Modelos de Algoritmos Genéticos y Redes Neuronales en la Predicción de Índices Bursátiles Asiáticos

This study analyzes the capacity of multivariated models constructed from genetic algorithms and artificial neural networks to predict the sign of the weekly variations of the Asian stock-market indexes Nikkei225, Hang Seng, Shanghai Composite, Seoul Composite and Taiwan Weighted. The results were compared with those of an ingenuous model or AR(1) and a strategy of buy and hold. The multivariable model from genetic algorithms obtained the best performance in terms of yield corrected by risk, measured by the indexes ofSharpe and Treynor. Although the Ward network obtained a better predictive capacity, this was not reflected in a greater yield corrected by risk. The results were confirmed in the series generated through a bootstrap process. Thus, this study presents evidence that for the Asian market, the genetic models and Ward recursive networks can predict the directional change of the index, along with to generate greater returns than an ingenuous model and a strategy buy and hold. This supports the conclusions of the study of Leung, Daouk and Chen (2000), according to which the prediction of the direction of movement can give greater gains of capital than the forecasts of close values. Este estudio analiza la capacidad de los modelos construidos a partir de algoritmos genéticos y redes neuronales para predecir el signo de las variaciones semanales de los índices bursátiles Nikkei 225, Hang Seng, Shangai Composite, Seoul Composite y Taiwan Weighted. Se utilizó un modelo multivariado dinámico construido a partir de algoritmos genéticos recursivos y una red neuronal ward. Los resultados fueron comparados con los de un modelo ingenuo o AR(1) y una estrategia buy and hold. El modelo multivariado obtenido a través de algoritmos genéticos obtuvo el mejor desempeño en términos de rentabilidad corregida por riesgo, medida por los índices de S harpe y Trey nor. Si bien la red ward obtuvo una mejor capacidadpredictiva, ésta no se vio reflejada en una mayor rentabilidad corregida por riesgo. Los resultados se confirman en las series generadas a través de un proceso bootstrap. De esta manera, se presenta evidencia de que, para el caso asiático, los modelos de algoritmos genéticos y la red ward recursiva pueden predecir el cambio direccional del índice, junto con generar mayores retornos que un modelo ingenuo y una estrategia buy and hold. Lo anterior apoya las conclusiones del estudio de Leung, Daouk y Chen (2000), según el cual la predicción de la dirección del mov