MODELO MULTIVARIADO DINÁMICO OPTIMIZADO CON FUERZA BRUTA COMPUTACIONAL PARA LA PREDICCIÓN DE GRANDES VARIACIONES EN LA ACCIÓN APPL

Abstract

La presente investigación es una continuación y actualización de las investigaciones propuestas por (Parisi, Lobos, & Asensio, 2018) que evalúa la eficiencia de modelos multivariados dinámicos optimizados con fuerza bruta computaciones para la predicción de precios en la acción de la empresa Apple. Los modelos multivariados dinámicos optimizados con fuerza bruta, son modelos multivariables que se busca optimizar los coeficientes de las variables con la incorporación de fuerza bruta de manera que maximicen el porcentaje de predicción de signo. Es decir, que tenga un mayor porcentaje de acierto en la baja o alza de precios. En este caso aplicaremos un modelo multivariado optimizado con fuerza bruta y con variable exógena Dow Jones para determinar, no solo si la acción APPL (Apple.Inc) sube o baja, sino que también determinar las grandes variaciones de esta acción ya que el impacto sobre la rentabilidad de una cartera puede ser muy pequeño cuando solo se predicen las pequeñas variaciones. Con la incorporación de fuerza bruta buscamos encontrar dentro del universo de iteraciones, los coeficientes óptimos que les den mayor peso a las variables. Por consiguiente, la capacidad predictiva del modelo mejora, entregando como resultado un porcentaje de predicción de signo (PPS) mayor al de un modelo multivariado dinámico sin la técnica de fuerza bruta computacional. Es decir, si acertamos a una variación del 0,01% no tiene mayor impacto sobre la rentabilidad de la cartera. Pero si acertamos en las variaciones sobre el 1% hacia el alza o un 1% o un 2% a la baja tiene importancia en el impacto en la rentabilidad de la administración de un portafolio. Por esto esta investigación se centrará en predecir grandes variaciones en el precio de la acción APPL, empresa que está enlistada y es referente dentro del Dow Jones.