Resumen

Este documento trata sobre la aplicación de modelos de predicción cuantitativa de computación suave en el área financiera, ya que modelos de predicción confiables y precisos pueden ser muy útiles en el proceso de toma de decisiones de gestión. Los autores sugieren una nueva red neuronal híbrida que es una combinación de la red neuronal RBF estándar, un algoritmo genético y un promedio móvil. Se supone que el promedio móvil mejora las salidas de la red utilizando la parte de error de la red neuronal original. Los autores prueban el modelo sugerido en datos de series temporales de alta frecuencia de USD/CAD y examinan la capacidad de pronosticar los valores de tipo de cambio para un horizonte de un día. Para determinar la eficiencia de pronóstico, realizan un análisis estadístico comparativo fuera de la muestra del modelo probado con modelos autorregresivos y la red neuronal estándar. También incorporan un algoritmo genético como técnica de optimización para adaptar los parámetros de la ANN, que luego se compara con la retropropag

• Materias:Transporte ferroviario Extracción cinética Estudio poblacional Comportamiento ingestivo Técnica quirúrgica
• Subjects:Railway transport Kinetic extraction Population study Ingestive behavior Surgical technique
• Palabras claves:Papel; Computación suave cuantitativa; Modelos de predicción; área financiera; Red neuronal; Algoritmo genético
• Keywords:Paper; Quantitative soft computing; Prediction models; Financial area; Neural network; Genetic algorithm