Evaluación del efecto de incluir la predicción de rendimientos mediante la técnica de Support Vector Machines en la eficiencia del modelo de media-varianza de Markowitz

Vista sencilla de ítem
dc.contributor.advisorBotero Ramírez, Juan Carlos
dc.contributor.authorAristizábal Nieto, Eliana Jiset
dc.contributor.authorGarcía Agudelo, Estefanía
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Administración Financieraspa
dc.creator.emailejaristizn@eafit.edu.co
dc.creator.emailegarciaa1@eafit.edu.co
dc.date.accessioned2024-08-05T20:30:41Z
dc.date.available2024-08-05T20:30:41Z
dc.date.issued2024
dc.descriptionLa optimización de portafolios de inversión busca maximizar los rendimientos esperados dados ciertos niveles de riesgo, y durante este proceso se requiere tener diferentes variables en un sistema no lineal, ruidoso por la complejidad del mercado, entendiéndose como un sistema que se ve afectado por diferentes condiciones externas que pueden ser no controlables, donde está presente la volatilidad influenciada por factores no predecibles. En este trabajo, se lleva a cabo un análisis de los resultados obtenidos al integrar los modelos clásicos de conformación de portafolios, las técnicas de aprendizaje automático (Machine Learning), específicamente el conjunto de algoritmos denominados “Máquinas de Vectores de Soporte (SVM)” o Support Vector Machines por sus siglas en inglés. Estos algoritmos permiten analizar grandes cantidades de datos y estimar la serie histórica del retorno de los activos, obteniendo así un modelo de optimización híbrido. Para los experimentos numéricos, se emplean datos históricos de los mercados de valores de Estados Unidos y Colombia; un conjunto de los datos es usado para el entrenamiento del modelo (Training Set) y otro para las pruebas (Testing Set). Finalmente se evalúa la eficiencia del modelo de manera comparativa con la teoría de selección de cartera de media varianza propuesto por Makowitz.
dc.description.abstractPortfolio investment optimization aims to maximize expected returns given certain levels of risk. This process requires dealing with different variables in a nonlinear, noisy system due to market complexity. This is understood as a system that is affected by different external conditions that may be uncontrollable, where volatility influenced by unpredictable factors is present. In this study, an analysis of the results obtained by integrating machine learning techniques, specifically the set of algorithms called Support Vector Machines (SVM), into classical portfolio construction models is conducted. These algorithms allow for the analysis of large amounts of data and the estimation of asset return time series, resulting in a hybrid optimization model. Historical data from the stock markets of the United States and Colombia are used for numerical experiments; one set of data is used for model training (Training Set) and another for testing (Testing Set). Finally, the efficiency of the model is evaluated comparatively with the mean-variance portfolio selection theory proposed by Markowitz.
dc.formatapplication/pdfeng
dc.identifier.urihttps://hdl.handle.net/10784/34260
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Finanzas, Economía y Gobierno. Departamento de Finanzasspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Administración Financieraspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectOptimización de portafolios
dc.subjectPredicción de rendimientos
dc.subject.keywordPortfolio Optimization
dc.subject.keywordMachine Learning
dc.subject.keywordSupport Vector Machines
dc.subject.keywordYield Prediction
dc.subject.keywordMarkowitz
dc.subject.lembADMINISTRACIÓN FINANCIERA
dc.subject.lembFINANZAS
dc.subject.lembFINANZAS CORPORATIVAS
dc.subject.lembPORTAFOLIO DE INVERSIONES
dc.titleEvaluación del efecto de incluir la predicción de rendimientos mediante la técnica de Support Vector Machines en la eficiencia del modelo de media-varianza de Markowitz
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaOtro

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
ElianaJiset_AristizabalNieto_Estefania_GarciaAgudelo_2024.pdf
Tamaño:
2.59 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
216.15 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
576.83 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Administración Financiera (tesis)