Predicting the Benchmark Banking Indicator (IBR) Time Series through Neural Networks

Revista Mutis

View Publication Info
 
 
Field Value
 
Title Predicting the Benchmark Banking Indicator (IBR) Time Series through Neural Networks
Predicción de la serie temporal del indicador bancario de referencia (IBR) con redes neuronales
 
Creator Coy Mondragón, Germán Enrique
Granados, Óscar
Garcia-Bedoya, Olmer
 
Subject Time Series
machine learning
LSTM Network
Root Mean Square Error (RMSE)
ARIMA
Pearson Correlation Coefficient
series de tiempo
aprendizaje automático
redes LSTM
ARIMA
coeficiente de correlación de Pearson
 
Description In recent years, predicting the behavior of the Benchmark Banking Indicator (IBR) has become relevant due to its importance in the Colombian money market. The purpose of this paper is to demonstrate the efficiency of LSTM networks for generating predictions of time series —through their long and short-term memory— that are comparable with the ARIMA predictive model for econometric studies. The incidence of the representative market rate (TRM) and the rate of 10-year public debt bonds (TES) was analyzed and compared to the IBR, seeking to determine its correlation through the Pearson method. Finally, the model efficiency was evaluated with the mean square error (RMSE), using a multivariable LSTM network with three inputs (IBR, TES, and TRM) and one output.
En años recientes, la predicción del comportamiento del Indicador Bancario de Referencia (IBR) se ha hecho relevante debido a su importancia en el mercado monetario colombiano. El propósito de este trabajo es demostrar la eficiencia de las redes LSTM en la generación de predicciones de series de tiempo —a través de su memoria a corto y largo plazo— que sean comparables con el modelo predictivo ARIMA para estudios econométricos. Se analizó la incidencia de la tasa representativa de mercado (TRM) y la tasa de los bonos de la deuda pública (TES) a 10 años, comparando ambos indicadores con el IBR. Con lo anterior, se buscó determinar la correlación existente entre estas variables mediante el método de Pearson. Finalmente, la eficiencia del modelo fue evaluada con el error cuadrático medio (RMSE), utilizando una red LSTM multivariable con tres entradas (IBR, TES y TRM) y una salida.
 
Publisher Universidad de Bogotá Jorge Tadeo Lozano
 
Date 2021-05-05
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier https://revistas.utadeo.edu.co/index.php/mutis/article/view/1748
10.21789/22561498.1748
 
Source Revista Mutis; Vol. 11 Núm. 1 (2021)
Revista Mutis; Vol. 11 No. 1 (2021)
2256-1498
 
Language spa
 
Relation https://revistas.utadeo.edu.co/index.php/mutis/article/view/1748/1767
 
Rights Derechos de autor 2021 Revista Mutis
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library