Browsing by Author "ARCOS ZAMORA, FELIPE EDUARDO ALEXIS"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis ANÁLISIS DE COMPOSICIÓN DE PORTAFOLIO MEDIANTE USO DE REDES NEURONALES(Universidad Técnica Federico Santa María, 2013) ARCOS ZAMORA, FELIPE EDUARDO ALEXIS; ARCOS ZAMORA, FELIPE EDUARDO ALEXIS; Universidad Técnica Federico Santa María UTFSM. Departamento de Industrias; SAAVEDRA RODRÍGUEZ, OSCAR; KRISTJANPOLLER RODRÍGUEZ, WERNER DAVIDEl presente estudio contempla una medición de la potencia en pronósticos de composiciones de portafolios semanales de 43 acciones del mercado chileno, realizado mediante el uso de redes neuronales, su carácter es de uso real por lo cual uno de los conceptos centrales que afectara los análisis es la inclusión de la comisión por compra y venta de acciones, variable incluida como restricción al modelo de Markowitz. Se establece dentro de la modelación de portafolios el uso de variables generadas a partir de análisis técnicos comúnmente realizados en la predicción de movimientos accionarios, estableciendo una ponderación al uso de estos en modelos de pronóstico de precios diarios, entregando resultados no significativos a los modelos. Como análisis principal se generaron 3 tipos de modelación de portafolio, basados en, composiciones de portafolios recomendados a inversionista entregado por grandes corredoras y generando modelos mediante redes neuronales; generación de composición de portafolio mediante el uso de pronóstico de rentabilidades y varianzas obtenidas mediante el uso de modelos de redes neuronales, incluidas en un modelo de Markowitz modificado en función de la esperanza y riesgo de retorno de cada acción; por último la obtención de modelos de composición de portafolio mediante redes neuronales, cuyo entrenamiento se basa en portafolios óptimos según el modelo de Markowitz modificado para portafolios en periodos futuros. Los resultados obtenidos nos entregan que el mejor método de pronóstico analizado es según la utilización del modelo de Markowitz modificado utilizando como variables de retorno y riesgo esperado los pronósticos de modelos de redes neuronales para cada acción, los resultados de la modelación nos entregan rentabilidades reales positiva, con un rango de 56% de diferencia en comparación a las rentabilidades pronosticadas, en cuanto a la validación del uso de este modelo al corto plazo nos entrega diferencias de un 0,7% de rentabilidad real en contraste de sus pronósticos, para las 4 primeras semanas de validación.
Política de Privacidad 
