Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Denise Gómez Hernández es_ES
dc.creator Edgar Adrián Quiroz Calvillo es_ES
dc.creator Maria Andrea Zamorano Orozco es_ES
dc.date 2019-09-02
dc.date.accessioned 2019-11-04T13:47:05Z
dc.date.available 2019-11-04T13:47:05Z
dc.date.issued 2019-09-02
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/1616
dc.description En 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.format Adobe PDF es_ES
dc.language.iso Español es_ES
dc.relation.requires No es_ES
dc.rights En Embargo es_ES
dc.subject Algoritmos genéticos, es_ES
dc.subject ARIMA es_ES
dc.subject BIMBO es_ES
dc.subject predicción financiera es_ES
dc.subject.classification CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA es_ES
dc.title Algoritmos Genéticos: Aplicación a la cotización accionaria de Grupo BIMBO es_ES
dc.type Tesis de licenciatura es_ES
dc.creator.tid curp es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador QUCE960910HDFRLD02 es_ES
dc.creator.identificador ZAOM951124MQTMRN06 es_ES
dc.contributor.identificador GOHD760112MVZMRN08 es_ES
dc.contributor.role Director es_ES
dc.degree.name Licenciatura en Actuaría es_ES
dc.degree.department Facultad de Contaduría y Administración es_ES
dc.degree.level Licenciatura es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI004685.pdf
Tamaño: 20.05Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem