ODEON

Construcción de portafolios en fondos de inversión considerando momentos estadísticos superiores

Genjis A. Ossa González — 2024-12-05

Este estudio busca crear portafolios con activos ETF, aplicando un enfoque cuantitativo que incluye momentos estadísticos de orden superior, más allá de la normalidad de la utilidad esperada. El objetivo es optimizar la utilidad y destacar los tres portafolios principales. Al evaluar portafolios con ETF como LABU, PSQ, FXI, SPY e IWM, se notó una reducción en rendimientos al aplicar momentos superiores. El portafolio 2, bajo la hipótesis de normalidad, sobresalió por su alta media de rendimiento y baja volatilidad, a pesar de una curtosis elevada. Sin embargo, la inclusión de momentos superiores indicó un aumento del riesgo, lo que hizo que ningún portafolio fuera óptimo para inversión.

Valoración no lineal de derivados financieros en mercados con liquidez estocástica, descrita por un proceso de reversión a la media

John Sebastián Tavera Ramírez — 2024-12-05

En este documento se deduce la ecuación diferencial parcial no lineal de valoración de un derivado financiero, esto en el contexto de un mercado en el cual los precios de los activos son influenciados por la liquidez y las estrategias dinámicas de negociación de un gran operador. Para esto se caracteriza la dinámica del precio del activo subyacente y se considera la condición de ausencia de arbitraje. La liquidez del mercado es estocástica y sigue un proceso con reversión a la media tipo Ornstein-Uhlenbeck.

Aprendizaje reforzado en pair-trading Aplicación para una estrategia pair-trading

Cristian Quintero González — 2024-12-05

Este estudio explora las implicaciones de la implementación de técnicas de aprendizaje reforzado para el trading de acciones parte del índice S&P 500 al 15 de octubre de 2022, bajo una estrategia de pair-trading. A través de un proceso de selección de pares de acciones se investiga si modelos de aprendizaje reforzado ofrecen una ventaja frente estrategias más simples. Los resultados indicaron sorpresivamente que modelos entrenados con entornos sencillos como el que no permite posiciones en corto, producen una mayor y constante rentabilidad, si se compara con los agentes entrenados en entornos con mayor complejidad lógica como lo son el de proporción del saldo disponible para entrar en posiciones según el conjunto de acciones y β-balanceado. Adicionalmente se observó que un incremento en el número de pasos por episodio, que generalmente lleva a consumir un mayor tiempo de entrenamiento para el hardware usado, no es garantía de mejorar considerablemente la varianza de la distribución de rentabilidades potenciales en los datos de trading, como tampoco es una variable que permita mejorar significativamente la media del retorno u otros indicadores, lo que se evidencia también en los valores value loss y policy loss, los cuales se tornaban explosivos y más volátiles luego de un valor de episodios determinado.

Optimización de portafolio con cardinalidad usando algoritmos genéticos de población dual

Sergio Iván Vanegas Gutiérrez — 2024-12-05

En algunos estudios se ha encontrado que, muchas veces, los algoritmos genéticos con una sola población para la solución de la optimización de portafolio con cardinalidad convergen lentamente y no obtienen los mejores resultados. Una manera de mejorar el desempeño de estos algoritmos ha sido incorporar una población adicional que actúe como buscador de máximos y mínimos locales; de esta manera, se aumenta la probabilidad de encontrar el óptimo global de la solución en un menor tiempo.

Este documento busca identificar el rendimiento en muestra y fuera de muestra de un portafolio de activos de renta variable con restricciones de cardinalidad usando algoritmos genéticos con una sola población y con población doble, estableciendo como universo el índice Dow Jones. Los resultados muestran que el desempeño puede verse afectado por los parámetros seleccionados para realizar la optimización, por lo que es importante tener en cuenta el error en la estimación de la media y la varianza del portafolio.

Presentación

Javier H. Sandoval — 2024-12-05