Eficiencia y Retorno de las Estrategias de Inversión Basadas en IA en Carteras Diversificadas

Autores/as

  • Ruth Serrrano Checca Universidad Nacional Amazónica de Madre de Dios
  • Fredy Roger Flores Flores Universidad Nacional Amazónica de Madre de Dios
  • Roberto Danilo Pérez Marroquín Universidad Nacional Amazónica de Madre de Dios

DOI:

https://doi.org/10.5281/zenodo.13845143

Palabras clave:

Inteligencia artificial, gestión de inversiones, mercados emergentes, América Latina, rendimiento ajustado al riesgo, diversificación de carteras, fondos de inversión

Resumen

Este estudio analiza la eficiencia y el retorno de las estrategias de inversión basadas en inteligencia artificial (IA) en carteras diversificadas de fondos de inversión en América Latina. Utilizando datos históricos (2013-2022) de fondos de Brasil, México, Colombia y Perú, se comparó el rendimiento ajustado al riesgo de carteras gestionadas por IA con carteras tradicionales. Los resultados mostraron que las carteras basadas en IA obtuvieron un índice de Sharpe promedio significativamente más alto (1.16) que las carteras tradicionales (0.91), lo que sugiere un mejor rendimiento ajustado al riesgo. Además, las carteras gestionadas por IA mostraron una mayor diversificación geográfica y por clase de activo. Este estudio destaca el potencial de la IA para mejorar la gestión de inversiones en mercados emergentes y ofrece información valiosa para inversores, gestores de fondos y reguladores.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Ben, I., Franzoni, F., Landier, A., & Moussawi, R. (2019). Do ETFs increase volatility? The Journal of Finance, 74(6), 2731-2771. https://onlinelibrary.wiley.com/doi/abs/10.1111/jofi.12727

Blay, K. (2024). From Portfolio Selection to Portfolio Choice: Remembering Harry Markowitz. Journal of Portfolio Management, 50(8). https://search.ebscohost.com/login.aspx?direct=true&profile=ehost&scope=site&authtype=crawler&jrnl=00954918&AN=178469796&h=qE%2B2dwtKdJKmG8ftlgDTXHDt8kFkX6TMC8Cvbl%2BMwajG9AbrwXygxhVka4NQRsy19fHhuQZJlxGmLoaJ2chGLw%3D%3D&crl=c

Bogle, J. (2017). The little book of common sense investing: The only way to guarantee your fair share of stock market returns. John Wiley & Sons. https://books.google.es/books?hl=es&lr=&id=Vrg1DwAAQBAJ&oi=fnd&pg=PR15&dq=Bogle,+J.+C.+(2017).+The+little+book+of+common+sense+investing:+The+only+way+to+guarantee+your+fair+share+of+stock+market+returns.+John+Wiley+%26+Sons.&ots=jhUxB0kA8O&sig=vnMabZl9Dw-SNpVsisBHh0y_nRk

Chen, L., Pelger, M., & Zhu, J. (2024). Deep learning in asset pricing. Management Science, 70(2), 714-750. https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2023.4695

Diessner, S. (2023). The power of folk ideas in economic policy and the central bank–commercial bank analogy. New political economy, 28(2), 315-328. https://www.tandfonline.com/doi/abs/10.1080/13563467.2022.2109610

Engle, R., & Granger, C. (2015). Co-integration and error correction: Representation, estimation, and testing. Econometrica: Journal of the Econometric Society, 35-54. https://ideas.repec.org/a/ris/apltrx/0274.html

Hannes, S., Libson, A., & Parchomovsky, G. (2024). The ESG Gap. BYU Law Review, 49(4), 1137-1184. https://digitalcommons.law.byu.edu/lawreview/vol49/iss4/9/

Lechman, E., & Marszk, A. (2021). The Digital Disruption of Financial Services. Routledge. https://api.taylorfrancis.com/content/books/mono/download?identifierName=doi&identifierValue=10.4324/9781003199076&type=googlepdf

Morck, R., Yeung, B., & Yu, W. (2000). The information content of stock markets: Why do emerging markets have synchronous stock price movements? Journal of financial economics, 58(1-2), 215-260. https://www.sciencedirect.com/science/article/pii/S0304405X00000714

Nurminen, T. (2024). International Diversification: Portfolio Optimization with Developed, Emerging and Frontier Markets. https://osuva.uwasa.fi/bitstream/handle/10024/17348/Uwasa_2024_Tatu_Nurminen.pdf?sequence=2

Salehpour, A., & Samadzamini, K. (2023). Machine learning applications in algorithmic trading: a comprehensive systematic review. International Journal of Education and Management Engineering, 13(6), 41. https://search.proquest.com/openview/5abad6aeb9688f220ba878b7fe6bf565/1?pq-origsite=gscholar&cbl=2069183

Securities and Exchange Commission. (2010). Concept release on equity market structure. https://www.sec.gov/rules/concept/2010/34-61358.pdf

Sharma, A., & Kumar, A. (2020). A review paper on behavioral finance: study of emerging trends. Qualitative Research in Financial Markets, 12(2), 137-157. https://www.emerald.com/insight/content/doi/10.1108/QRFM-06-2017-0050/full/html

Descargas

Publicado

2024-09-26

Cómo citar

Serrrano Checca, R., Flores Flores, F. R., & Pérez Marroquín, R. D. (2024). Eficiencia y Retorno de las Estrategias de Inversión Basadas en IA en Carteras Diversificadas. Business Innova Sciences, 5(3), 144-170. https://doi.org/10.5281/zenodo.13845143