Neural network models applied to the prediction of the dollar exchange rate observed in Chile
Modelos de redes neuronales aplicados a la predicción del tipo de cambio del dólar observado en Chile
| dc.creator | Parisi F., Antonino | |
| dc.creator | Parisi F., Franco | |
| dc.creator | Guerrero, José Luis | |
| dc.date | 2003-06-30 | |
| dc.identifier | https://revistas.uchile.cl/index.php/EDA/article/view/56780 | |
| dc.identifier | 10.5354/0719-0816.2003.56780 | |
| dc.description | This study analizes the forecast ability of the sign variation of the daily exchange in neural networks. The forecast of price's direction is important to effective trade strategies (Leung, Daouk & Chen, 2000). We used backpropagation neural network models: the Multilayer Perceptron, the Jordan-Elman Recurrent network and the Ward network, all with standard and recursive method. To test the forecast ability we use an out-of-sample set of 398 observations and over 337 out-of-sample sub-set of 60 observations. The relative performance of the models was measured by the number of hits of the exchange rate variation sign, using for that the Pesaran & Timmermann s (1992) directional accuracy test. Then, the results of the best neural network model was compared with the ones of AR(1) model and with a buy and hold strategy. The neural network of three layers had the best performance and it forecast ability was significant in statistical and economical terms. When we used a recursive process for re-estimate period to period the weights of the network, we do not find a better performance. In addition, we compare the percentage of sign prediction between ward standard network, ward recursive network and the AR(1) model, and the last was significantly higher. However, the model's forecast capacity did not generate higher significant returns, in relation to a passive investment strategy, even when the abnormal average returns was positive. The results were the expected for the Chilean case due to: the few agent that have this market, the high volatility of rate exchange as consequences of international financial crisis, and the significant changes in the market produced by the Central Bank's interventions. | en-US |
| dc.description | Este estudio analiza la capacidad de las redes neuronales para predecir el signo de las variaciones diarias del dólar observado, entendiendo que la predicción de la dirección del movimiento es relevante para desarrollar estrategias de transacción efectivas (Leung, Daouk y Chen, 2000). Se usaron modelos de redes neuronales de algoritmo de aprendizaje supervisado de propagación hacia atrás: el Perceptor Multicapa, la Red Recurrente Jordan- Elman y la Red Ward, con funcionamiento estándar y recursivo. La evaluación se hizo sobre la base de un conjunto extramuestral de 398 datos y sobre 337 subconjuntos extramuestrales, de 60 observaciones diarias cada uno. El desempeño relativo de los modelos fue medido por el número de predicciones correctas (hits) del signo de la variación del tipo de cambio, aplicando para ello el test de acierto direccional de Pesaran y Timmermann (1992). A su vez, los resultados de la mejor red neuronal fueron contrastados con los de un modelos ingenuo y con los de una estrategia buy and hold. La red ward de tres capas obtuvo el mejor rendimiento y su capacidad para predecir el signo de las variaciones diarias del tipo de cambio del dólar observado resultó significativa para el período analizado. Sin embargo, al utilizar un proceso recursivo para re- estimar período a período los pesos de la red no se generaron mejoras significativas. Además, al contrastar el porcentaje de predicción de signo (PPS) de la red ward estándar y recursiva con el de un modelo ingenuo, la de este último fue significativamente mayor. No obstante, la capacidad predictiva de los modelos no se tradujo en retornos significativamente más altos respecto a una estrategia pasiva, a pesar de que los retornos anormales promedios fueron positivos. Los resultados se adecúan a lo esperado para el caso chileno, dado el bajo número de agentes que participan en este mercado, la alta volatilidad originada en sendas crisis financieras internacionales y los significativos cambios en el mercado a partir de la participación del Banco Central. | es-ES |
| dc.format | application/pdf | |
| dc.language | eng | |
| dc.publisher | Departamento de Administración, Universidad de Chile, Facultad de Economía y Negocios | en-US |
| dc.relation | https://revistas.uchile.cl/index.php/EDA/article/view/56780/60252 | |
| dc.rights | Copyright (c) 2020 Estudios de Administración | en-US |
| dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0 | en-US |
| dc.source | Estudios de Administración; Vol 10 No 1 (2003): (January-June); 25-48 | es-ES |
| dc.source | Estudios de Administración; Vol 10 No 1 (2003): (January-June); 25-48 | en-US |
| dc.source | 0719-0816 | |
| dc.source | 0717-0653 | |
| dc.title | Neural network models applied to the prediction of the dollar exchange rate observed in Chile | en-US |
| dc.title | Modelos de redes neuronales aplicados a la predicción del tipo de cambio del dólar observado en Chile | es-ES |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:eu-repo/semantics/publishedVersion |
This item appears in the following Collection(s)
-
Estudios de Administración
[0-9]{4}