Uso de redes neuronales para la selección óptima de portafolios de inversión

Abstract

Se presenta la teoría e implementación en Python del modelo clásico de optimización de portafolios de Markowitz, comparado con los portafolios óptimos obtenidos mediante redes neuronales artificiales, considerando dos arquitecturas diferentes para la red. Los portafolios se optimizan mediante ambos métodos para diferentes ventanas temporales, que incluyen los periodos: prepandemia, pandemia, pospandemia y el periodo completo. Para cada portafolio, se calculan sus pesos óptimos, rendimiento esperado, volatilidad, ratio de Sharpe y el índice de Herfindahl modificado. Se encuentra que los portafolios optimizados por el método de Markowitz presentan mejores métricas en periodos estables, mientras que los optimizados por las redes neuronales se desempeñan mejor en periodos de alta volatilidad.