Trabajo Final de Máster

Aplicación de redes neuronales artificiales y programación cuadrática en la gestión de carteras

David Díaz Rodríguez

david.diazr@udc.es

Universidad de La Coruña

Xosé Manuel Martínez Filgueira

xose.martinez@udc.es

Universidad de La Coruña

Introducción

Este trabajo se enfoca en la integración de dos poderosas herramientas: las redes neuronales artificiales y la programación cuadrática, para abordar el desafío de la gestión de carteras.

Estructura del trabajo

• Caracterización de las series temporales financieras
• Redes neuronales artificiales en la previsión de las series de tiempo
• Composición de carteras

• Datos
• Modelado y entrenamiento
• Resultado

Estructura de la exposición

• Revisión de la literatura
• Metodología
• Resultados
• Conclusiones
• Recomendaciones

Revisión de la literatura

• “Empirical Asset Pricing via Machine Learning”

• “Gradient-based learning applied to document recognition”, “Long Short-Term Memory”, “Dual and primal-dual methods for solving strictly convex quadratic programs” y “A numerically stable dual method for solving strictly convex quadratic programs”

• “Comisión Nacional del Mercado de Valores y Bolsas y Mercados Españoles”

• “Medium”, “Investopedia”, “colah’s blog”, “Machine Learning Mastery” y “A brief review of portfolio optimization techniques”

• Aprendizaje automático para la evaluación de activos
• Importancia relativa de los predictores
• Rendimiento de la cartera

• Redes Neuronales Convulucionales
• LSTM
• Dual Active Set Method

• Conceptos fundamentales
• Información

• Material de apoyo

Metodología

Metodología

Datos

Metodología

Datos

Metodología

Datos

Metodología

Datos

Modelado

Metodología

Datos

Modelado

Metodología

Datos

Modelado

Metodología

Datos

Modelado

Entrenamiento

Metodología

Datos

Modelado

Entrenamiento

Resultado

Resultados

Resultados

Conclusiones

• Efectividad
• Ventaja Competitiva

Recomendaciones

• Continuidad
• Validar
• Explicabilidad

Más

Trabajo Final de Máster

Dashboard