Redes neuronales para predecir el comportamiento del conjunto de activos financieros más líquidos del mercado de valores peruano

La presente investigacion tiene como proposito identificar una herramienta de inteligencia artificial basada en redes neuronales para predecir el comportamiento de rendimiento y riesgo del conjunto de activos financieros basados en acciones que reflejen con mayor exactitud el movimiento bursatil del mercado de valores peruano. La investigacion identifico inicialmente el activo financiero mas apropiado para estimar los valores de rendimiento y riesgo de la cartera de acciones 50% mas liquida del mercado peruano en el periodo 2010-2016. A partir del activo seleccionado se utilizo la tecnica de redes neuronales artificiales con un perceptron multicapa con regresion configurado con 3 capas (21,85,2) usando una funcion de activacion logistica con un optimizador LBFGS a una taza de aprendizaje de 0.01 para establecer los patrones financieros, operacionales, comerciales o de gobierno corporativo que puedan explicar y/o predecir el comportamiento del mismo en el mercado. La investigacion concluye que la capacidad de generacion de caja y la velocidad con la que se rotan los activos, asi como la velocidad con la que se desembolsa el Capex constituyen los principales factores que influencian en la determinacion de las mejores combinaciones de rendimiento y riesgo para el grupo de activos financieros considerados como materia de estudio, independiente del sector de mercado en el cual se opera. La investigacion encontro una red neuronal capaz de aproximar la prediccion de rendimiento y riesgo con un 76.93% de eficacia para el conjunto de activos seleccionados en el periodo de estudio. La investigacion aporta un reconocimiento de patrones diferenciados en aspectos financieros, operacionales, comerciales y de gobierno corporativo con un especial enfasis en la capacidad gerencial que los genera cuya influencia se refleja en el desempeno del conjunto de activos estudiados por medio de la tecnica de redes neuronales generando una herramienta predictiva para estimar su comportamiento bursatil.