| dc.contributor | Dr. Francisco Javier Cuevas de la Rosa | |
| dc.contributor | Dr. Miguel Torres Cisneros | |
| dc.contributor | Dr. David Rivera Caballero | |
| dc.contributor | Dr. Macario Schettino Yáñez | |
| dc.creator | Villegas Zermeño, J. Eddie C. | |
| dc.date | 2015-08-17T09:30:32Z | |
| dc.date | 2015-08-17T09:30:32Z | |
| dc.date | 2005-02-01 | |
| dc.date.accessioned | 2018-03-16T18:20:19Z | |
| dc.date.available | 2018-03-16T18:20:19Z | |
| dc.identifier | http://hdl.handle.net/11285/567154 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1206232 | |
| dc.description | Existen muchas formás de predecir el comportamiento de los mercados financieros de manera experimental, desde los modelos clásicos de pronósticos como lo son los modelos econométricos, las series de tiempo, las relaciones de causalidad y las metodologías de Box-Jenkins; hasta los modelos que aplican la heurística y la volatilidad estocástica y que hacen uso de una gran cantidad de información para intentar una mayor precisión en el pronóstico de los rendimientos de un mercado en particular.A pesar de esto las aplicaciones prácticas siguen utilizando fundamentalmente promedios móviles-28 para obtener un pronóstico de los rendimientos y tomar sus decisiones de inversión.La presente disertación propone el uso de las técnicas de la computación suave y la minería de datos para obtener modelos más precisos del rendimiento de las acciones en los mercados financieros internacionales.De partida se toma la información de 10 años de la Bolsa Mexicana de Valores tomando una muestra de 40 emisoras y con esta muestra se desarrollan portafolios de 10 emisoras que posteriormente se comparan unos con otros hasta encontrar aquel que mayor rendimiento hubiera tenido a lo largo del horizonte temporal bajo estudio.Se toman diferentes fases de tiempo, a saber: diario, semanal y mensual para determinar cuál medición de tiempo da mayores rendimientos. Sin embargo se ignora la parte práctica de las comisiones.Posteriormente se aplica una minería de datos a un algoritmo de conteo que efectÚa hasta 2´123,389 ´622,640 combinaciones para encontrar aquella que forma el portafolio de inversión que mayor rendimiento da en el periodo.El resultado de este algoritmo se compara con los encontrados para las mismás fases de tiempo con un algoritmo genético con tres diferentes medidas deiiaptitud a saber: el rendimiento global, la distribución normal y el movimiento geométrico browniano.Finalmente se hace uso de un algoritmo voraz para encontrar otros portafolios para comparar con los obtenido previamente.Los resultados muestran que los portafolios formados con al algoritmo genético que usa como medida de aptitud la distribución normal generan mayores rendimientos anualizados. | |
| dc.language | spa | |
| dc.publisher | Instituto Tecnológico y de Estudios Superiores de Monterrey | |
| dc.rights | Open Access | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Algoritmo de Conteo | |
| dc.subject | Algoritmo Voraz a la Información | |
| dc.subject | 10 Años de Rendimientos | |
| dc.subject | Emisoras de la Bolsa Mexicana de Valores | |
| dc.subject | Ingeniería y Ciencias Aplicadas / Engineering & Applied Sciences | |
| dc.title | Comparación de Tres Algoritmos Genéticos, un Algoritmo de Conteo y un Algoritmo Voraz a la Información de 10 Años de los Rendimientos de 40 Emisoras de la Bolsa Mexicana de Valores | |
| dc.type | Tesis | |
