Inteligencia Artificial en la optimización de carteras de inversión automatizadas y en la predicción de tendencias de mercado para inversiones - Agag Hernández, Jaime

Abstract

Este Trabajo de Fin de Grado (TFG) analiza el impacto transformador de la inteligencia artificial (IA) en la gestión de carteras de inversión automatizadas y la predicción de tendencias de mercado, con un enfoque en su relevancia para la banca de inversión y las FinTech. La IA ha revolucionado el sector financiero al democratizar el acceso a servicios de inversión mediante robo-advisors como Wealthfront y Betterment, optimizando carteras con algoritmos avanzados basados en la Teoría Moderna de Carteras y reduciendo costes significativamente (0,25%-0,5% frente a 1%-2% de gestores tradicionales). Además, técnicas como el aprendizaje automático, el procesamiento de lenguaje natural (NLP) y el análisis de big data permiten predecir movimientos de mercado con mayor precisión, integrando datos en tiempo real y fuentes alternativas como publicaciones en redes sociales.

Este trabajo explora los fundamentos de la IA en FinTech, los algoritmos de optimización de carteras, los modelos predictivos para mercados, y compara enfoques tradicionales con soluciones basadas en IA, destacando casos como BlackRock (Aladdin) y plataformas colaborativas como Numerai. También aborda implicaciones éticas, regulatorias (MiFID II, SEC), y el impacto en roles profesionales, procesos de M&A, y la competitividad frente a FinTech. Finalmente, se proyectan avances como la IA generativa y la computación cuántica, junto con desafíos de escalabilidad. Se propone un análisis cuantitativo comparando carteras de robo-advisors con métodos tradicionales, utilizando métricas como el ratio Sharpe, para evaluar su eficacia en la banca de inversión.

This dissertation analyzes the transformative impact of artificial intelligence (AI) on automated portfolio management and market trend prediction, with a focus on its relevance for investment banking and FinTech. AI has revolutionized the financial sector by democratizing access to investment services through robo-advisors such as Wealthfront and Betterment, optimizing portfolios with advanced algorithms based on Modern Portfolio Theory and significantly reducing costs (0.25%-0.5% vs. 1%-2% for traditional managers). In addition, techniques such as machine learning, natural language processing (NLP) and big data analysis allow predicting market movements with greater accuracy, integrating real-time data and alternative sources such as social media posts.

This paper explores the fundamentals of AI in FinTech, portfolio optimization algorithms, predictive models for markets, and compares traditional approaches with AI-based solutions, highlighting cases such as BlackRock (Aladdin) and collaborative platforms such as Numerai. It also addresses ethical and regulatory implications (MiFID II, SEC), and the impact on professional roles, M&A processes, and competitiveness against FinTech. Finally, advances such as generative AI and quantum computing are projected, along with scalability challenges. A quantitative analysis comparing robo-advisors' portfolios with traditional methods, using metrics such as the Sharpe ratio, is proposed to assess their effectiveness in investment banking.