Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/1616
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorDenise Gómez Hernándezes_ES
dc.creatorEdgar Adrián Quiroz Calvilloes_ES
dc.creatorMaria Andrea Zamorano Orozcoes_ES
dc.date2019-09-02-
dc.date.accessioned2019-11-04T13:47:05Z-
dc.date.available2019-11-04T13:47:05Z-
dc.date.issued2019-09-02-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/1616-
dc.descriptionEn la actualidad un tema en auge es el análisis y uso de bases de datos para la toma de decisiones. El objetivo de este trabajo es analizar mediante los modelos multivariado ARIMA estándar y el resultante del método de algoritmos genéticos, la capacidad predictiva en el índice bursátil de grupo Bimbo para determinar qué modelo obtiene el mejor desempeño en términos predictivos del signo de cambio en dicho índice. Para lograr dicho objetivo, se tomaron los valores de cierre semanal de sus cotizaciones que son mostradas en Yahoo! Finance desde el 3 de enero del año 2000 al 1 de diciembre del 2017, lo cual equivale a 936 valores, se hizo una transformación en la base de datos para lograr obtener una serie estacionaria y ajustar la serie a un modelo ARIMA, la cual sirvió como comparación con la capacidad predictiva del algoritmo genético que se generó. El modelo de algoritmos genéticos nos arrojó un resultado donde se ajustan los modelos AR (1), MA (1) y ARIMA (1, 1, 1), que mediante la prueba de estrés nos arrojan un porcentaje de predicción de signo en un año de 55.7%, 59.6% y 57.6% respectivamente. En contraparte el modelo de Algoritmos genéticos presenta un porcentaje de predicción anual de signo del 67.3%, con esto concluimos que aun usando el modelo ARIMA de mejor resultado, en la comparación de capacidad de predicción los algoritmos genéticos superan el rendimiento en más de 8 puntos porcentuales.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresNoes_ES
dc.rightsEn Embargoes_ES
dc.subjectAlgoritmos genéticos,es_ES
dc.subjectARIMAes_ES
dc.subjectBIMBOes_ES
dc.subjectpredicción financieraes_ES
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAes_ES
dc.titleAlgoritmos Genéticos: Aplicación a la cotización accionaria de Grupo BIMBOes_ES
dc.typeTesis de licenciaturaes_ES
dc.creator.tidcurpes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorQUCE960910HDFRLD02es_ES
dc.creator.identificadorZAOM951124MQTMRN06es_ES
dc.contributor.identificadorGOHD760112MVZMRN08es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameLicenciatura en Actuaríaes_ES
dc.degree.departmentFacultad de Contaduría y Administraciónes_ES
dc.degree.levelLicenciaturaes_ES
Aparece en: Licenciatura en Actuaría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI004685.pdf20.54 MBAdobe PDFPortada
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.