Algoritmo genético y red neuronal artificial para la optimización de portafolios de inversión

• Autor: Flores Fernandez, Gustavo Alexis
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/9371
• Enlace del recurso: http://hdl.handle.net/20.500.12918/9371
• Nivel de acceso: acceso abierto
• Materia: Metaheuristicas; Algoritmos genéticos; Red neuronal; Optimización; Portafolios de inversión; http://purl.org/pe-repo/ocde/ford#5.02.01

La presente investigación tuvo como objetivo general construir un algoritmo genético y red neuronal artificial para optimizar portafolios de inversión, para tal efecto, se evaluaron 255 empresas que realizan sus actividades dentro del ámbito nacional peruano y cotizan sus acciones en la Bolsa de Valores de Lima. En esta investigación se usó una metodología de tipo aplicada, de diseño experimental y de corte transversal en donde se obtuvieron como resultados una raíz del error cuadrático medio de 6.33% y un error absoluto medio de 5.07% y una precisión de 92.35% relacionada con la red neuronal artificial para predecir la tendencia positiva de las acciones que serán entradas para el algoritmo genético, así también se lograron definir los hiperparámetros del algoritmo genético como la probabilidad de cruce del 0.8 y la probabilidad de mutación del 0.09, de la misma forma se modelo la función de calidad que consideró 5 factores, finalmente se encontró como mejor configuración del algoritmo genético la arquitectura que tuvo como fitness un valor de 0.772482, que se traduce en una rentabilidad de 1.00058% que se traduce en un 12.00696 % anual y volatilidad de 0.00612188%. Se concluye que el algoritmo genético optimiza portafolios de inversión al encontrarse una rentabilidad mayor y una volatilidad menor comparada con otros métodos.