Trading algorítmico para la optimización de portafolios en mercados financieros

• Autores: Garcia Romero, Carlos Manuel, Delgado Vera, Sirley Katerin, Flores Panduro, Miguel Alfredo, Rodriguez Najarro, Rebeca de Jesus
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad ESAN
• Repositorio: ESAN-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.esan.edu.pe:20.500.12640/4208
• Enlace del recurso: https://hdl.handle.net/20.500.12640/4208
• Nivel de acceso: acceso abierto
• Materia: Mercado financiero; Gestión financiera; Gestión de cartera; Optimización; https://purl.org/pe-repo/ocde/ford#5.02.04

El trading algorítmico ha revolucionado la gestión de portafolios de inversión al automatizar la ejecución de órdenes mediante algoritmos, optimizando rendimientos y reduciendo riesgos. Esta investigación explora sus principales estrategias, como Medias Móviles, Momentum y la teoría de Markowitz, aplicadas a criptomonedas, acciones del NASDAQ y activos de la Bolsa de Valores de Lima (BVL). Utilizando Python y herramientas como Pandas y PyPortfolioOpt, se implementaron algoritmos para evaluar su efectividad a través de backtesting, ajustando periodos de lookback y estrategias de optimización. Los resultados muestran que las criptomonedas generan altos rendimientos con mayor volatilidad, mientras que el NASDAQ equilibra rendimiento y estabilidad, y la BVL presenta un perfil menos favorable. Se concluye que Momentum es más eficaz para criptomonedas, Markowitz para NASDAQ y Medias Móviles para la BVL, adaptando cada estrategia a las características del mercado. Además, se destaca la importancia de seleccionar plataformas adecuadas y enfrentar los desafíos regulatorios en mercados emergentes, como Perú, donde la falta de regulación en criptomonedas y la limitada disponibilidad de API's representan obstáculos para los inversores.