Maestría en Analítica Estratégica de Datos · 2026
Análisis de consumo de bebidas azucaradas en el territorio Colombiano del año 2022 al 2024
El consumo de bebidas azucaradas representa un desafío para la salud pública y ha motivado la adopción de políticas fiscales orientadas a desincentivar su ingesta. En Colombia, la Ley 2277 de 2022 introdujo un impuesto a estos productos. Este estudio analiza la evolución del consumo de bebidas azucaradas entre 2022 y 2024 y su relación con factores socioeconómicos y educativos. Se emplea un enfoque cuantitativo basado en aprendizaje automático no supervisado, específicamente K-Means, utilizando datos oficiales del DANE expresados como tasas por cada 100.000 habitantes. Se identifican clústeres poblacionales según patrones de consumo, nivel educativo, acceso a servicios públicos y bienestar subjetivo, y se realiza un análisis longitudinal de su estabilidad. Los resultados evidencian una relación inversa entre nivel educativo y consumo, así como mayores niveles en clústeres con vulnerabilidad económica. No se observan cambios estadísticamente significativos tras la implementación del impuesto, lo que sugiere persistencia en los patrones observados.
Texto completo 93 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Resumenp. 8
- Introducciónp. 9
- Planteamiento del problemap. 11
- Descripción del problema de investigaciónp. 11
- Marco teóricop. 12
- Antecedentesp. 12
- Marco conceptualp. 14
- Metodología de desarrollop. 14
- Fundamentos de la Teoría Moderna de Carteras (Modern Portfolio Theory - MPT)p. 17
- Aprendizaje por Refuerzo (RL)p. 21
- Metodología Proximal Policy Optimization (PPO)p. 25
- Objetivosp. 30
- Objetivo generalp. 30
- Objetivos específicosp. 30
- Justificaciónp. 31
- Metodologíap. 32
- Comprensión del negociop. 33
- Comprensión de los Datos (Data Understanding)p. 16
- Fuente de los datosp. 35
- Periodo evaluadop. 36
- Selección de activosp. 36
- Descripción de las etapas del Análisis Exploratorio de Datos (EDA)p. 37
- Preparación de los Datos (Data Preparation)p. 16
- Tratamiento de Series Temporales (Retornos)p. 44
- Análisis de Asimetríap. 47
- Análisis de Curtosisp. 47
- Análisis aplicado a los modelos utilizadosp. 48
- Estadísticas descriptivas de retornosp. 49
- Visualización de la distribución de retornosp. 50
- Análisis de Volatilidadp. 51
- Drawdownp. 52
- Cálculo de métricasp. 55
- Matriz de Covarianzap. 56
- Modelado (Modeling)p. 16
- Diseño del Experimento (Test Design)p. 58
- Implementación del Modelo de Markowitzp. 59
- Implementación del Agente PPO (Reinforcement Learning)p. 60
- Evaluaciónp. 63
- Análisis de la Evolución del Aprendizajep. 63
- Comparativa de Desempeño: Agente PPO vs. Benchmark (SPY)p. 64
- Desplieguep. 69
- Implementación Técnica en Hugging Face Spacesp. 69
- Análisis de Funcionalidad y Valor Agregadop. 69
- Resultadosp. 70
- Hallazgosp. 70
- Resultados Markowitzp. 71
- Resultados Agente PPOp. 74
- Comparativo entre los dos modelos evaluadosp. 76
- Conclusionesp. 78
- Limitaciones y Recomendaciones para Trabajos Futurosp. 80
- Limitaciones del estudiop. 81
- Recomendaciones para dar continuidad a esta línea de investigaciónp. 81
- Bibliografíap. 82
- Anexosp. 84
- Figura 1 Ciclo de vida de minería de datos en metodología CRISP-DMp. 15
- Figura 2 Comparación de enfoques de Machine Learningp. 22
- Figura 3 Arquitectura Actor-Crítico (Actor-Critic)p. 27
- Figura 4 Función Objetivo Recortada de PPOp. 28
- Figura 5 Crecimiento global de activos gestionados por Robo-Advisors (2017-2023)p. 31
- Figura 6 Evolución histórica de los precios de cierre del ETF SPY (2015-2025)p. 38
- Figura 7 Evolución histórica de los precios de cierre del ETF DAX (2015-2025)p. 39
- Figura 8 Evolución histórica de los precios de cierre del ETF GLD (2015-2025)p. 40
- Figura 9 Matriz de correlación de retornosp. 43
- Figura 10 Retornos anuales porcentuales del ETF SPY (2015-2025)p. 45
- Figura 11 Retornos anuales porcentuales del ETF DAX (2015-2025)p. 45
- Figura 12 Retornos anuales porcentuales del ETF GLD (2015-2025)p. 46
- Figura 13 Retorno histórico acumulado de los activos del portafolio (DAX, GLD, SPY)p. 46
- Figura 16 Drawdown máximo acumulado histórico del ETF SPY (2015-2025)p. 53
- Figura 17 Drawdown máximo acumulado histórico del ETF DAX (2015-2025)p. 53
- Figura 18 Drawdown máximo acumulado histórico del ETF GLD (2015-2025)p. 54
- entrenamientop. 64
- (SPY)p. 63
- periodo de pruebap. 65
- Estrategia Buy & Hold (SPY)p. 66
- 5% durante el periodo de pruebap. 67
- Estrategia Buy & Hold (SPY)p. 67
- 10% durante el periodo de pruebap. 68
- (Máximo Sharpe, Mínima Varianza y Retorno Objetivo)p. 73
- GLD, SPY)p. 38
- (Primero 5 registros)p. 41
- Tabla 3 Rendimientos anuales porcentuales de los activos seleccionados (2015-2025)p. 42
- Tabla 4 Coeficientes de asimetríap. 47
- Tabla 5 Coeficientes de curtosisp. 48
- SPY)p. 49
- Tabla 7 Métricas de desempeño anualizado (Retorno y Volatilidad)p. 55
- Tabla 8 Matriz de Covarianza anualizadap. 56
- Tabla 10 Resultados en valores de Markowitzp. 72
- agente PPOp. 77
- agente PPOp. 77
- vs. Agente PPOp. 77