Machine learning aplicado a la gestión de carteras de inversión en acciones : Comparación de modelos según técnicas de selección de características

Abstract

RESUMEN: Desde la aparición de la bolsa de valores en el siglo XVII, se han escrito numerosos libros sobre estrategias de inversión con el objetivo común de superar al mercado. La mayoría de sus autores coinciden en el hecho de que existen muchas oportunidades para ganar dinero y que el gran desafío está en lograr identificar estas oportunidades de una manera consistente. Por otro lado, el aprendizaje automático es un concepto que, si bien se conoce hace muy poco, realmente comenzó a tomar relevancia en el año 1952, cuando se definió por primera vez en un artículo de la revista IBM. En aquel texto, un programador llamado Arthur Samuel, diseñó un mecanismo que mejoraba un juego de damas a medida que jugaba partidas. Desde aquel entonces ha ido evolucionado, tanto así, que actualmente es una herramienta que permite, para bien o para mal, desde recomendar productos de forma personalizada para cada usuario hasta realizar exitosas campañas electorales. Entonces, ¿por qué no utilizarlo para identificar las oportunidades que se generan en los mercados financieros? Asimismo, la actividad de desarrollar estrategias de inversión en acciones, en la que se toma en consideración infinidad de ratios e información de las empresas, se presta fácilmente para el aprendizaje automático, ya que es en su mayor parte un análisis estadístico aplicado. El objetivo general de este trabajo es orientar al lector en el desarrollo de un sistema de Machine Learning aplicado a la gestión de cartera de acciones. Para esto es necesario introducir el fundamento teórico de las inversiones y los conceptos básicos del Machine Learning. Este trabajo no pretende entrar en detalle sobre las fórmulas matemáticas o códigos de programación, al contrario, se tratan los conceptos de forma simple y se concentra en el aspecto práctico del uso de algoritmos de aprendizaje automático.

ABSTRACT: Since the appearance of the stock market in the 17th century, numerous books have been written on investment strategies with the common goal of outperforming the market. Most of its authors agree that there are many opportunities to earn money and that the great challenge is to consistently identify these opportunities. On the other hand, machine learning is a concept that has been known very recently but it really began to gain relevance in 1952, when it was defined for the first time in an article in IBM magazine. In that text, a programmer named Arthur Samuel designed a mechanism that improved a game of checkers as it played games. Since then, it has evolved so much that it is currently a tool that allows, for better or for worse, from recommending products in a personalized way for each user to carrying out successful electoral campaigns. So why not use it to identify the opportunities that are generated in the financial markets? Also, the activity of developing stock investment strategies, in which countless ratios and company information are taken into consideration, lends itself easily to machine learning, as it is mostly applied statistical analysis. The general objective of this work is to guide the reader in the development of a Machine Learning system applied to stock portfolio management. For this it is necessary to introduce the theoretical foundation of investments and the basic concepts of Machine Learning. This work does not intend to go into detail about the mathematical formulas or programming codes, on the contrary, the concepts are treated in a simple way and it concentrates on the practical aspect of the use of machine learning algorithms.