Arquitectura multi-agente con redes neuronales artificiales para el análisis de acciones en la bolsa de valores de Colombia

Camargo Cantillo, Jessie Steve; Munera Loaiza, Julio Cesar; Polo Viana, Fabian Alberto

Arquitectura multi-agente con redes neuronales artificiales para el análisis de acciones en la bolsa de valores de Colombia

Archivos

PDF_Resumen.pdf (130.04 KB)

Fecha

2018

Autores

Camargo Cantillo, Jessie Steve

Munera Loaiza, Julio Cesar

Polo Viana, Fabian Alberto

Editor

Ediciones Universidad Simón Bolívar
Facultad de Ingenierías

Resumen

Se propone la implementación de un sistema de información como herramienta útil y practica de recomendación, mediante un modelo de integración, entre análisis de series de tiempo, sistema multi-agentes y métodos de red neuronales, que se aproximen a predecir el comportamiento del mercado financiero, para que los inversionistas puedan decidir dónde invertir su dinero en determinado momento. Los resultados obtenidos muestran que los parámetros relacionados con la información tienen un significativo impacto para la predicción de las variables y de esta manera poder advertir la evolución y el comportamiento de valores futuros de las acciones, para lo cual se hace uso de múltiples tecnologías y lenguajes de programación, que permiten la integración de los agentes y la red neuronal. En general, el objetivo del presente trabajo es ofrecer una sugerencia sobre el comportamiento de cada una de las acciones, basándose solo en datos cuantitativos, como resultado de un proceso coordinado por agentes inteligentes que cumplen determinadas tareas, los cuales se comunican con una plataforma de redes neuronales inteligentes, y con un sistema de base de datos. Para el estudio e implementación del sistema, se analizó cada acción desde un enfoque de series de tiempo, con el fin de modelar su comportamiento. Posteriormente se utilizó una sencilla arquitectura multi-agente y un modelo de red neuronal para el pronóstico de las acciones, tomando como referente los movimientos de Ecopetrol, Grupo Sura, Grupo Argos, Grupo Aval y Bancolombia, de las cuales se toma los precios de cierre diarios en los últimos seis meses, determinando el posterior análisis estadístico a través de series de tiempo. En la primera sección del artículo, se modelan los datos de las acciones con el modelo Autorregresivo Integrado de Media Móvil (ARIMA), En la segunda sección se organiza y representa la arquitectura del modelo propuesto, Posteriormente en la sección tres, se realizan los ejercicios de predicción y comparación.