Redes neuronales artificiales en el pronóstico de la inflación: la aplicación como una herramienta para apoyar el análisis de las decisiones financieras en organizaciones pequeñas
Palabras clave:
inflación, Redes Neuronales Artificiales, Perceptron, organizaciones pequeñas, análisis de decisionesResumen
Las estimaciones de las tasas de inflación son cruciales para directivos ya que las decisiones de inversión están estrechamente vinculadas a ellas. Sin embargo, el comportamiento de la inflación tiende a ser no lineal e incluso caótico, lo que dificulta la correcta estimación. Esta característica del fenómeno puede hacer inexactos los modelos más simples para el pronóstico, accesible a las pequeñas organizaciones, ya que muchos de estos requieren manipulaciones de datos grandes y/o software especializado. Este artículo tiene como objetivo evaluar, mediante un análisis estadístico formal, la eficacia de las redes neuronales artificiales en el pronóstico de la inflación, dentro de la realidad de las pequeñas organizaciones. Las RNA son herramientas adecuadas para medir el fenómeno de la inflación, ya que son aproximaciones de funciones polinómicas, capaz de hacer frente a fenómenos no lineales. Para este proceso fueron seleccionados tres modelos básicos de las redes neuronales artificiales Multi Layer Perceptron, aplicables desde la fuente de las hojas de cálculo de código abierto. Los tres modelos fueron probados a partir de un conjunto de variables independientes sugerido por Bresser-Pereira y Nakano (1984), con retraso de un, seis y doce meses. Para este fin, se utilizaron las pruebas de Wilcoxon, coeficiente de determinación R2 y el porcentaje medio de error de los modelos. El conjunto de datos se dividió en dos, siendo uno de los grupos utilizado para la formación de redes neuronales artificiales, mientras que otro grupo se utilizó para verificar la capacidad predictiva de los modelos y su capacidad de generalización. Con esto, el trabajo concluyó que ciertos modelos de redes neuronales artificiales tienen una capacidad razonable para predecir la inflación en el corto plazo y constituyen una alternativa razonable para este tipo de medición.
Descargas
Descargas
Publicado
Número
Sección
Licencia
Después de la aprobación del artículo, los autores ceden sus derechos de autor a la RAM. Las condiciones para Ceder los Derechos de Autor incluyen:
1. La Revista de Administración de Mackenzie (RAM) mantiene, con el traspaso de los derechos de autor, la propiedad de los derechos sobre los artículos por ella publicados.
2. El autor retiene sus derechos morales en el artículo, incluyendo el derecho de ser identificado como autor siempre que el artículo sea publicado.
3. A partir del 1º de julio de 2015 a RAM adoptó el patrón de licencia CC-BY (Creative Commons– BY). Es permitido al autor copiar, distribuir, exhibir, transmitir y adaptar el artículo. El autor debe atribuir de forma explícita y clara la publicación original del artículo a la RAM (referenciando el nombre de la revista, la edición, el año y las páginas en las cuales el artículo fue publicado originalmente), pero sin sugerir que la RAM endosa el autor o su utilización del artículo. Por medio de la licencia CC-BY los contenidos están liberados para interoperar plenamente con los más diferentes sistemas y servicios, incluyendo fines comerciales. En el caso de cualesquier reutilizaciones o distribuciones del artículo, el autor debe dejar claro para terceros los términos del licenciamiento del artículo. El Criterio CC-BY sigue las políticas de acceso abierto de los principales publicadores y periódicos de AA (Acceso Abierto) como son el PLoS, eLife, Biomed Central, Hindawi, entre otros.
4. La RAM podrá, mediante solicitud formal del autor, autorizarlo a publicar el artículo en forma de capítulo o parte de un libro. La única exigencia es que la publicación anterior en la RAM (nombre de la revista, edición, año y páginas) debe estar en las referencias de forma explícita y clara.
