Comparación de modelos de series temporales ARIMA, SARIMAX y LSTM para la predicción del índice COLCAP
Fecha
2024
Autores
Osorio Aristizábal, David Santiago
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
Este trabajo de grado realiza un análisis comparativo de tres enfoques de modelado predictivo para el índice COLCAP: ARIMA, SARIMAX y LSTM. El objetivo es evaluar la precisión y eficacia de cada modelo para proporcionar predicciones precisas del índice bursátil utilizando variables exógenas. Se inicia implementando el modelo ARIMA debido a su simplicidad y, posteriormente, se utiliza el modelo SARIMAX, que extiende el ARIMA incorporando componentes estacionales y variables exógenas, el cual permitió identificar las variables Financial Times Stock Exchange de Colombia (FTSE COLOMBIA), índice de Mercados Emergentes (EMM), precio del petróleo crudo en su especie brent (BRENT) y el Global X MSCI Colombia ETF (GXG) como las de mejor relación con el COLCAP. Finalmente se implementó un modelo de red neuronal recurrente LSTM (Long Short-Term Memory) con las variables exógenas obtenidas en el modelo SARIMAX.
Con los resultados del análisis comparativo, se concluyó que el modelo SARIMAX tiene buena capacidad para ajustarse a la serie COLCAP pero su capacidad de predicción se ve limitada al conocimiento futuro de las variables exógenas. Además, el modelo LSTM permite superar esta limitación al aprender las relaciones entre las variables exógenas y la serie temporal objetivo.