Resumen
El estudio se desarrolla a partir de la estrategia de inversión de análisis técnico, en su forma tradicional de aplicación en el mercado de renta variable, en contraste con la utilización de algoritmos genéticos, como una de las herramientas más importantes de machine learning, mediante en el índice Estandar & Poor´s 500, el cual representa el comportamiento general del mercado más líquido y bursátil del mundo, como es el mercado accionario de los Estados Unidos. El propósito del estudio es determinar la posibilidad de que la aplicación de algoritmos genéticos, utilizando el oscilador de análisis técnico MACD (Convergencia Divergencia del Promedio Móvil), permita lograr un rendimiento superior a las estrategias de inversión tradicionales de análisis técnico y Buy & Hold. Para el desarrollo de los algoritmos genéticos en la etapa de entrenamiento se define como función objetivo lograr el más alto rendimiento de la inversión, buscando extraer del mejor individuo seleccionado a través de la evolución genética, los valores de los parámetros con que se construye el oscilador, para ser definidos como parámetros para la etapa de validación. Los resultados en general del estudio son satisfactorios en el sentido de lograr rendimientos superiores con la estrategia de inversión por medio de machine learning, en contraste con las estrategias de inversión comparadas, siendo mayor la diferencia de rendimiento respecto a las estrategias de inversión contrastadas, en la medida que se incrementa el número de transacciones de compra y venta del activo.
Presentadores
Alberto Antonio Agudelo AguirreProfesor Asociado Tiempo Completo, Administración, Universidad Nacional de Colombia, Caldas, Colombia Néstor Darío Duque Méndez
Profesor Titular, Universidad Nacional de Colombia, Colombia Ricardo Alfredo Rojas Medina
Profesor Asociado, Universidad Nacional de Colombia, Colombia
Details
Presentation Type
Ponencia temática de un trabajo
Theme
KEYWORDS
Machine Learning, Inversión en Renta Variable, Análisis Técnico de Inversión
