Kristjanpoller Rodriguez, Werner DavidSCAVIA DAL POZZO, JAVIERVILLENA CHAMORRO, MARCELOTapia Varas, Sebastián Orlando2024-10-022024-10-022017https://repositorio.usm.cl/handle/123456789/20583Catalogado desde la version PDF de la tesis.Se propone un nuevo modelo híbrido para el pronóstico de la volatilidad de la bitcoin,que mezcla modelos econométricos con inteligencia artificial. El modelo propuesto AMEMANNmuestra pronosticar con mayor exactitud que los modelos econometricos por si solos.Los residuales calculados de forma multiplicativa son ingresados a la red neuronal, parade esta manera capturar los patrones no lineales de la serie de volatilidad de la bitcoinque no son captados por el modelo econométrico. Se realiza un análisis de sensibilidadvariando los parámetros de la red (capas y neuronas), evaluando además para diferentesventanas móviles, de 200, 280 y 365 días. Los resultados son comparados con los modeloseconométricos AMEM y HAR, además del modelo híbrido HAR-ANN.Los resultados indican que existe una disminución de las métricas de error en comparacióncon los modelos HAR, AMEM y HAR-ANN. Logrando una disminución de un12; 265% en términos de MSE con respecto al mejor modelo econométrico. Los resultadosal ser evaluados estadísticamente mediante el Model Confidence Set (MCS), muestranque el modelo con ventana de 280 días con 50 autorregresivos de error con 4 capas y 10neuronas es el mejor modelo dentro de los modelos evaluados, no existiendo un mejormodelo para pronosticar dentro del periodo de evaluaciónCD ROMAMEMBITCOINPRONOSTICORED NEURONALVOLATILIDADPROPUESTA PARA MEJORAR EL PRONÓSTICO DE LA VOLATILIDAD DE LA BITCOIN MEDIANTE EL USO DE UN MODELO HÍBRIDO QUE MEZCLA "ASYMMETRIC MULTIPLICATIVE ERROR MODEL" E INTELIGENCIA ARTIFICIALTesis PregradoB - Solamente disponible para consulta en sala (opción por defecto)3560900257340