TEORÍA MODERNA DE LA FIRMA 1

REDES NEURONALES ARTIFICIALES (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 OPTIMIZACIÓ

N

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

estocástico TEORÍA 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 INFORMACIO

N

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.