Publicación: Optimización de portafolios : un análisis comparativo de estrategias convencionales vs. algoritmos genéticos para los mercados de Estados Unidos y Colombia
Fecha
2024
Autores
Vélez Bunzl, Juan José
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Investment portfolio optimization is an aspect of vital interest for investors; considering there are different methods for achieving this goal, the question arises about which of them allows to obtain the optimal portfolio. The purpose of this thesis is to perform a comparison between different approaches such as Markowitz and inverse variance, among others, with an optimization technique using genetic algorithms. Furthermore, it is intended to analyze the results obtained by these methodologies in a developed market like the United States and in a less developed one like Colombia. To do this, historical data on 10 of the leading stocks from the S&P500 and Colcap indexes were collected, while portfolios were constructed using Matlab and Phyton; with this, it is expected to demonstrate whether the use of artificial intelligence (AI) techniques such as genetic algorithms, can generate portfolios with a better performance than those produced through other methodologies. Also, it is important to assess the influence of the type of market we are dealing with in this outcome.
Descripción
La optimización de portafolios de inversión es una cuestión de vital interés para los inversionistas; debido a que existen diferentes métodos para ello, surge la cuestión de cuál de estos permite obtener el portafolio más eficiente. El propósito de esta tesis es realizar una comparación entre diferentes aproximaciones tales como los modelos de Markowitz, de varianza inversa, entre otros, con una técnica de optimización usando algoritmos genéticos; a su vez, se pretende analizar los resultados obtenidos mediante estas metodologías en un mercado desarrollado como el americano y uno poco desarrollado como el colombiano. Se recolectaron datos históricos de diez de las principales acciones de los índices S&P500 y Colcap y usando Matlab y Python se construyeron los portafolios para comprobar si el uso de herramientas de inteligencia artificial como los algoritmos genéticos pueden generar portafolios con mejor desempeño que otras metodologías y también la influencia del tipo de mercado en el resultado final.