Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Pazos, A., (2021). Sistema de apoyo para la toma de decisión de inversión en la Bolsa de Valores [Universidad Nacional Mayor de San Marcos]. https://hdl.handle.net/20.500.12672/17571
Pazos, A., Sistema de apoyo para la toma de decisión de inversión en la Bolsa de Valores []. PE: Universidad Nacional Mayor de San Marcos; 2021. https://hdl.handle.net/20.500.12672/17571
@misc{renati/474673,
title = "Sistema de apoyo para la toma de decisión de inversión en la Bolsa de Valores",
author = "Pazos Medina, Alvaro Sebastian",
publisher = "Universidad Nacional Mayor de San Marcos",
year = "2021"
}
Full metadata record
Mauricio Sánchez, David Santos
Pazos Medina, Alvaro Sebastian
2022-01-26T20:00:15Z
2022-01-26T20:00:15Z
2021
Pazos, A. (2021). Sistema de apoyo para la toma de decisión de inversión en la Bolsa de Valores. [Tesis, Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática, Escuela Profesional de Ingeniería de Sistemas]. Repositorio institucional Cybertesis UNMSM.
https://hdl.handle.net/20.500.12672/17571
El problema de inversión en la bolsa de valores se puede resumir con la respuesta a la
siguiente pregunta: ¿Dónde, cuánto y cuándo invertir de manera que se obtenga la máxima
rentabilidad para un capital de inversión dado? Esta interrogante constituye un problema de
selección de portafolio con incertidumbre, pues no se conoce a priori el comportamiento de
los datos y es NP-hard por su naturaleza combinatoria, es decir, es un problema complejo y,
en general, presenta alta probabilidad de pérdidas en las inversiones. En este trabajo se
estudia los escenarios de inversión considerando el precio de apertura y el precio estimado
de cierre de las acciones, y se identifica que cuando el precio de apertura de la acción es
menor que el precio estimado de cierre, la mejor estrategia es comprar acciones al inicio y
venderlas todas al cierre. Considerando esta estrategia, se propone un sistema de apoyo a la
decisión para la inversión automática en la Bolsa de Valores (AIS) que está basada en un
modelo predictivo de estimación de precios de cierre, un algoritmo greedy y un algoritmo
GRASP para la construcción del portafolio, y un módulo que genera las órdenes de compra
y venta de acciones integrado con el sistema del bróker. Las pruebas sobre datos del 2020,
aplicadas a 5 empresas mineras peruanas que cotizan en NYSE, muestran que los algoritmos
propuestos generan portafolio de inversión que son muy rentables, alcanzando una
rentabilidad mensual promedio superior al 23 %, con un error de ±3 % en la estimación del
precio de cierre, además, no se altera si se varía el capital de inversión, pero decrece si se
incrementa el error. Además, se propone una variable de holgura en el criterio de decisión de
compra para amortiguar el impacto negativo del error sobre la rentabilidad, y se muestra que,
cuando la variable de holgura asume el valor absoluto del error, el impacto negativo del 77.27
% para un error del ±3 % se reduce a 28.03 %, haciendo que la rentabilidad diaria promedio
de 0.30 % aumente y pase a 0.95 %.
application/pdf
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/4.0/
Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
Bolsas de valores
Toma de decisiones - Procesamiento de datos
Sistemas de almacenamiento y recuperación de información
Sistema de apoyo para la toma de decisión de inversión en la Bolsa de Valores
info:eu-repo/semantics/bachelorThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Escuela Profesional de Ingeniería de Sistemas
Ingeniería de Sistemas
Ingeniero de Sistemas
PE
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/renati/level#tituloProfesional
06445495
https://orcid.org/0000-0001-9262-626X
75913803
612076
Rivas Peña, Marcos Hernán
Huayna Dueñas, Ana María
https://purl.org/pe-repo/renati/type#tesis
Pública
This item is licensed under a Creative Commons License