2026-04-14T18:30:45Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/438362021-06-30T03:58:57Zcom_10324_38col_10324_852

Josa Fombellida, Ricardo Hernández Rodríguez, César Universidad de Valladolid. Facultad de Ciencias 2020-12-03T12:07:14Z 2020-12-03T12:07:14Z 2020 http://uvadoc.uva.es/handle/10324/43836 En este trabajo se pretende explorar el uso del modelo de optimización de carteras de Markowitz para generar estrategias de inversión bursátiles. Se han empleado las cotizaciones diarias de 24 empresas de la Bolsa de Valores NASDAQ, divididas en 4 sectores. Después de realizar un análisis descriptivo básico del histórico de datos en 4 años, se han obtenido fronteras eficientes y carteras eficientes notables en los distintos escenarios. Asimismo, se ha realizado una comparación entre estrategias para cada sector y entre sectores, empleando carteras de rentabilidad, riesgo y ratio de Sharpe, y mediante una simulación de inversión de capital de 2 años y 3 meses, con el fin de obtener un hipotético beneficio con estas estrategias. Se calcula el riesgo específico de algunas cartera para poder hacer un ranking de carteras. Para su implementación se ha usado el software Python como herramienta para captar los datos, generar las carteras óptimas y las visualizaciones de forma automática. This paper intends to explore the use of the Markowitz model to generate optimization strategies in stock exchange investment portfolios. The daily stock values of 24 NASDAQ companies divided among 4 sectors have been used in the study. After performing a basic descriptive analysis of the data history in 4 years, efficient frontiers and notable efficient portfolios have been obtained in the different scenarios. Similarly, a comparison has been undertaken between the strategies adopted in each sector and between sectors, using Sharpe’s profitability, risk and ratio portfolios, and by means of a simulated capital investment lasting 2 years and 3 months with the goal of obtaining a hypothetical profit with these strategies. The specific risk for each strategy will be calculated in order to make a portfolio ranking. For its implementation, the software Python has been used as a tool to analyze data and generate visualizations for the most efficient portfolios automatically. Grado en Estadística application/pdf spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 Internacional Carteras de inversión Ratio de Sharpe Rentabilidad Riesgo Optimización de carteras de inversión en la industria tecnológica info:eu-repo/semantics/bachelorThesis