Resumen

El método RNA se ha aplicado mediante redes neuronales multicapa (MLFN) utilizando diferentes variables macroeconómicas como el tipo de cambio del USD/TRY, los precios del oro y el índice Borsa Istanbul (BIST) 100 basado en datos mensuales durante el periodo de enero de 2000 y septiembre de 2014 para Turquía. También se ha aplicado el método autorregresivo vectorial (VAR) con las mismas variables para el mismo periodo de tiempo. En este estudio, a diferencia de otros estudios realizados hasta el momento, se ha utilizado el marco de aprendizaje automático ENCOG junto con el lenguaje de programación JAVA para constituir la RNA. El entrenamiento de la red se ha realizado mediante el método de propagación resistente. Las estimaciones ex post y ex ante obtenidas por el método de la RNA se han comparado con los resultados obtenidos por el método de previsión econométrica del VAR. Sorprendentemente, nuestros resultados basados en el método RNA revelan que existe la posibilidad de que se produzcan dificultades financieras o una crisis financiera en Turquía a partir de octubre de 2017. Los resultados que se obtuvieron con el método del VAR también respaldan los resultados del método de la RNA. Además, nuestros resultados indican que el método RNA tiene un rendimiento de predicción más superior que el método VAR.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:métodos de ann, métodos de var, marco de aprendizaje automático, periodo de enero, resultados de ann, métodos de previsión econométrica, estimaciones ex ante, tipo de usd, entrenamiento de la red, aprendizaje automático encog
• Keywords:ann methods, methods of var, machine learning framework, period of january, results of ann, econometric forecasting methods, ex ante estimates, rate of usd, training of network, encog machine learning