2026-04-27T20:21:43Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/438362021-06-30T03:58:57Zcom_10324_38col_10324_852
00925njm 22002777a 4500
dc
Hernández Rodríguez, César
author
2020
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.
http://uvadoc.uva.es/handle/10324/43836
Optimización de carteras de inversión en la industria tecnológica