000			03723nam a22004215a 4500
001			88-2019
003			CL-ChUAC
005			20210531122906.0
006			m o d |
007			cr cn|||||||||
008			210531s2019 cr |||||s|||| 000 ||spa d
022			_a1659-3359
040			_aCL-ChUAC _bspa _cCL-ChUAC
041			_aspa _bspa _beng _fspa _feng
100	1		_aParisi-Fernández, Antonino _eautor
245	1	0	_aPredicción de variaciones en el precio del petróleo con el modelo de optimización ARIMA, innovando con fuerza bruta operacional _cAntonino Parisi Fernández ; Luis Améstica Rivas ; Óscar Chileno Trujillo
246	1	1	_aPrediction of oil price variations with ARIMA optimization model, innovating with gross operating force
336			_2rdacontent _atext _btxt
337			_2rdamedia _aunmediated _bn
338			_2rdacarrier _avolume _bnc
504			_aincluye referencia bibliográfica (páginas 63-64)
520	3		_aThe present study evaluates the effectiveness of the multivariable ARIMA model with brute force for the case of the oil price, predicting the behavior of the shares in the following week of a last analyzed date. The objective is to construct a predictive model with a percentage of prediction higher than 50% and, therefore, to improve the decision making for the investors. We used the available information on the oil quotation and shares of the financial web site of three companies, Exxon Mobil, Gazprom and Rosneft, during the period from February 4th, 2011, to February 4th, 2016. It was possible to observe the variation of prices, and to compare the actual data with the variations predicted with the model. We used 12 variables, generating 100,000 random iterations with brute force, without simplex and/or solver optimization, which limited the obtaining results. With the brute-force technique, a prediction capacity of more than 60% could be established for the case of oil prices and oil company stocks.
520	3		_aLa presente investigación evalúa la eficacia del modelo ARIMA multivariable optimizado con fuerza bruta para el caso del precio del petróleo, con el fin de predecir el comportamiento de las acciones a la semana siguiente de una última fecha analizada. El objetivo es construir un modelo predictivo con un porcentaje de predicción de signo superior al 50% y, por consiguiente, mejorar la toma de decisiones para los inversionistas. Se utilizó la información disponible de la cotización del petróleo y acciones del portal web de finanzas de tres empresas, Exxon Mobil, Gazprom y Rosneft, comprendidos en el periodo del 4 de febrero de 2011 al 4 de febrero de 2016, durante el cual se pudo observar la variación de los precios, y así poder comparar los datos reales con las variaciones pronosticadas a través del modelo. Se utilizaron 12 variables, generando 100.000 iteraciones aleatorias con fuerza bruta, dado que la optimización por simplex o solver limitaba la obtención de algún resultado. Con la técnica de fuerza bruta se pudo establecer una capacidad de predicción superior al 60% para el caso del precio del petróleo y las acciones de empresas petroleras.
650		4	_aArima
650		4	_aFuerza bruta
650		4	_aPetróleo
650		4	_aRetorno
650		4	_aPrecio
650		4	_aBrute force
650		4	_aOil
650		4	_aReturn
650		4	_aPrice
700	1		_aAméstica-Rivas, Luis _ecoautor
700	1		_aChileno-Trujillo, Óscar _ecoautor
773	0		_dCartago, Costa Rica _gEnero - Abril, 2019Vol 13 Núm 1 / p. 53-70 _tTec Empresarial [artículo de revista]
856	4	1	_uhttp://bibliorepositorio.unach.cl/handle/BibUnACh/1753
942			_2ddc _cAREV
999			_c2366326 _d2366326