Optimización de carteras mediante el empleo de algoritmos

Abstract

El universo de la inversión financiera está experimentando una fuerte transformación debido al incipiente desarrollo de la Inteligencia Artificial, el Machine Learning y el Deep Learning, los cuales están permitiendo la implementación de modelos de optimización multiobjetivo mediante el uso de algoritmos avanzados, que resultan realmente útiles para los inversores en su labor de resolver el problema de optimización de carteras. Este estudio analiza el progresivo desarrollo de técnicas que marcan las pautas para encontrar la cartera óptima, comenzando por las más tradicionales, como el Teorema de Markowitz, la Simulación de Monte Carlo y el Modelo de Black-Litterman, fundamentales para construir las bases de la teoría de inversión muy valiosas. El estudio prosigue con modelos más avanzados que emplean Algoritmos Metaheurísticos Genéticos, algoritmos de Simulated Annealing, Quantum Computing, Deep Reinforcement Learning, y otras técnicas innovadoras. El estudio se profundiza llevando a la práctica dos de las técnicas, una tradicional y otra moderna, para posteriormente realizar una comparativa entre las dos carteras óptimas obtenidas.The financial investment universe is undergoing a strong transformation due to the emerging application of Artificial Intelligence, Machine Learning and Deep Learning in the field. This is enabling the implementation of multi-objective optimization models by using advanced algorithms, which are extremely useful for an investment manager when it comes to solving the portfolio optimization problem. The following study analyses the progressive development of techniques that set the guidelines to find the optimal portfolio, starting with the most traditional ones such as the Modern Portfolio Theory from Markowitz, Monte-Carlo Simulation and the Black-Litterman Model, which are essential to build the foundations of the investment theory. The study proceeds with the most advanced models that employ Genetic Algorithms, Simulated Annealing Algorithms, Quantum Computing, Deep Reinforcement Learning, and other innovative techniques. The study is deepened through the implementation of two of the techniques, a traditional one and a modern one, to subsequently conduct a comparison between the two optimal portfolios obtained.