Mostrar el registro sencillo del ítem

dc.contributor.advisorVesga Bermejo, Cristhian Andrés
dc.contributor.advisorArdila Acuña, Víctor Ángel
dc.contributor.authorMancilla Martínez, Nicolás
dc.contributor.authorMuñoz Arciniegas, María José
dc.contributor.authorSánchez Carvajal, Mayra Alexandra
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2019spa
dc.date.accessioned2021-08-04T20:02:40Z
dc.date.available2021-08-04T20:02:40Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/20.500.12749/13671
dc.description.abstractEl mercado de valores es un lugar mediante el cual los inversionistas pueden realizar diferentes estrategias con el fin de lograr una rentabilidad sobre su capital invertido, adoptando a su paso metodologías que les permitan obtener mejores resultados y mayor seguridad al momento de tomar sus decisiones de inversión. Para esto, se han desarrollado modelos tales como el de media-varianza de Markowitz (1952) y CAPM (1964), entre otros, los cuales enfocan sus estudios en la diversificación para estructurar portafolios de inversión, permitiendo a los inversionistas adecuar sus estrategias según sus expectativas y perfil de riesgo. Sin embargo, el grado de incertidumbre dificulta administrar de manera óptima los recursos para la estructuración de los portafolios, haciendo necesaria la implementación de nuevas metodologías que implementen soluciones innovadoras a problemas complejos. En este sentido, el presente trabajo propone el uso de redes neuronales artificiales (RNA), como mecanismo para pronosticar los precios de las acciones de alta bursatilidad del mercado de valores colombiano según la Superintendencia Financiera de Colombia, permitiendo a los inversionistas anticiparse a las posibles tendencias del mercado y, de esta forma, mejorar la gestión del riesgo de sus inversiones.spa
dc.description.tableofcontentsIntroducción 1 1 Objetivos 2 2.1 Objetivo general 2 2.2 Objetivos específicos 2 3 Marco teórico 3 4.1 Introducción a la estructuración de portafolios 3 4.2 Metodologías tradicionales para estructurar portafolios 5 4.2.1 Modelo de Markowitz 5 4.2.2 Modelo CAPM 8 4.3 Ventajas y desventajas de las metodologías tradicionales 10 4.3.1 Ventajas y desventajas del modelo de Markowitz 10 4.3.2 Ventajas y desventajas del modelo CAPM 11 4.4 Redes neuronales 11 4.4.1 Estructura y elementos básicos 12 4.4.1.1 Funciones de entrada 14 4.4.1.2 Funciones de activación 15 4.4.1.3 Funciones de entrenamiento 15 4.4.2 Clasificación de las redes 17 4.4.2.1 Topología basada en la manera de realizar las conexiones 17 4.4.2.2 Topología basada en el número de capas 17 4.4.2.3 Topología basada en el mecanismo de aprendizaje 18 5 Antecedentes y Estado de arte 19 6 Metodología 26 6.1 Primera etapa: pronóstico mediante el uso de redes neuronales 26 6.2 Segunda etapa: estructuración de portafolios y comparativo de rentabilidades 28 7 Resultados 29 8 Conclusiones 39 9 Referencias 41spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleEstructuración de portafolios mediante el uso de redes neuronales: un comparativo de la rentabilidad frente a los métodos tradicionalesspa
dc.title.translatedPortfolio structuring through the use of neural networks: a comparison of profitability versus traditional methodsspa
dc.degree.nameIngeniero financierospa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Economía y Negociosspa
dc.publisher.programPregrado Ingeniería Financieraspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsFinancial engineeringspa
dc.subject.keywordsFinancial analysisspa
dc.subject.keywordsFinancial managenmentspa
dc.subject.keywordsInvestigationspa
dc.subject.keywordsStock marketspa
dc.subject.keywordsInvestorsspa
dc.subject.keywordsCost effectivenessspa
dc.subject.keywordsInvested capitalspa
dc.subject.keywordsDecision makingspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.relation.referencesÁlvarez, R. D., Ortega, G. A., Sánchez, A. M., Herrera, M. (2004). Evolución de la teoría económica de las finanzas: una breve revisión. Semestre Económico, Vol. 7, N° 14, p.p 105-127spa
dc.relation.referencesArrieta, J. E., Torres, J. C, Velásquez, H. (2009). Predicción del comportamiento diario de la acción de SURAMINV. Un modelo de redes neuronales. Semestre Económico, Vol. 12, Nº 25, p.p 95-109spa
dc.relation.referencesAsobolsa. (2018). Informes económicos y publicaciones. Bogotá, Colombia. Recuperado de http://www.asobolsa.org/informes-economicos-publicaciones-2/spa
dc.relation.referencesBejarano, H.M.(2008). Evaluación de portafolio de inversión en acciones utilizando Markowitz, redes neuronales e indicadores técnico (Trabajo de grado). Universidad Simón Bolívar, Caracas, Venezuela.spa
dc.relation.referencesBenedetti, F., Baigún, A., Yanguas, M., Heymann, D., Perazzo, R., & Zimmermann, M. (2008). Predicciones de Series de Tiempo con Redes Neuronales: Trading usando el Índice Merval.spa
dc.relation.referencesCárdenas, L., Díaz. J. M., Arboleda, S. M., Galarcio, C. L., Lotero, J. E., Isaza, F. (2015). Modelo de selección de portafolio óptimo de acciones mediante el análisis de Black-Litterman. Revista Ingenierías Universidad de Medellín, Vol. 14, N° 27, p.p 111-130spa
dc.relation.referencesConti, D., Simó, C., Rodríguez, A. (2005). Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA). Revista Ciencia e Ingeniería, Vol. 26, N° 1, p.p 35-42spa
dc.relation.referencesCruz, R., Clemente, A. (2014) Aplicación del modelo de Black-Litterman a la selección de portafolios internacionales. Revista de la facultad de Ciencias Contables. Vol. 22 N° 41 pp. 113-120. Lima – Perúspa
dc.relation.referencesCzerwinsici, F. (2014). Valoración de activos, con enfoque sobre CAPM y APT (Trabajo de grado). Universidad Pontificia Comillas, Madrid, España.spa
dc.relation.referencesDip, J. A, Romero, P. I. (2015). Una comparación de redes neuronales y modelos ARCH-GARCH para predecir variaciones en el precio de las acciones. Aplicación a un caso de acciones de telefonía. Revista de Investigación en Modelos Financieros, Vol. 2, p.p 1-29spa
dc.relation.referencesFernández, A., & Gómez, S. (2007). Portfolio selection using neural networks. Computers & Operations Research, 34(4), 1177-1191.spa
dc.relation.referencesFiracative, E. F. (2015). Aplicación del modelo CAPM para la valoración de acciones en el mercado integrado latinoamericano MILA (Tesis maestría). Universidad Nacional de Colombia, Bogotá, Colombia.spa
dc.relation.referencesGarcía, C. M. (2014). Predicción del comportamiento de la rentabilidad de la acción de ISAGEN, a partir de la técnica de redes neuronales artificiales (Tesis de Maestría). Pontificia Universidad Javeriana, Bogotá, Colombia.spa
dc.relation.referencesGarcía, J., (2013), Inversiones financieras: selección de carteras Teoría y práctica, Madrid, España, Editorial Pirámide.spa
dc.relation.referencesGil, M. M., Pérez, F. O. (2005). Análisis y predicción de la acción de la empresa Acerías Paz del Río utilizando un modelo GARCH (1,1) y redes neuronales artificiales. Revista Ingenierías, Vol. 4, Nº 7, p.p 83-97spa
dc.relation.referencesGiraldo, L., Díaz. J. M., Arboleda, S. M., Galarcio, C. L., Lotero, J. E., Isaza, F. (2015). Modelo de selección de portafolio óptimo de acciones mediante el análisis de Black-Litterman. Revista Ingenierías Universidad de Medellín, Vol. 14, N° 27, p.p 111-130spa
dc.relation.referencesGutiérrez, M. (2004). Administración de carteras con redes neuronales mediante metodología Rolling. (Tesis profesional). Universidad de Chile, Santiago de Chile.spa
dc.relation.referencesGysel, H. J.,& Samano, M. A. (2004). Teoría del riesgo- Selección de un portafolios de inversión (Tesis profesional). Universidad de las Américas Puebla, Cholula, México.spa
dc.relation.referencesMahu. J.A. (2012). Detección de daños en una viga simple mediante antiresonancia y redes neuronales. (Tesis profesional). Universidad de Chile, Santiago de Chile, Chile.spa
dc.relation.referencesMathworks. (2019). Choose a Multilayer Neural Network Training Function. Recuperado de: https://la.mathworks.com/help/deeplearning/ug/choose-a-multilayer-neural-network-training-function.htmlspa
dc.relation.referencesMatich, D. J. (2011). Redes Neuronales Conceptos Básicos y Aplicaciones. Universidad Tecnológica Nacional, Rosario, Argentina.spa
dc.relation.referencesMedina, L. A. (2003). Aplicación de la teoría del portafolio en el mercado accionario colombiano. Cuadernos de economía, Vol. 22, N° 39, p.p 129-168spa
dc.relation.referencesPonce, P. (2010). Inteligencia artificial con aplicaciones a la ingeniería. Alfaomega.spa
dc.relation.referencesRamírez, G. L., Fernández, C. P. (2008). Estructuración de portafolios de acciones en el mercado de valores de Hong Kong. Revista Soluciones de Postgrado EIA, Vol. 1, N° 2, p-p 39-55spa
dc.relation.referencesRivillas, M. (2018) Construcción de portafolios de inversión para las Américas, Utilizando índices bursátiles representativos, mediante las teorías de Markowitz y Black-Litterman (Proyecto de grado). Universidad Santo Tomás, Bucaramanga, Colombiaspa
dc.relation.referencesRobledo, J. P., García, C. (2008). Portafolios de inversión a través de redes neuronales y algoritmo genético. Universidad Tecnológica de Pereira. Pereira, Colombiaspa
dc.relation.referencesSánchez Anzola, N. (2015). Máquinas de soporte vectorial y redes neuronales artificiales en la predicción del movimiento USD/COP spot intradiario. ODEON, 9, pp. 113-172. DOI: http:// dx.doi.org/10.18601/17941113.n9.04spa
dc.relation.referencesShachmurove, Y. (2000). “Utilizing artificial neural network model to predict stock markets”. Working Paper #00-11, Caress.spa
dc.relation.referencesSuperintendencia Financiera de Colombia. (2018). Índice de bursatilidad accionario. Bogotá, Colombia. Recuperado de https://www.superfinanciera.gov.co/inicio/80420spa
dc.relation.referencesVillada, F., Muñoz, N., García, E. (2012). Aplicación de las redes neuronales al pronóstico de precios en el mercado de valores. Información Tecnológica, Vol. 23, Nº 4, p.p 11-20spa
dc.contributor.cvlacVesga Bermejo, Cristhian Andrés [0001474650]spa
dc.contributor.cvlacArdila Acuña, Víctor Ángel [0001550622]spa
dc.contributor.orcidVesga Bermejo, Cristhian Andrés [0000-0002-9824-3582]spa
dc.contributor.researchgateArdila Acuña, Víctor Ángel [Victor_Ardila_Acuna]
dc.subject.lembAnálisis financierospa
dc.subject.lembIngeniería financieraspa
dc.subject.lembGestión financieraspa
dc.subject.lembInvestigaciónspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishThe stock market is a place through which investors can carry out different strategies in order to achieve a return on their invested capital, adopting methodologies that allow them to obtain better results and greater security when making their investment decisions. . For this, models such as the mean-variance of Markowitz (1952) and CAPM (1964) have been developed, among others, which focus their studies on diversification to structure investment portfolios, allowing investors to adapt their strategies according to your expectations and risk profile. However, the degree of uncertainty makes it difficult to optimally manage resources for structuring portfolios, making it necessary to implement new methodologies that implement innovative solutions to complex problems. In this sense, the present work proposes the use of artificial neural networks (ANN), as a mechanism to forecast the prices of highly marketable shares in the Colombian stock market according to the Financial Superintendence of Colombia, allowing investors to anticipate the possible market trends and, in this way, improve the risk management of your investments.spa
dc.subject.proposalMercado de valoresspa
dc.subject.proposalInversionistasspa
dc.subject.proposalRentabilidadspa
dc.subject.proposalCapital invertidospa
dc.subject.proposalToma de decisionesspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa
dc.contributor.linkedinArdila Acuña, Víctor Ángel [ingvardila]


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 2.5 Colombia