Metodología de Box Jenkins vs Redes Neuronales Artificiales para construir un modelo de pronóstico del precio de compra de cierre mensual de las acciones del Banco de Crédito del Perú en La Bolsa de Valores de Lima, abril de 2005 hasta febrero de 2018

Abstract

La presente investigación tuvo por objetivo comparar dos metodologías: Box Jenkins y Redes Neuronales Artificiales para encontrar el mejor modelo de ajuste de la serie precio de compra de cierre mensual de las acciones del Banco de Crédito del Perú en la Bolsa de Valores de Lima, abril de 2005 hasta febrero de 2018. El diseño de la investigación fue observacional, de tipo predictiva, retrospectiva y longitudinal, la muestra de estudio estuvo constituida por toda la población de la serie conformada por 155 observaciones de la variable de estudio. Luego de realizar el análisis con cada metodología se pronosticó para los seis meses siguientes y se compararon los resultados obtenidos con los datos reales para determinar cuál de las dos metodologías logró hacer un mejor pronóstico. Se observó que la metodología basada en Redes Neuronales Artificiales logró obtener un menor error de evaluación de pronóstico que la metodología de Box Jenkins, para ello se utilizaron los indicadores MAE, RMSE, MPE, MAPE y el ME. Para la selección de la red neuronal se utilizó el criterio de parsimonia. Por consecuente se considera a la metodología de Redes Neuronales Artificiales como la mejor opción metodológica para el procedimiento de pronóstico de la serie financiera en estudio.