Atribución-NoComercial 4.0 InternacionalGutiérrez, SarahVelásquez, Juan D.Franco., Carlos J.2019-06-282019-06-282011https://repositorio.unal.edu.co/handle/unal/38747Las redes neuronales artificiales han sido usadas exitosamente para la predicción de series de tiempo no lineales. En este artículo, se presenta una aproximación novedosa para modelar y pronosticar la volatilidad de una serie de tiempo financiera usando un perceptrón multicapa con una función adaptativa de activación; los parámetros del modelo son estimados maximizando el logaritmo natural de la función de verosimilitud de los residuos. Para garantizar que la varianza sea siempre cero o positiva, se impusieron algunas restricciones a la red neuronal artificial. Para evaluar habilidad predictiva de la aproximación propuesta, se compararon los pronósticos de un modelo ARCH y de la red neuronal; se encontró que la aproximación propuesta es capaz de pronosticar con mayor precisión la volatilidad que el modelo clásico.application/pdfspaDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/Artículo de revistahttp://bdigital.unal.edu.co/28844/info:eu-repo/semantics/openAccessARCH no linealModelos no linealesModelos de pronósticoHeterocedasticidadModelos heterocedásticos condicionalesPrecisión predictiva.