Modelos de algoritmos genéticos y redes neuronales en la predicción de índices bursátiles asiáticos
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 Sharpe y Treynor. Si bien la red ward obtuvo una mejor capacidad predictiva, 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 movimiento puede arrojar mayores ganancias de capital que la proyección del valor de cierre.