Sporala red del conocimiento
EN
Universidad Nacional de Colombia

Medellín - Minas - Maestría en Ingeniería - Analítica · 2022

Pronóstico de la volatilidad del precio de las acciones usando Deep Learning para construcción de portafolios

En este trabajo, se presenta un conjunto de simulaciones para evaluar los diferentes portafolios financieros creados con acciones del mercado financiero colombiano, bajo diferentes técnicas de modelado de la varianza; esto con el fin de evaluar si un portafolio financiero generado con técnicas de Deep Learning, genera mejores rendimientos que un portafolio calculado de la misma forma, con técnicas más sencillas de Machine Learning y tradicionales de series de tiempo. En la construcción de estos portafolios, se crearon modelos ARIMA para el pronóstico de la media de cada activo y de modelos ARCH/GARCH, XGBoost y redes neuronales con diferentes arquitecturas, para la estimación de la varianza. Cada portafolio, varía uno a otro en el modelo que utiliza para el pronóstico de la varianza, sin embargo, todos los portafolios se realizan bajo el modelo de Markowitz de mínima varianza; esto genera 3 escenarios diferentes, sobre los cuales se realiza la comparación de rendimientos al final del periodo en el cual se realizaron las simulaciones. El rendimiento del portafolio evaluado, es decir el portafolio con Deep Learning en el modelo de varianza, genera una rentabilidad del 21.24%, demostrando un mejor resultado que los portafolios generados con modelos ARCH/GARCH con un 7.36% y con XGBoost con una rentabilidad del 11.61%. Lo anterior, indica que estos modelos pueden ser útiles para el pronóstico de la varianza, pues su aplicación mejora los rendimientos de un portafolio financiero construido con acciones del mercado financiero colombiano. (Texto tomado de la fuente)

Texto completo 61 páginas con texto de 65

Leer la tesis completa Ficha en el repositorio

Contenido

Tesauro de su biblioteca