Finanzas · 2026
¿Qué tanta efectividad tienen los modelos algorítmicos de Machine Learning en mercados emergentes y desarrollados?
Este estudio fue desarrollado para medir las capacidades de la Inteligencia Artificial y modelos de Machine Learning en los mercados financieros con el objetivo de analizar su efectividad y demostrar su efectividad, de esa forma poder encontrar sus limitaciones y fallas en la aplicación dentro de los mercados financieros. Con ese objetivo se desarrollo un estudio que analizo diferentes mercados líquidos e líquidos, y se utilizo un algoritmo basado en ML ‘Random Forest’, con el objetivo de contrastar los resultados y la alimentación del modelos en ambos mercados. El primer resultado fue hecho en un mercado financiero emergente en este caso el Colombiano y se utilizaron las acciones más liquidas dentro de este mercado (EC) (BCA), incluyendo un indice (MSCI). El segundo resultado se obtuvo de un mercado financiero desarrollado con acciones altamente liquidas (APPL y NVIDA), así como un indice altamente liquido (SP500), en ambos escenarios se utilizo Random Forest para demostrar la asertividad del modelo de ML. Los resultados concluyeron que el algoritmo de ML ‘Random Forest’ en mercados emergentes muestra efectividad, y que en los mercados financieros desarrollados el modelo es ineficiente. Estos resultados son consistentes con los estudios académicos y teorías.