Predicción del mercado de valores
Predecir tendencias futuras, burbujas y accidentes.
Los hallazgos empíricos de Fama (1970) sugieren que los valores siguen un camino aleatorio, es decir, no se puede predecir el movimiento de seguridad. Existe contradicción con esto como en (Jegadeesh y Titman, 1993; Banz, 1981). Además, se utilizan varios métodos computacionales para las predicciones del mercado de valores como Neural Networks (Li & Ma, 2010; Andreou et al., 2000; Pakdaman et al., 2010), Support Vector Machine (SVM) (Yu et al., 2009; Gestel et al., 2001) y Hidden Markov Models (Hassan y Nath, 2005; Gupta y Dhingra, 2012) etc.
- ¿Por qué la distribución previa no tiene mucho impacto en la distribución posterior cuando tenemos muchos datos?
- ¿Hay alguna empresa india que trabaje con IA y aprendizaje automático? En caso afirmativo, ¿en qué campo y en qué se diferencia de otros en ese campo?
- ¿Qué arquitectura / herramientas usan los gigantes tecnológicos como Facebook / Amazon / Apple / Microsoft para el análisis de big data / ML?
- ¿Se puede extraer información significativa de un sistema caótico utilizando una red neuronal?
- ¿Se pueden utilizar bosques aleatorios para la selección de variables? De ser así, ¿cómo?
Varios estudios han utilizado redes neuronales para las predicciones. Li y Ma presentaron un estudio exhaustivo de redes neuronales en economía financiera
& Ma, 2010). El estudio de caso tratado es el de la predicción del tipo de cambio y la explicación de burbujas y accidentes en el mercado de valores. En (Andreou et al.,
2000), los investigadores estudiaron la bolsa de valores de Chipre e intentaron encontrar un modelo adecuado para la predicción en entornos ruidosos. En (Pakdaman et al., 2010), los investigadores utilizaron puntos de datos de los últimos días ‘d’ para predecir los valores futuros.
Finanzas conductuales
¿Cómo puede el mercado alcista y bajista ser el resultado de rumores? ¿Por qué hay un efecto de enero en el mercado de valores? ¿Cómo pueden los desastres naturales y las noticias afectar los movimientos de acciones? Los investigadores están tratando de responder a estas preguntas con Behavioral Finance. Se supone que todos los individuos no son racionales. Las anomalías se deben al comportamiento acumulativo de estos agentes racionales e irracionales. Por lo tanto, las personas usan Bayesian Networks y otras técnicas para modelar la toma de decisiones y los prejuicios.
Lam y col. presentó un enfoque cuantitativo pseudo-bayesiano para modelar el comportamiento de tales inversores. El estudio desarrolló un modelo de asignaciones de peso utilizando un enfoque pseudo-bayesiano para reflejar los sesgos de comportamiento de los inversores. Además, el modelo del sentimiento de los inversores, las ponderaciones inducidas por la heurística conservadora y representativa de los inversores se asignan a las observaciones de los choques de ganancias de los precios de las acciones.
Referencias
Banz, RW La relación entre el rendimiento y el valor de mercado de las acciones ordinarias. En Journal of Financial Economics, vol. 9 ,, págs. 3-18, 1981.
Fama Mercados de capital eficientes: una revisión de la teoría y el trabajo empírico. En The Journal of Finance, vol. 25, N ° 2, 1970.
Jegadeesh, Narasimhan y Titman, Sheridan. Retornos a comprar ganadores y vender perdedores: implicaciones para la eficiencia del mercado de valores. En el diario de
Finanzas, Volumen 48, N ° 1 ,, págs. 65–91, 1993.
Andreou, Andreas S., Neocleous, Constantinos C., Schizas, Christos y Toumpouris, Costas. Prueba de la previsibilidad de la bolsa de valores de Chipre:
El caso de un mercado emergente. En IJCNN (6) ’00, pp. 360–368, 2000.
Li, Yuhong y Ma, Weihua. Aplicaciones de redes neuronales artificiales en economía financiera: una encuesta. En Simposio internacional sobre inteligencia y diseño computacional, 2010.
Pakdaman, Mahdi, Hamidreza, Naeini, Homa, Taremian y Hashemi, Baradaran. Predicción del valor del mercado de valores utilizando redes neuronales. 2010
Yu, Lean, Chen, Huanhuan, Wang, Shouyang y Lai, Kin Keung. Los mínimos cuadrados en evolución admiten máquinas de vectores para la minería de tendencias del mercado de valores.
En IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, VOL. 13, NO. 1 de 2009.
Gestel, Tony Van, Suykens, Johan AK, Baestaens, Dirk-Emma, Lambrechts, Annemie, Lanckriet, Gert, Vandaele, Bruno, Moor, Bart De y Vandewalle, Joos. Predicción de series de tiempo financieras utilizando máquinas de vectores de soporte de mínimos cuadrados
dentro del marco de evidencia. En TRANSACCIONES IEEE EN REDES NEURALES, VOL. 12, NO. 4 de 2001.
Gupta, A y Dhingra, B. Predicción del mercado de valores utilizando modelos ocultos de Markov. En 2012 Conferencia de Estudiantes sobre Ingeniería y Sistemas (SCES), 2012.
Hassan, Md. Rafiul y Nath, Baikunth. Previsión del mercado de valores utilizando el modelo oculto de Markov: un nuevo enfoque. En Actas de la 5ta Internacional
Conferencia sobre diseño y aplicaciones de sistemas inteligentes (ISDA’05), 2005.
Kin Lam, Taisheng Liu, Wing-Keung Wong Un modelo pseudo-bayesiano en finanzas
toma de decisiones con implicaciones para la volatilidad del mercado, sub y reacción exagerada, European Journal of Operational Research, Volumen 203, Número 1, 16 de mayo de 2010, páginas 166-175, ISSN 0377-2217,