LOG-NORMAL MODEL FOR PREDICTING THE PRICE OF SHARES OF THE BANKING SECTOR
DOI:
https://doi.org/10.15665/rde.v14i1.412Palabras clave:
log-normal model, actions, volatility, Monte-Carlo simulation, the root mean square errorResumen
The following article develops a prediction exercise of share’s prices in the banking sector that quoted in the general index of the Stock exchange of Colombia (IGBC) during the period from 17 to 24 July 2015, using a model Log-normal complemented with Monte-Carlo’s simulations, in order to determine goodness of fit test of the model, using the root-mean-square deviation (RMSD). The results indicate that the model is useful to make an approximation to the possible minimal and maximum values that shares can take. Nevertheless, it´s results lack the sufficient precision to induce the accurate purchase of this type of financial assets. Since the profitability of these shares is calculated using the last 100 information and the model contributes equal relevancy to data t-100 to t-1. Without mattering if in t-1 moment, the volatility is lower or higher than in the t-100 moment, reason by is recommended in following researches, the application of models with mobile averages of gentle exponential and models of the Arch and Garch family, with major capacity of prediction.Citas
Aghababaeyan, R., Siddiqui, T., & Ahmadkhan, N. (2011). Forecasting the Tehran Stock Market by Artificial Neural Network . 13-17.
Akintola , K. G., Alese, B. K., & Thompson , A. F. (2011). Time Series Forecasting with Neural Network: A Case of Stock Prices od Intercontinental Bank of Nigeria. International Journal of Research and Reviews in Applied Sciences, 9(3).
Andersen, T., Chung, H.-J., & Sorensen, B. (1998). Efficient method of moments estimation of a stochastic volatility model: A Monte Carlo study. Journal Of Econometrics, pp. 61-87. Disponible en: http://www.uh.edu/~bsorense/Emmpublished.pdf.
Anderson, D., Sweeney, D., & Williams, T. (2008). Estadísticas para Administración y Economía. Decima Edición . México D.F: Cengage Learning.
Arrieta Bechara, J., Torres Cruz, J., & Velásquez Ceballos, H. (2009). Predicciones de Modelos Econométricos y Redes Neuronales: El Caso de la Acción de SURAMINV. Semestre Económico, volumen 12, No. 25, pp. 95-109 -ISSN 0120-6346- julio-diciembre. Disponible en: http://revistas.udem.edu.co/index.php/economico/article/view/277.
Bolsa de Valores de Colombia. (30 de julio de 2015). https://www.bvc.com.co. Recuperado el 30 de julio de 2015, de https://www.bvc.com.co: https://www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/enlinea/acciones?action=dummy
Butoi, A., & Nemes, M. (2013). Data Mining on Romanian Stock Market Using Neural Networks for Price. Informatica Economica, 17(3), 125-136.
Carmona, D., & Criollo, C. (2015). Determinantes de riesgo en la valoración de acciones en el mercado colombiano: modelo multifactorial comparativo. Cuadernos de Administración, Vol. 31 N° 53. pp. 68-84. Disponible en: http://cuadernosdeadministracion.univalle.edu.co/index.php/cuadernosadmin/article/view/2879.
Cortés López, J. C., Debón Aucejo, A. M., & Moreno Navarro, C. (2007). Aplicación del Modelo Log-normal para la Predicción de activos del Banco de Sabadell. XVI Jornadas ASEPUMA. IV Encuentro Internacional (pág. 11). Valencia: Universidad Politécnica de Valencia. Disponible en: http://metodos.upct.es/asepuma/comunicaciones/completas/203.pdf
Cruz, E., Medina , P., & Zapata, C. (2010). Comportamiento del Precio de las Acciones un Enfoque de la Caminata Aleatoria. Scientia et Technica, Año XVI, No 44, pp. 84-89. Disponible en: http://www.redalyc.org/articulo.oa?id=84917316015.
De Arce, R. (2004). 20 años de modelos ARCH: una visión de conjunto de las distintas variantes de la familia. Estudios de economía aplicada, Vol. 22(Num. 1), ISSN 1697-5731.
Delfiner, M. (01 de Mayo de 2002). Comportamiento de los Precios de las Acciones en el Mercado Bursatil Argetino (Un Estudio Comparativo). Recuperado el 15 de Agosto de 2015, de http://www.ucema.edu.ar/publicaciones/download/documentos/215.pdf.
Fería Domínguez, J. M. (2005). El Riesgo del Mercado su Medición y Control. Madrid España: Delta Publicaciones Universitarias; Disponible en: https://books.google.com.co/books?id=tTh7jxbSxVUC&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false.
Hanias , M., Curtis, P., & Thalassinos, E. (2012). Time Series Prediction with Neural Networks for the Athens Stock Exchange Indicator . 15(2), 23-32.
Hanke, J. (2006). Pronósticos en los Negocios. Octava Edición. México: Pearson Education. Disponible en: https://books.google.com.co/books?id=WaiOrL8oct4C&pg=PR2&lpg=PR2&dq=Pron%C3%B3sticos+en+los+negocios.+Mexico:+C%C3%A1mara+Nacional+de+la+Industria+Editorial+Mexicana&source=bl&ots=YdfAx9fgS0&sig=37K2S7mY_v41bhNZAR0-WsA6gZ.
Hernández, S. (2009). Pronóstico y volatilidad del IPC de la bolsa mexicana de valores. 25-36. https://core.ac.uk/download/files/153/6436970.pdf.
Juez Martel, P., & Diez Vegas, F. J. (1997). Probabilidad y Estadística en Medicina. Madrid. España: Díaz de Santos S.A. Disponible en: https://books.google.com.co/books?id=J12lRXENQ88C&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false.
Laboissiere, L. A., Fernandes, R. A., & Lage, G. G. (2015). Maximum and minimum stock price forecasting of Brazilian power distribution companies based on artificial neural networks. Applied Soft Computing, 35, 66-74.
Lahmiri , S. (2016). Intraday stock price forecasting based on variational mode decomposition. Journal of Computational Science, 12, 23-27.
Llinas Solano, H., & Rojas Alvarez, C. (2009). Estadística descriptiva y Distribuciones de Probabilidad. Barranquilla Colombia: Ediciones Universidad del Norte.
Llinas Solano, H., & Rojas Alvarez, C. (2009). Medidas de Dispersión o de Variabilidad. Barranquilla. Colombia: Ediciones Universidad del Norte.
Maciel , L. S., & Ballini , R. (2010). Neural Networks Applied to Stock Market Forecasting: An Empirical Analysis. Learning and Nonlinear Models , 8, 3-22.
Marín, J., & Rubio, G. (2011). Economia Financiera. Madrid, España: Antoni Bosh. Disponible en: https://books.google.com.co/books?id=tmZXGX40fZsC&printsec=frontcover&dq=economia+financiera&hl=es&sa=X&ved=0ahUKEwjM5aiDjJfMAhWGWx4KHRZDCI4Q6AEIIzAC#v=onepage&q&f=false.
Mirzaei Talarposhti, F., Javedani Sadaei, H., Enayatifar, R., Gadelha Guimaraes, F., Mahmud, M., & Eslami, T. (2015). Stock market forecasting by using a hybrid model of exponential fuzzy time series. International Journal of Approximate Reasoning, 70, 79-98.
Moreno, C. (2012). Composición de la Cartera de Réplica Para la Predicción del Índice Bursátil Español IBEX 35. Valencia. España: Facultad de Administración y Direccioón de Empresas de la Universidad Politécnica de Valencia.
Muñoz Santiago , A., Ditta Mercado , E., & Duarte Padilla, H. (2012). Medición de la volatilidad del IGBC y la TRM utilizando las metodologías log-normal y montecarlo. Clio América, 6(12), 150-184.
Murphy, J. (2007). Análisis Ténico de los Mercados Financieros. Barcelona. España: Gestión 2000.
Ortiz Arango, F., Cabrera Llanos, A., & López Herrera, F. (2013). Pronóstico de los índices accionarios DAX y S&P 500 con redes neuronales diferenciales. Contaduría y Administración , 58(3), 203-225.
Perez-Guevara, M., & Moreno , E. (2012). Propuesta de un modelo predictivo de la variación del precio de acciones basado en redes neuronales y análisis de estados financieros. Anales, Vol. 12, Nº 1, 2012: 103-123. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=3943813.
Richardson, G., & Spiegelhalter, D. (1996). Markov Chain Monte Carlo in Practice. Boca Ratón, Florida: Chapman & Hall.
Servín y Silva, F. (2011). Estimación de la volatilidad de los precios de las acciones de la BMV mediante el modelo CARR. Revista: Contaduría y Administración, núm. 234, mayo-agosto, 2011, pp. 173-196. Disponible en: http://www.redalyc.org/articulo.oa?id=39518484009> ISSN 0186-1042.
Singh Vaisla, K., & Kumar Bhatt, A. (2010). An Analysis of the Performance of Artificial Neural Network Technique for Stock Market Forecasting. International Journal on Computer Science and Engineering, 2(6), 2104-2109.
Topa & Asociados. (2009). Modelos de Calculo de Volatilidad. Bogotá. Colombia: T&A. Disponible en: http://www.tya.com.co//pdfs/GT12.pdf.
Villada, F., Muñoz, N., & García, E. (2012). Aplicación de las Redes Neuronales al Pronóstico de Precios del Mercado de Valores. Información Tecnológica, Vol. 23(4), 11-20. doi: 10.4067/S0718-07642012000400003. Disponible en: http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642012000400003.
Wei, L.-Y. (2016). A hybrid ANFIS model based on empirical mode decomposition for stock time series forecasting. Applied Soft Computing.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Tenga en cuenta que al presionar el botón "guardar y continuar" que está al final, Usted está asumiendo todos los compromisos éticos y legales que aquí se enuncian. Ellos establecen las responsabilidades de la legislación en materia de derechos de propiedad intelectual. Para esto se asume que quien está efectuando la acción de presentar el escrito obra de buena fe y se representa a sí mismo y a los demás autores del artículo postulado.
En este sentido, los autores conservan todos los derechos de los cuales son titulares y autorizan la reproducción gratuita del documento enviado. En el evento de ser necesario, asumirán, al presionar el botón "guardar y continuar", la responsabilidad legal derivada de los derechos patrimoniales los cuales son gratuitos en razón al no cobro por ningún procedimiento de la Revista.
En consecuencia, El(Los) autor(es) representados por quien adelanta la postulación del artículo a evaluación y eventual publicación,
Declaro(amos):
1. Que soy (somos) el (los) autor(es) del artículo {aquí va el nombre del artículo colocado automáticamente}.
2. Que ésta es una obra original conforme a la ley de propiedad intelectual de derechos de autor colombiana.
3. Que el contenido del artículo de la referencia no ha sido publicado y que no se presentará a ningún otro medio de publicación en soporte escrito o electrónico antes de conocer la decisión del Comité Editorial de Dimensión Empresarial.
4. Que el firmante de esta certificación garantiza que el compromiso que aquí adquiere no infringe ningún tipo derechos de terceros.
5. Que la autorización de publicación incluye su archivo electrónico y su adaptación, de ser necesario, para su incorporación en la red o en cualquier formato electrónico o base de datos, así como anexar los metadatos necesarios para realizar el registro de la obra, marcas de agua o cualquier otro sistema de seguridad o de protección.
6. Que la autorización de publicación incluye la reproducción en soportes digitales. Así como su distribución y la puesta a disposición a través de archivos institucionales a través de Internet, distribuir copias, y exhibirlo en Colombia y fuera del país, así como incluir el artículo en índices nacionales e internacionales.
7. Que el autor asume toda la responsabilidad, incluyendo las indemnizaciones por daños, que pudieran ejercitarse contra la Universidad Autónoma del Caribe por terceros que vieran infringidos sus derechos e intereses a causa de la cesión.
Por su parte, Dimensión Empresarial se obliga a respetar, en todo caso, los derechos del autor contenido en el artículo 30 de la Ley 23 de 1982, o cualquiera posterior a esta y pondrá el artículo a disposición de los usuarios de la Revista para que hagan un uso legítimo de él, según lo permitido por la legislación aplicable, siempre que se cite su autoría, no se obtenga beneficio comercial, y no se realicen obras derivadas.
Los autores/as se comprometen a aceptar las condiciones de esta nota de propiedad intelectual, que se aplicarán a este envío cuando sea publicado en esta revista (más abajo se pueden añadir comentarios al editor/a).
