The ability to obtain accurate volatility forecasts is an important issue for the financial analyst. In this paper, we use the DAN2 model, a multilayer perceptronand an ARCH model to predict the monthly conditional variance of stock prices.The results show that DAN2 model is more accurate for predicting in-sample andout-of-sample variance that the other considered models for the used data set. Thus, the value of this neural network as a predictive tool is demonstrated.

La capacidad de obtener pronósticos precisos de volatilidad es un tema importante para el analista financiero. En este artículo, utilizamos el modelo DAN2, un modelo de percepción multicapa y un modelo ARCH para predecir la varianza condicional mensual de los precios de las acciones. Los resultados muestran que el modelo DAN2 es más preciso para predecir la varianza dentro y fuera de la muestra que el otro consideró modelos para el conjunto de datos utilizado. Por lo tanto, se demuestra el valor de esta red neuronal como herramienta predictiva.