo: 
Date
2020
Author
Coy Mondragón, Germán Enrique
Granados, Óscar
García-Bedoya, Olmer
Metadata
Show full item record
Documentos PDF
Abstract
En años recientes, la predicción del comportamiento del Indicador Bancario de Referencia (IBR) se ha hecho relevante debido a su importancia en el mercado monetario colombiano. El propósito de este trabajo es demostrar la eficiencia de las redes LSTM en la generación de predicciones de series de tiempo —a través de su memoria a corto y largo plazo— que sean comparables con el modelo predictivo ARIMA para estudios econométricos. Se analizó la incidencia de la tasa representativa de mercado (TRM) y la tasa de los bonos de la deuda pública (TES) a 10 años, comparando ambos indicadores con el IBR. Con lo anterior, se buscó determinar la correlación existente entre estas variables mediante el método de Pearson. Finalmente, la eficiencia del modelo fue evaluada con el error cuadrático medio (RMSE), utilizando una red LSTM multivariable con tres entradas (IBR, TES y TRM) y una salida.
Summary in foreign language
In recent years, predicting the behavior of the Benchmark Banking Indicator (ibr) has become rele-vant due to its importance in the Colombian money market. The purpose of this paper is to demonstrate the efficiency of lstm networks for generating predic-tions of time series —through their long and short-term memory— that are comparable with the arimapredictive model for econometric studies. The inci-dence of the representative market rate (trm) and the rate of 10-year public debt bonds (tes) was analyzed and compared to the ibr, seeking to determine its cor-relation 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.
Palabras clave
Series de tiempo; Aprendizaje automático; Redes lstm
URI
http://hdl.handle.net/20.500.12010/27985
Link to resource
https://doi.org/10.21789/22561498.1748
Collections
  • Año 2020 [153]
Estadísticas Google Analytics
Comments

Respuesta Comentario Repositorio Expeditio

Gracias por tomarse el tiempo para darnos su opinión.


Carrera 4 # 22-61 Teléfono: (+57 1) 242 7030 - 018000111022 Fax: (+57 1) 561 2107 Bogotá D.C., Colombia

Fundación Universitaria de Bogotá Jorge Tadeo Lozano | Vigilada Mineducación

Institución de educación superior privada, de utilidad común, sin ánimo de lucro y su carácter académico es el de Universidad.

Reconocimiento personería jurídica: Resolución 2613 del 14 de agosto de 1959 Minjusticia.

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

 

Términos y condiciones | Políticas

 

 


Carrera 4 # 22-61 Teléfono: (+57 1) 242 7030 - 018000111022 Fax: (+57 1) 561 2107 Bogotá D.C., Colombia

Fundación Universitaria de Bogotá Jorge Tadeo Lozano | Vigilada Mineducación

Institución de educación superior privada, de utilidad común, sin ánimo de lucro y su carácter académico es el de Universidad.

Reconocimiento personería jurídica: Resolución 2613 del 14 de agosto de 1959 Minjusticia.

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

 

Términos y condiciones | Políticas