Post on 28-Jan-2016
transcript
TEORÍA MODERNA DE LA FIRMA 1
REDES NEURONAL
ES ARTIFICIAL
ES (RNA)
REDES NEURONALE
S ARTIFICIALE
SRNA
2TEORÍA MODERNA DE LA FIRMA
REDES NEURONALES ARTIFICIALES
(RNA)
Son aquellos elementos de aprendizaje y procesamiento similares a la red de neuronas del sistema nervioso de los animales, más exactamente al de los seres humanos. Se encaminan a poder dar respuestas de la misma manera en que lo hace la red neuronal humana.
TEORÍA MODERNA DE LA FIRMA 3
RNA
SOLUCIÓN PROBLEMAS COMPLEJOS
RECONOCIMIENTO DE FORMAS Y
PATRONES
CONTROL Y OPTIMIZACIÓN
PREDICCIÓN Y CODIFICACIÓN
TEORÍA MODERNA DE LA FIRMA 4
ESTRUCTURA DE LAS RNA
• Conexiones hacia delante: los datos de las neuronas de una capa inferior son repartidos hacia las neuronas de la capa superior.
• Conexiones hacia atrás: los datos de las neuronas llevan los datos de una capa superior a otras de la capa inferior.
• Conexiones laterales: la neurona de salida con mayor valor es a la que se asigna el valor total. Tomado de
http://www.gc.ssr.upm.es/inves/neural/ann2/concepts/structnn.htm
5
RNA CON APRENDIZAJE SUPERVISADO
Mediante un entrenamiento
controlado por un supervisor
Supervisor establece
respuestas a entradas
determinadas
Comprueba la salida de red y la modifica si es
necesario (deseada)
Aprendizaje por error
Aprendizaje por
refuerzo
Aprendizaje
estocásticoTEORÍA MODERNA DE LA FIRMA
TEORÍA MODERNA DE LA FIRMA 6
RNA CON APRENDIZAJE NO
SUPERVISADO
• AQUELLAS REDES QUE NO NECESITAN DE UN SUPERVISOR PARA ESTABLECER RESPUESTAS Y SALIDAS DE RED, SINO QUE ES INDEPENDIENTE EN EL AJUSTE DE SUS CONEXIONES. ASÍ MISMO GENERA LA POSIBILIDAD DE ANÁLISIS E INTERPRETACIÓN EN SUS SALIDAS DE RED.
http://perso.wanadoo.es/alimanya/Image17.gif
TEORÍA MODERNA DE LA FIRMA 7
VENTAJAS
AUTOORGANIZACION.RESPUESTAS EN
TIEMPO REAL POR TENER ESTRUCTURA S
PARALELAS
TOLERACIA A FALLOS.DAÑOS PARCIALES,
RESPONDE DE MANERA ACEPTABLE
FLEXIBILIDAD.MANEJO DE
CAMBIOS EN LA INFORMACION
APRENDIZAJE.PROPORCIONA
DATOS PARA ENTRADAS Y
SALIDAS
TEORÍA MODERNA DE LA FIRMA 8
APLICACIONES RNAA NIVEL EMPRESARIAL:• Perspectiva en cambios de los precios• Estimación del riesgo• Inspección en la producción y control de
calidad• Optimización del uso de recursos escasos• Aprovechamiento de bases de datos• Tipificación de candidatos para posiciones
especificas
TEORÍA MODERNA DE LA FIRMA 9
Aplicación• La aplicación de las redes neuronales en la
economía surge a partir de la debilidad de los modelos clásicos en predicciones de muy corto plazo.
• Todavía se tienen restricciones, pues las predicciones a corto plazo en el mercado financiero, no parecen muy posibles de lograr, y donde un autor lo logre es posible que no lo publique y lo utilice para enriquecerse.
TEORÍA MODERNA DE LA FIRMA 10
Modelo de red artificial
TEORÍA MODERNA DE LA FIRMA 11
Aciertos• Se han mostrado resultados satisfactorios en la
predicción de quiebra de empresas, partiendo de un modelo de red de propagación hacia atrás por medio de mapas auto organizativos.
• El caso mas exitoso fue un proyecto español en el que se representaron todos los bancos, y se pudo preveer la quiebra de uno de ellos.
TEORÍA MODERNA DE LA FIRMA 12
Ejemplo• Una aplicación puede ser un modelo en el cual se
quiere conocer a priori en función de las características de la franquicia, cuantas empresas deben franquiciarse y cuantos deben ser administrados por la misma empresa.
• Para ellos se dispone de 16 variables de las 221diferentes firmas, y se dividen en 14 de entrada y 2 de salida.
TEORÍA MODERNA DE LA FIRMA 13
Una mirada hacia el futuro
• Se plantea un modelo para la bolsa mundial, donde se agregaran la mayor cantidad de variables posibles, entre ellas la posibilidad de introducir la variación de Dow Jones durante los primero 10 minutos después de la apertura de la bolsa de New York.
• Por ahora es imposible intervenir en el mercado en el muy corto plazo por lo que por ahora solo se estudiara la volatilidad del sistema financiero y de precios, dando una idea de aprendizaje continuo.
TEORÍA MODERNA DE LA FIRMA 14
Conclusiones• La metodología de modelos con redes neuronales
no parece estar arrojando resultados eficaces en problemas de optimización, pero se tienen resultados esperanzadores en predicción de precios, mercados financieros, y en general predicciones a corto plazo, pues para el largo plazo se necesita una cantidad suficiente de datos y una estructura definida.