Modelos de precios de los activos: un ejercicio comparativo basado en redes neuronales aplicado al mercado de valores colombiano

Autores/as

  • Charle Londoño Universidad Nacional de Colombia
  • Yaneth Cuan Universidad de Antioquia

DOI:

https://doi.org/10.17533/udea.le.n75a11476

Palabras clave:

modelos de precios de los activos, variables macroeconómicas y financieras, mercado de valores, redes neuronales artificiales

Resumen

Este estudio tiene como finalidad evaluar la efectividad que variables tales como el tamaño de la firma y la relación del valor en libros a valor de mercado—presentes en el modelo de Fama y French—tienen para capturar el retorno esperado promedio de los activos, en comparación con los fundamentales macroeconómicos o un índice de mercado. Para este propósito, se utilizó un modelo de redes neuronales artificiales (RNA), el cual parte de una estructura de estimación no lineal que permite capturar ciertas irregularidades que presentan los mercados financieros. Se encontró que el modelo de Fama y French mostró una mejor capacidad explicativa de las condiciones del mercado de valores colombiano, esbozándose la importancia de los factores de riesgo microeconómico para explicar el retorno de los activos.

|Resumen
= 256 veces | PDF
= 95 veces| | HTML
= 169 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Charle Londoño, Universidad Nacional de Colombia

Estudiante de Maestría en Ciencias-Estadística, Universidad Nacional
de Colombia

Yaneth Cuan, Universidad de Antioquia

Economista, Universidad de Antioquia.

Citas

Ali, Ashiq; hWanG, Lee-Seok and trombley, Mark (2003). “Arbitrage Risk and Book-to-Market Anomaly”, Journal of Financial Economics, Vol. 69, pp. 355-377.

Aristizábal, María Clara (2006). “Evaluación asimétrica de una red neuronal artificial: una aplicación al caso de la inflación en Colombia”, Lecturas de Economía, Vol. 65, julio- diciembre 2006, pp.73-116.

Avramov, Doron and chordia, Tarum (2006). “Asset Pricing Models and Financial Market Anomalies”, The Review of Financial Studies, Vol. 19, No. 3, pp. 1001-1040.

Barber, Brad and lyon, John (1997). “Firm Size, Book-to-Market Ratio, and Security Returns: A Holdout Sample of Financial Firms”, The Journal of Finance, Vol. 52, No 2, junio 1997, pp. 875-883.

Cao, Qing; Leggio, Karyl and schniederJans, Marc (2005). “A Comparison between Fama and French’s Model and Artificial Neural Networks in Predicting the Chinese Stock Market”, Computers & Operations Research, Vol. 32, pp. 2499-2512.

Chen, Nai-Fu; roll, Richard and ross, Stephen (1986). “Economic Forces and the Stock Market”, The Journal of Business, Vol. 59, No. 4, Julio 1986, pp. 383-403.

ChunG, Peter; Johnson, Herb and schill, Michael (2006). “Asset Pricing When Returns are Nonnormal: Fama-French Factors Versus Higher-Order Systematic Comoments”, Journal of Business, Vol. 76, No. 2, pp. 923-940.

Connor, Gregory and linton, Oliver (2007). “Semiparametric Estimation of a Characteristic-Based Factor Model of Common Stock Returns”, Journal of Empirical Finance, Vol. 14, pp. 694-717.

Darrat, Ali and zhonG, Maosen (2000). “On Testing the Random-Walk Hypothesis: A Model Comparison Approach”, The Financial Review, Vol. 35, pp. 105-124.

Elton, Edwin and Gruber, Martin (2002). Modern Portfolio Theory and Investment Analysis. Six Edition. John Wiley & Sons.

Fama, Eugene and french, Kenneth (1992). “The Cross-Section of Expected Stock Returns”, The Journal of Finance, Vol. 47, No. 2, junio 1992, pp. 427-465.

Fama, Eugene, (1993). “Common Risk Factors in the Returns on Stock and Bond”, Journal of Financial Economics, Vol. 33, pp. 3-56.

Fama, Eugene,(1995). “Size and Book-to-Market Factors in Earnings and Returns”, The Journal of Finance, Vol. 50, No. 1, pp. 131-155.

Fama, Eugene, (1996a). “Multifactor Explanations of a Asset Pricing Anomalies”, The Journal of Finance, Vol. 51, No. 1, pp. 55-84.

Fama, Eugene, (1996b). “The CAPM is Wanted, Dead or Alive”, The Journal of Finance, Vol. 51, No. 5, pp. 1947-1958.

Fama, Eugene,(1998). “Value Versus Growth: The International Evidence”, The Journal of Finance, Vol. 53, No. 6, pp. 1975-1999.

franses, Hans Philip and van diJk, Dick (1999). Nonlinear Time Series Models in Empirical Finance, Cambrige University Press.

He, Jia and Ng, Lilian (1994). “Economic Forces, Fundamental Variables, and Equity Returns”, The Journal of Business, Vol. 67, No. 4, pp.599-609.

Jalil, Munir y misas, Matha (2007). “Evaluación de pronósticos del tipo de cambio utilizando redes neuronales y funciones de pérdida asimétrica”, Revista Colombiana de Estadística, Vol. 30, No. 1, pp. 143-161.

Jang, Jyh-Shing; sun, Chuen-Tsai and mizutani, Eiji (1997). Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligent, Upper Saddle River, Pritice Hall.

kahneman, Daniel and tversky, Amos (1979). “Prospect Theory: An Analysis of Decision Under Risk”, Econometrica, Vol. 47, No. 2, pp. 263-291.

Kim, Dongcheol and kim, Myungsun (2003). “A Multifactor Explanation of Post-Earnings Announcement Drift Source”, The Journal of Financial and Quantitative Analysis, Vol. 38, No. 2, pp. 383-398.

Koutoulas, George and kryzanoWski, Lawrence (1994). “Integration or Segmentation of the Canadian Stock Market: Evidence Based on the APT”, The Canadian Journal of Economics / Revue canadienne d’Economique, Vol. 27, No. 2, pp. 329-351.

kuan, Chung-Ming and White, Helbert (1994). “Artificial Neural Networks: An Econometric Perspective”, Econometric Riviews, Vol. 13, No. 1, pp. 1-91.

Lewellen, Jonathan (1999). “The Time-Series Relations among Expected Return, Risk, and Book-to-Market”, Journal of Financial Economics, Vol. 54, pp. 5-43.

londoño, Charle Augusto; loPera, Mauricio y restrePo, Sergio (2010). “Teoría de precios de arbitraje. Evidencia empírica para Colombia a través de redes neuronales”, Revista de Economía del Rosario, Vol. 13, No. 1, julio 2010, pp. 41-73.

Ross, Stephen (1976). “The Arbitrage Theory of Capital Asset Pricing”, Journal of Economic Theory, Vol. 13, pp. 341-353.

Rumelhart, David; hinton, Geoffrey and mcclelland, James (1986). “A General Framework for Parallel Distributed Processing”. In: rumelhart, David; mcclelland, James and the PDP Research Group (Eds.). Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol. 1: Foundations. Cambridge, MA: MIT Press.

Shaharudin, Roselee and funG, Hon Su (2009). “Does Size Really Matter? A Study of Size Effect and Macroeconomic Factors in Malaysian Stock Returns”, International Research Journal of Finance and Economics, No. 24, pp. 101-116.

SharPe, William (1964). “Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk”, Journal of Finance, Vol. 19, No. 3, pp. 425-442.

Tai, Chu-Sheng (2003). “Are Fama-French and Momentum Factors Really Priced?”, Journal of Multinational Financial Management, Vol. 13, pp. 359-384.

Wu, Xueping (2002). “A Conditional Multifactor Analysis of Return Momentum”, Journal of Banking & Finance, Vol. 26, pp. 1675-1696.

YeunG, Daniel; Cloethe, Ian; Shi, Daming and nG, Wing (2010). Sensitivity Analysis for Neural Network. Berlin Heidelberg, Springer-Verlag.

Descargas

Publicado

2012-03-22

Cómo citar

Londoño, C., & Cuan, Y. (2012). Modelos de precios de los activos: un ejercicio comparativo basado en redes neuronales aplicado al mercado de valores colombiano. Lecturas De Economía, 75(75), 59–87. https://doi.org/10.17533/udea.le.n75a11476

Número

Sección

Artículos