Modelos neuroborrosos para la predicción económica

Abstract

El trabajo aborda un estudio general de los modelos neuroborrosos, sistemas híbridos dotados a la vez de la estructura de un sistema de reglas borrosas y de un mecanismo de entrenamiento de tipo neuronal. Los modelos neuroborrosos son sometidos a dos tipos de análisis. En primer lugar se obtienen un conjunto de teoremas de aproximación universal en diferentes espacios de funciones, que generalizan resultados existentes, y a continuación se analizan en el marco de la inferencia estadística los procesos de aprendizaje a partir de muestras en los modelos neuronales y borrosos. El análisis inferencial comienza con un primer grupo de resultados referidos a las capacidades de aproximación no paramétrica de estos modelos, en los que se hace uso de los tamices, para posteriormente analizar el aprendizaje de los modelos neuroborrosos desde la óptica de la estimación paramétrica, estudiando el comportamiento asintótico de una serie de mecanismos de entrenamiento (estimadores analógicos, algoritmos recursivos, aprendizaje no supervisado, estimación en dos fases). Finalmente se dedica un capítulo al estudio de un conjunto de aplicaciones prácticas de estos modelos, tanto a datos artificiales como a diversas series económicas, que ilustran sus ventajas y permiten extraer algunas conclusiones sobre su utilización.