Redes neuronales artificiales en finanzas: evaluación de su utilidad en proyecciones
DOI:
https://doi.org/10.24275/uam/azc/dcsh/ae/2025v40n104/SegoviaPalabras clave:
Redes neuronales artificiales , Pronósticos, Finanzas , PlaneaciónResumen
Este trabajo analiza el papel de las redes neuronales artificiales (RNA) en las finanzas, centrándose en su capacidad para generar proyecciones financieras. Se revisan estudios teóricos y casos prácticos que demuestran la efectividad de las RNA en el procesamiento de grandes volúmenes de datos y en la adaptación a cambios, lo que las hace valiosas para pronósticos financieros. A través de un análisis exhaustivo de estudios recientes, se comparan diferentes enfoques de RNA con métodos tradicionales. Los casos de estudio incluyen la predicción de quiebras empresariales, la optimización de portafolios de inversión y la estimación de precios de activos como el petróleo. Se concluye que, a pesar de ciertos desafíos, las RNA ofrecen ventajas significativas en la generación de proyecciones financieras, mejorando tanto la precisión como la eficiencia en la toma de decisiones.
Clasificación JEL: C53, C45, D53, G29
Descargas
Citas
Aydin, N., Sahin, N., Deveci, M., & Pamucar, D. (2022). Prediction of financial distress of companies with artificial neural networks and decision trees models. Machine Learning with Applications, 10. 100432. https://doi.org/10.1016/j.mlwa.2022.100432
Alonso, A., y Carbó, J. (2022). Inteligencia artificial y finanzas: Una alianza estratégica. Banco de España. https://repositorio.bde.es/handle/123456789/23434
Becerra, M., Ortega, A., Montañez-Barrera, A., y López, S. (2018). Redes neuronales en predicción de mercados financieros: Una aplicación en la Bolsa Mexicana de Valores. Pistas educativas, 40(130), 2008-2104. https://pistaseducativas.celaya.tecnm.mx/index.php/pistas/article/view/1778
Botero, J., y Álvarez, L. (2013). Caracterización de la gestión de pronósticos de demanda empresarial [Tesis de grado]. Universidad del Rosario.
Casaliglla, P. (2016). Gestión del riesgo de liquidez en una institución financiera utilizando un modelo híbrido entre la metodología ARIMA y Redes Neuronales Artificiales [Tesis de maestría]. Universidad Andina Simón Bolívar. http://hdl.handle.net/10644/4872
Castro, A., Reyes, E., y Albor, G. (2019). Pronóstico de ventas de las empresas del sector alimentos: Una aplicación de redes neuronales. Semestre Económico, 22(52), 161-177. https://doi.org/10.22395/seec.v22n52a7
Cedeño-Choez, P. (2020). El procedimiento contable como herramienta de proyección de las finanzas empresariales. Dominio de las
Ciencias, 6(4), 926-939. https://doi.org/10.23857/dc.v6i4.1511
Del Carpio, J. (2005). Las redes neuronales artificiales en las finanzas. Industrial Data, 8(2), 28-32. https://doi.org/10.15381/idata.v8i2.6180
Escalona, K., Paz, M., y Viloria, M. (2019). Proyección estados financieros básicos: La situación económica y financiera en las pequeñas y medianas empresas (PYMES). Revista Enfoques, 3(10), 126–134. https://doi.org/10.33996/revistaenfoques.v3i10.60
Flórez, R., y Fernández, J. (2008). Las redes neuronales artificiales. Fundamentos teóricos y aplicaciones prácticas. Oleiros: Netbiblo.
García, M. (2000). Análisis e interpretación de la información financiera reexpresada (3a ed.). Grupo Patria Cultural.
Guerrero, G. (2022). Optimización de portafolios de inversión en la Bolsa Mexicana de Valores utilizando redes neuronales artificiales [Tesis de maestría]. Universidad Autónoma de Querétaro. https://ri-ng.uaq.mx/handle/123456789/8672
Gershenson, C. (2003). Artificial neural networks for beginners. arXiv:cs/0308031v1. https://doi.org/10.48550/arXiv.cs/0308031
Gupta, N., & Nigam, S. (2020). Crude oil price prediction using artificial neural network. Procedia Computer Science, 170, 642-647. https://doi.org/10.1016/j.procs.2020.03.136
Hilera, J., & Martínez, V. (1995). Redes neuronales artificiales: Fundamentos, modelos y aplicaciones. Rama Editorial.
Lara, E. (2003). Primer curso de contabilidad (18a ed.). Trillas.
Lozano, J., Garzón, M., y Zurdo, R. (2018). La gestión de pronóstico en las decisiones empresariales: Un análisis empírico. Espacios, 39(13), 6-12. https://www.revistaespacios.com/a18v39n13/a18v39n13p01.pdf
Makridakis, S., & Wheelwright, S. (1979). Forecasting: Studies in the Management Sciences, 12.
Martínez-González, M., Saavedra, M., y Sánchez, M. (2021). Modelo de proyección financiera para el sector construcción. Lúmina, 22(1), 1-32. https://doi.org/10.30554/lumina.v22.n1.4092.2021
Melchor, A. (2010). Uso de redes neuronales artificiales para el pronóstico de la inflación [Tesis de grado]. Universidad Nacional Autónoma de México. https://ru.dgb.unam.mx/handle/20.500.14330/TES01000659036
Méndez, M., Del Rey, T., Mínguez, R., Requena, L., Menéndez, L., Sánchez, I., Rodríguez, P., Picaporte, J., y López, M. (2009). Matemáticas y economía. Cultural.
Mentzer, J., & Kahn, K. (1997). State of sales forecasting in corporate America. Journal of Business Forecasting Methods and Systems, 16(1), 6-13. https://ibf.org/knowledge/jbf-articles/state-of-forecasting-systems-incorporate-america-255
Morales, A., y García, O. (2013). Las redes neuronales artificiales como una herramienta de análisis en la determinación de las empresas que permanecen listadas o deslistadas dentro de la Bolsa Mexicana de Valores. Revista Ciencia, 5(3), 1-11. https://www.uaq.mx/investigacion/revista_ciencia@uaq/ArchivosPDF/v5-n3/art3.pdf
Morel, G. (2012). Predicción de crisis financieras utilizando redes neuronales artificiales: Un ejercicio para la economía mexicana [Tesis de maestría]. Universidad Nacional Autónoma de México. https://ru.dgb.unam.mx/handle/20.500.14330/TES01000685868
Núñez, A. (2020). La planificación financiera: Una herramienta clave para el logro de los objetivos empresariales. Revista Universidad y Sociedad, 12(3), 160-166.
Ortiz, F. (2017). Pronóstico de precios de petróleo: Una comparación entre modelos GARCH y redes neuronales diferenciales. Investigación Económica, 76(300), 105–126. https://doi.org/10.1016/j.inveco.2017.06.002
Ortiz, R., y Velázquez, C. (2002). Aplicación de redes neuronales artificiales (RNA) en el pronóstico de ventas [Tesis de grado]. Universidad Nacional Autónoma de México. https://repositorio.unam.mx/contenidos/aplicacion-de-redes-neuronales-artificiales-rna-en-el-pronostico-de-ventas-3466852?c=n9X1M6&d=false&q=*:*&i=9&v=1&t=search_0&as=0
Pérez, F., y Fernández, H. (2007). Las redes neuronales y la evaluación del riesgo de crédito. Revista Ingenierías, 6(10), 71-91. http://www.scielo.org.co/pdf/rium/v6n10/v6n10a07.pdf
Romero, J. (2006). Principios de contabilidad (3a ed.). McGraw Hill.
Rojas, R. (1996). Neural networks: A systematic introduction. Springer.
Russell, S., y Norvig, P. (2004). Inteligencia artificial: Un enfoque moderno. Pearson Education.
Sinisterra, G., Polanco, L., & Henao, H. (2011). Contabilidad: sistemas de información para las organizaciones (6a ed.). McGraw-Hill.
TICPymes. (2023). Red neuronal artificial: ¿Qué es? https://www.ticpymes.es/a-fondo/red-neuronalartificial-que-es/
Toro, E., Mejía, D., y Salazar, H. (2004). Pronóstico de ventas usando redes neuronales. Scientia et Technica, 26(10), 25-30. https://www.redalyc.org/pdf/849/84911640006.pdf
Velázquez, J., Zambrano, C., & Vélez, L. (2011). ARNN: Un paquete para la predicción de series de tiempo usando redes neuronales autorregresivas. Revista Avances en Sistemas e Informática, 8(2), 177-181. https://repositorio.unal.edu.co/bitstream/handle/unal/38753/26744-93664-1-PB.pdf?sequence=1
Vélez Vélez, A., Marín Barrera, J., Monsalve Echavarría, J. D., Trejos Pérez, E., & Duque Bedoya, J. (2023). Uso de la inteligencia artificial para la optimización de los procesos financieros y contables [Tesis de pregrado]. Tecnológico de Antioquia. https://dspace.tdea.edu.co/handle/tdea/4470
Zhang, G. (2004). Neural networks in business forecasting. Idea Group Publishing
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Darío Alejandro Segovia Hernández, Rosa Marina Madrid Paredones, Luis Enrique Gómez Medina
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
