Maestría en Administración Financiera · 2025
Machine learning como alternativa al modelo de Markowitz : evaluación comparativa de rentabilidad y riesgo en el mercado bursátil español (2014-2024)
Este trabajo corresponde a la versión ajustada del trabajo de fin de máster presentado en la Universidad Pompeu Fabra-Barcelona School of Management (UPF-BSM), dentro del programa de doble titulación con la Universidad EAFIT. El estudio busca determinar si las estrategias basadas en modelos de machine learning (ML) constituyen una alternativa válida al modelo tradicional de Markowitz para la construcción de portafolios de inversión. Se analizaron precios diarios de 36 acciones del mercado bursátil español entre 2014 y 2024, utilizando modelos supervisados de clasificación (regresión logística, árboles de decisión, random forest, KNN y XGBoost) para predecir la dirección del precio y generar señales de compra. Los resultados muestran que, sin costos de transacción, Markowitz obtiene mayor rentabilidad; sin embargo, los modelos de ML presentan mejor control del riesgo y desempeño superior en escenarios con costos. Se concluye que su integración ofrece estrategias híbridas más eficientes bajo condiciones de mercado reales.
Texto completo 52 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Introducciónp. 7
- Motivaciónp. 7
- Objetivo generalp. 8
- Objetivos específicosp. 8
- Pregunta de investigaciónp. 8
- Marco teóricop. 8
- Fundamentos del modelo de Markowitzp. 9
- Fundamentos del aprendizaje automático machine learning (ML)p. 10
- Revisión de la literaturap. 12
- Aplicaciones de ML a la construcción de portafoliosp. 12
- Predicción de precios mediante ML e indicadores técnicosp. 13
- Metodologíap. 14
- Selección de accionesp. 14
- Periodo de estudiop. 16
- Metodología para predecir las direcciones futuras de las acciones con MLp. 17
- Problemas de pronósticosp. 17
- Variable objetivop. 18
- Variables predictorasp. 19
- Modelos de pronósticosp. 21
- Entrenamiento de modelosp. 22
- Métricas de evaluación: balanced accuracyp. 23
- Validación cruzadap. 24
- Predicción finalp. 24
- Estrategia de trading basada en MLp. 25
- Generación de señales de tradingp. 25
- Reglas de negociaciónp. 27
- Parámetros de negociaciónp. 28
- Estrategias de inversión con el modelo de Markowitzp. 30
- Métricas de desempeñop. 32
- Resultadosp. 34
- Selección del mejor modelop. 34
- Resultados del análisis de sensibilidad para la inversión máximap. 36
- Selección de la ventana móvil óptimap. 37
- Comparación de las estrategias de inversiónp. 38
- Rentabilidadp. 38
- TCACp. 38
- Volatilidadp. 38
- Max drawdownp. 42
- Ratio de Sharpep. 38
- Conclusionesp. 44
- Anexos…p. 46
- Anexo 1. Distribución de clases de las accionesp. 46
- Anexo 3. Evolución de las estrategias a los diferentes costes de transacciónp. 49
- Anexo 3. Gráfico max drawdownp. 51
- Referenciasp. 51