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

Genetic algorithm and artificial neural network for optimization of investment portfolios

Resumen

La presente investigación tuvo como objetivo construir un algoritmo genético y red neuronal artificial para optimizar portafolios de inversión, considerando que en la teoría moderna de portafolios de inversión, la optimización es un problema multiobjetivo que contempla la maximización del rendimiento y la minimización de la volatilidad o también llamado riesgo, esto abre la posibilidad de un espacio de soluciones altamente combinatorio, convirtiéndose en un problema con complejidad computacional que no puede ser resuelto por algoritmos determinísticos. Para poder cumplir con el objetivo, 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 obtuvieron como resultados un error cuadrático medio de 6.33%, un error absoluto medio de 5.07% y una precisión de 92.35% relacionada con la red neuronal artificial lo cual evidencia una aceptable capacidad de generalización para predecir la tendencia positiva de las acciones que serán entradas para el algoritmo genético. Respecto al algoritmo genético se logró modelar la función de calidad que consideró 5 factores relacionados a la rentabilidad y la volatilidad de las acciones, así como la diversificación del portafolio, 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% lo que se traduce en 12.00696% anual; y volatilidad de 0.00612%. Se concluye que el algoritmo genético optimiza portafolios de inversión al encontrarse una rentabilidad mayor y una volatilidad menor comparada con otros métodos siendo específicamente la volatilidad un porcentaje mucho menor.