Resumen

El objetivo de este trabajo de investigación es analizar el ajuste y nivel de predicción que presentan diferentes modelos lineales y no lineales sobre el precio del oro cotizado en la bolsa de Nueva York. Serán empleados los modelos lineales de Caminata Aleatoria y diversas especificaciones ARIMA de la metodología Box-Jenkins (1970) y modelos no lineales Perceptrón Multicapa de Redes Neuronales Artificiales. Los datos empleados son tomados de la página web www.kitco.com en enero de 2010, para el periodo que transcurre del 2 de enero del 2002 al 29 de diciembre del 2005. Como principal resultado se encontró que el modelo Perceptrón Multicapa presenta mejores medidas de evaluación Error Absoluto Medio (MAE) y Raíz del Error Cuadrático Medio (RMSE), pero la especificación ARIMA(4,1,4) presenta una mayor cantidad de aciertos al modelar la tendencia.