Clasificación basada en Perceptrones Multicapa con aplicación a la detección de valores atípicos en los rendimientos bursátiles de Arabia Saudita
Autores: Rashedi, Khudhayr A.; Ismail, Mohd Tahir; Al Wadi, Sadam; Serroukh, Abdeslam; Alshammari, Tariq S.; Jaber, Jamil J.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Clasificación basada en Perceptrones Multicapa con aplicación a la detección de valores atípicos en los rendimientos bursátiles de Arabia Saudita
Categoría
Gestión y administración
Subcategoría
Gestión de recursos
Palabras clave
Detectar valores atípicos
índices diarios de precios de acciones
Bolsa de valores de Arabia Saudita
Perceptrón Multicapa
Tasa de inflación
Precio del petróleo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Nuestro objetivo es detectar valores atípicos en los índices diarios de precios de acciones de la bolsa de valores de Arabia Saudita (Tadawul) con 2026 observaciones desde octubre de 2011 hasta diciembre de 2019 proporcionadas por la Autoridad Saudita de Estadísticas y el Banco Central Saudita. Aplicamos el algoritmo de Perceptrón Multicapa (MLP) para detectar valores atípicos en los rendimientos de las acciones. Seleccionamos la tasa de inflación (Inflación), el precio del petróleo (Loil) y la tasa de recompra (Repo) como variables de entrada para la arquitectura MLP. El rendimiento del MLP se evalúa utilizando métricas estándar para clasificación binaria, a saber, la tasa de falsos positivos (tasa FP), la tasa de falsos negativos (tasa FN), la medida F, el coeficiente de correlación de Matthews (MCC), la precisión (ACC) y el área bajo la curva ROC (AUC). Los resultados demuestran la eficiencia y el buen rendimiento del algoritmo MLP basado en diferentes pruebas de criterios.
Descripción
Nuestro objetivo es detectar valores atípicos en los índices diarios de precios de acciones de la bolsa de valores de Arabia Saudita (Tadawul) con 2026 observaciones desde octubre de 2011 hasta diciembre de 2019 proporcionadas por la Autoridad Saudita de Estadísticas y el Banco Central Saudita. Aplicamos el algoritmo de Perceptrón Multicapa (MLP) para detectar valores atípicos en los rendimientos de las acciones. Seleccionamos la tasa de inflación (Inflación), el precio del petróleo (Loil) y la tasa de recompra (Repo) como variables de entrada para la arquitectura MLP. El rendimiento del MLP se evalúa utilizando métricas estándar para clasificación binaria, a saber, la tasa de falsos positivos (tasa FP), la tasa de falsos negativos (tasa FN), la medida F, el coeficiente de correlación de Matthews (MCC), la precisión (ACC) y el área bajo la curva ROC (AUC). Los resultados demuestran la eficiencia y el buen rendimiento del algoritmo MLP basado en diferentes pruebas de criterios.