Redes Neuronales Artificiales aplicadas a la Predicción del Precio del Oro

Abstract

ResumenEn este trabajo se predice el comportamiento del precio del oro mediante un modelo basado en redes neuronales artificiales (RNA). El objetivo del modelo es predecir los precios de cierre diarios del mercado de Londres, los cuales son tomados como referencia por el Banco central de Colombia. Se estudian varias configuraciones de RNA tipo propagación hacia adelante tomando como variables de entrada las series diarias del índice del dólar estadounidense DXY, el índice SP500, los precios del petróleo y los precios del oro. Se entrenan diferentes estructuras de RNA utilizando la serie histórica de datos, donde una parte de los mismos se utiliza para entrenamiento y la restante para la predicción. Los resultados obtenidos muestran un buen desempeño del modelo tanto en el periodo histórico analizado como en la predicción, encontrando como mejor estructura aquella que utiliza las series de precios diarias del oro, el índice DXY y el índice SP500. Palabras clave: mercados financieros; mercado del oro; redes neuronales; predicción de precios Artificial Neural Networks applied to the Prediction of the Gold Price AbstractGold price prediction using an artificial neural network model (ANN) is proposed in this work. The objective of the model is to predict the daily closing prices in the London market, which are taken as reference prices for the Central Bank of Colombia. Different configurations of type feed-forward ANN are considered using the dollar index DXY, the SP500 index, the daily oil price series, and the daily gold price series, as inputs to the ANN model. A set of ANN structures are trained using the historical series of data, where one portion is used for training and the other portion is used for testing (prediction). The results show good performance of the model both in the analyzed historical period and the predictions, where the best structure includes the daily price series of gold, the DXY index and the SP500 index.

Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos utilizando Técnicas de Inteligencia Artificial

“…Trabajos dedicados a la minería de datos evaluando riesgo psicosocial en población de docentes de colegios públicos (Mosquera et al, 2016) muestran gran adaptabilidad y precisión con los resultados obtenidos y al compararlos con este trabajo, los investigadores dan un paso importante en la utilización de algoritmos de machine learning para la predicción de riesgo psicosocial como herramienta para la prevención de riesgos laborales. Técnicas de redes neuronales también se han utilizado para predecir el precio del oro a nivel internacional donde se toman cuatro variables económicas para lograr esta predicción (Villada et al, 2016), con buenos resultados, esto muestra la gran utilidad de las redes neuronales en diferentes ámbitos, y se puede apreciar como con mayor cantidad de variables en este trabajo, se logran muy buenos resultados en la predicción del grado de riesgo psicosocial. Los árboles de decisión utilizados para el mejoramiento de procesos para identificar y reducir los tiempos muertos de una línea de producción (Garcés et al, 2017), también contribuyen en los dominios Control sobre el trabajo y Liderazgo y relaciones sociales en el trabajo, viendo como la variable experticia de rol influye en el mejoramiento de las condiciones de productividad y de comportamiento ético dentro de las organizaciones.…”

Predicción del rendimiento académico estudiantil con redes neuronales artificiales

“…Las RNA son herramientas poderosas para resolver problemas complejos relacionados con diversos usos, lo que reduce significativamente el tiempo y los gastos. Estas han sido utilizadas por diferentes investigadores para hacer predicciones (Ghazvini et al, 2020, Villada et al, 2016. La Figura 1 presenta la estructura de una neurona biológica.…”

Diseño y simulación de un control neuronal aplicado a un convertidor flyback para la regulación de tensión

“…Son sistemas de aprendizaje inspirados en el funcionamiento del cerebro humano; emulan e imitan sistemas permitiendo establecer relaciones no lineales entre las variables de entrada y salida [21]. Las ventajas de las redes neuronales son la capacidad de aprender por medio de la experiencia, generalizar su comportamiento a nuevos estímulos, abstraer características esenciales de información de entrada, ser tolerante a fallos y procesamiento de información en paralelo en tiempo real.…”