Predicción de índices bursátiles mediante un sitema híbrido basado en modelos ocultos de Markov y redes neuronales artificiales

Resumen

El enfoque de la mezcla de expertos comprende una gran variedad de modelos cuya filosofía consiste en descomponer una serie de tiempo en varios estados, de manera que cada estado se modela a través de un experto, con lo cual se logran capturar los patrones de la serie de tiempo de una manera eficiente. Los Expertos Temporales Ocultos de Markov (ETOM) representan uno de los métodos más avanzados pertenecientes a esta corriente, que no son más que modelos híbridos basados en Redes Neuronales Artificiales (RNA) y Modelos Ocultos de Markov (MOM). Una característica distintiva de los ETOM es que la transición de estados de la serie de tiempo se modela a través de un Modelo Oculto de Markov, en el cual la matriz de transición de estados es variante en el tiempo. El objetivo de esta investigación consistió en evaluar el desempeño de los ETOM en la predicción de índices bursátiles, y realizar una comparación con resultados obtenidos mediante RNA puras. Los experimentos fueron realizados con 15 índices bursátiles, y se obtuvo que los modelos ETOM superan sustancialmente a las RNA tanto en precisión como en su capacidad para capturar patrones.