Predicción de precios de commodities con modelos ARIMA-GARCH y redes neuronales con wavelets: viejas tecnologías - nuevos resultados

Resumen

El objetivo principal de este trabajo es explorar la aplicación de una metodología capaz de descomponer una serie temporal con wavelets, en conjunto con los modelos econométricos y de redes neuronales para la predicción de variables. Además, el trabajo compara la calidad de predicciones de sucesiones cronológicas aplicadas al estudio del commodity soya. Se realizan predicciones dentro de las subseries descompuestas por wavelets y se obtienen estimaciones por medio de la reconstrucción de la serie temporal. De acuerdo con el análisis de los datos para la bolsa de 60 quilos de soya, los resultados son particularmente satisfactorios cuando se trabaja con el filtro de wavelets en una red neuronal recurrente