Segovia Vera, Juan PabloFajardo Bernal, Pablo Ignacio2026-03-052026-03-052025https://repositorio.udec.cl/handle/11594/13703Tesis presentada para optar al título de Ingeniero/a Civil Electrónico/a.La presente memoria desarrolla un modelo de predicción de precios en el mercado financiero basado en un Sistema de Inferencia Neuro-Difuso Adaptativo (ANFIS). Este sistema utiliza indicadores técnicos como entradas primarias, extendido con variables macroeconómicas para mejorar su capacidad predictiva en diferentes horizontes temporales. Las empresas analizadas fueron CMPC y Antofagasta Minerals, representando sectores clave de la economía chilena: forestal y minería, respectivamente. El trabajo se estructura en tres fases principales: (1) desarrollo preliminar del modelo ANFIS con indicadores técnicos, (2) configuración y evaluación del modelo base para combinaciones de 4 variables, y (3) extensión del modelo mediante la integración de variables macroeconómicas relevantes como el tipo de cambio, precios de commodities e índices económicos. Se evaluaron métricas estándar como RMSE, MAPE y R² para determinar el desempeño de los modelos en validación y predicción, comparando el impacto de los horizontes temporales en la precisión de las estimaciones. Los resultados muestran que el modelo ANFIS tiene un desempeño superior en horizontes de predicción cortos (𝑡 + 1 y 𝑡 + 5), siendo más preciso con indicadores técnicos. Sin embargo, al incorporar variables macroeconómicas, el modelo demostró mayor estabilidad y precisión en horizontes medianos y largos (𝑡 + 15 y 𝑡 +30). Además, se identificaron diferencias significativas en el desempeño entre ambas empresas, destacando la influencia del tipo de cambio en CMPC y del precio de los metales en Antofagasta Minerals. Este trabajo contribuye a la literatura existente al combinar indicadores técnicos y variables macroeconómicas en un enfoque híbrido, proporcionando una metodología robusta para el análisis y predicción de precios en mercados financieros.This thesis develops a financial market price prediction model based on an Adaptive Neuro Fuzzy Inference System (ANFIS). The model utilizes technical indicators as primary inputs, extended with macroeconomic variables to enhance predictive capability across different time horizons. The analyzed companies were CMPC and Antofagasta Minerals, representing key sectors of the Chilean economy: forestry and mining, respectively. The study is divided into three main phases: (1) preliminary development of the ANFIS model with technical indicators, (2) configuration and evaluation of the base model using combinations of 4 and 5 variables, and (3) extension of the model by integrating relevant macroeconomic variables such as exchange rates, commodity prices, and economic indices. Standard metrics, including RMSE, MAPE, and R², were used to assess model performance in validation and prediction, with a focus on the impact of time horizons on prediction accuracy. The results indicate that the ANFIS model performs best in short prediction horizons (𝑡 + 1 y 𝑡 +5), showing higher precision with technical indicators. However, when macroeconomic variables were included, the model exhibited greater stability and accuracy in medium and long term horizons (𝑡 + 15 y 𝑡 + 30). Significant differences were identified between the companies, highlighting the impact of the exchange rate on CMPC and metal prices on Antofagasta Minerals. This study contributes to existing literature by combining technical indicators and macroeconomic variables in a hybrid approach, providing a robust methodology for price analysis and prediction in financial markets.esCC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 InternationalAnálisis económicoMercado financieroIndicadores económicosThesis