Aplicación de las redes neuronales en productos estructurados

Resumen

Los productos estructurados son aquellos activos de renta fija cuyos cupones estan vinculados a productos derivados o a permutas financieras. Existen tres generaciones de productos estructurados. La manera de analizar los productos estructurados es mediante el estudio de su rentabilidad con la Tasa Interna de Retorno y su riesgo mediante el analisis de la duracion. Las redes neuronales son algoritmos matematicos que captan las relaciones no lineales entre conjuntos de datos. Existen redes neuronales supervisadas y redes neuronales autoorganizadas. Las redes neuronales supervisadas son aquellas que al introducir un conjunto de datos tambien se introducen los resultados deseados. Durante la fase de entrenamiento la red descubren la relacion matematica entre los datos y los resultados. De esta manera y una vez entrenada se puede introducir nuevos datos para que la red calcule los resultados. De esta manera la red neuronal supervisada actua como una herramienta de prediccion. Las redes autoorganizadas son sistemas en los cuales solo se introducen los datos pero no los resultados deseados. La red ordena los conjuntos de datos mediante patrones similares. De esta manera la red clasifica datos de manera autonoma. En esta tesis se ha utilizado dos redes neuronales del tipo MLP para realizar una prediccion del MIBOR. La mayoria de los productos estructurados tienen su cupon indiciado al tipo de interes interbancario. De esta manera se puede prever cual de los productos tendra mejor rendimiento. Se compara la prediccion con la realizada mediante un modelo econometrico resultando mucho mejor las dos redes neuronales. Tambien se ha utilizado una red autoorganizada del tipo Mapa de kohonen para clasificar de nuevo ciertos productos estructurados. La res neuronal asocia algunos productos de segunda generacion con las mismas caracteristicas que otros de primera generacion.