Ciencia de Datos
Optimización dinámica de portafolios con aprendizaje por refuerzo
La construcción de portafolios financieros es un problema secuencial: en cada periodo se observa nueva información, se decide una asignación y se asumen las consecuencias de esa decisión. Este trabajo desarrolla y evalúa un pipeline reproducible para la asignación dinámica de portafolios mediante aprendizaje por refuerzo (RL), comparado contra estra tegias clásicas de referencia: Equal Weight, Momentum y Markowitz de mínima varianza. El universo de inversión está compuesto por diez ETFs líquidos: SPY, QQQ, XLK, XLF, XLE, XLI, XLV, TLT, IEF y GLD. El problema se formula como un Proceso de Decisión de Markov con acciones discretas: el agente selecciona entre ocho plantillas de portafolio long-only, con decisiones semanales y una función de recompensa que incluye costos de transacción y una penalización por riesgo. Se implementaron dos agentes, DQN y PPO, y se evaluaron bajo validación walk-forward con tres ventanas temporales. Los resultados indican que el agente DQN v2 con penalización de riesgo obtuvo el mayor CAGR promedio en los periodos de prueba, con un valor de 24,81 %. Sin embargo, este resultado se alcanzó a costa de mayor rotación, mayores costos y un drawdown promedio más alto que el de las estrategias clásicas. En términos ajustados por riesgo, Markowitz de mínima varianza y Equal Weight mantuvieron mejores resultados en Sharpe y control de caídas. La evidencia sugiere que el aprendizaje por refuerzo puede generar valor en la asig nación dinámica de portafolios cuando se diseña una recompensa adecuada y se valida rigurosamente fuera de muestra. Sin embargo, no reemplaza de manera concluyente a las estrategias tradicionales. Su aporte principal está en la adaptación dinámica, no en la eficiencia ajustada por riesgo.