RT info:eu-repo/semantics/bachelorThesis
T1 Aplicación web para la gestión de carteras de inversión usando técnicas de Inteligencia Artificial
A1 Arranz Barcenilla, Víctor
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Optimización
K1 Cartera de inversión
K1 Modelo de Markowitz
AB En este trabajo se desarrolla una aplicación web que aborda fundamentalmente los problemas de la optimizaciónde carteras de inversión y de la predicción de valores de activos financieros, con el doble objetivode proporcionar una herramienta que permita entender y comprender los principales aspectos de las técnicasutilizadas, así como ayudar al inversor en su toma de decisiones.Se utilizan datos pertenecientes a algunos de los principales mercados financieros del mundo, con un total de840 activos: bolsa, con los índices S&P 500, NASDAQ 100, IBEX 35 y EURO STOXX 50 junto a las empresasasociadas a ellos, criptodivisas, divisas y materias primas.La aplicación web construida es completamente interactiva, permitiendo en todo momento al usuario elegircon qué datos desea trabajar y configurar libremente los principales parámetros de los elementos que componenlas distintas secciones de la misma.En primer lugar, la web proporciona herramientas para realizar un análisis descriptivo con herramientas propiasde la Estadística aplicadas al análisis financiero, como las medias móviles o distintos indicadores técnicos.Se proporcionan distintos tipos de visualizaciones que permiten llevar a cabo el estudio de la serie temporal deun valor. A su vez, se incluyen secciones descriptivas que contienen dashboards con los precios de los activosde los distintos mercados considerados en el trabajo.Desde el punto de vista de la optimización de carteras, se trabaja con el modelo de Markowitz construyendocarteras eficientes, carteras notables y realizando representaciones gráficas de las mismas, así como de la fronteraeficiente. También se permite realizar análisis de sensibilidad con algunos importantes parámetros.Relacionado con este problema también se construyen regresiones con los índices bursátiles para abordarel estudio del riesgo de las carteras obtenidas con el modelo de Markowitz.En cuanto a la predicción de valores de los activos, se utilizan técnicas de machine learning, que van desdelos métodos más empleados como las máquinas de vectores soporte o los ensembles de árboles de aleatorios,pasando por distintos modelos de redes neuronales englobados dentro de lo que se conoce como deep learning,como las redes recurrentes o las redes convolucionales. Para la construcción de estos modelos de inteligenciaartificial se utiliza la librería Keras, que permite el uso de Tensorflow con el lenguaje Python.Un último punto explorado, también en relación con el aprendizaje automático, es el análisis cluster, utilizadopara tratar de buscar grupos entre activos con un comportamiento semejante en términos de rentabilidad.Para la implementación de la aplicación se han utilizado herramientas de programación web como html,css y javascript, mientras que la totalidad de elementos interactivos (a excepción del menú de navegación de laweb) que contienen las distintas secciones, así como las visualizaciones que contienen éstas, se han desarrolladoutilizando la librería Shiny del lenguaje R, que a su vez se vale del solver de optimización AMPL para tratarese problema y de la librería reticulate para enlazar con Python y poder utilizar los códigos de los modelos deaprendizaje automático comentados. R a su vez ha sido el lenguaje utilizado en la captación de datos a travésde la API de Yahoo Finance y para el procesamiento y tratamiento de los mismos.La web se desarrolló sobre una imagen Docker, utilizando una metodología ágil consistente en un Scrumadaptado.
YR 2022
FD 2022
LK https://uvadoc.uva.es/handle/10324/57220
UL https://uvadoc.uva.es/handle/10324/57220
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 14-oct-2024