Resolución del problema de carteras de inversión utilizando la heurística de colonia artificial de abejas
DOI:
https://doi.org/10.1016/j.estger.2017.11.001Palavras-chave:
Optimización, Inversión, Modelo GARCH, Colonia artificial de abejasResumo
El presente artículo resuelve el problema clásico de optimización de carteras de inversión, usando el modelo de media-varianza y proponiendo una forma de calcular la volatilidad a través de los modelos generalizados autorregresivos condicionalmente heterocedásticos (GARCH). El problema es resuelto a través de una metaheurística bioinspirada, llamada colonia artificial de abejas (artificial bee colony[ABC]), cuyo objetivo es reducir los tiempos de ejecución computacionales presentes en otras soluciones. Los resultados fueron contrarrestados con un trabajo anterior, resuelto con multiplicadores de Lagrange, encontrando una frontera de inversión similar, pero con una reducción del tiempo de ejecución notablemente inferior. Finalmente, se hace referencia a futuros trabajos dentro del área de las finanzas computacionales.
Downloads
Referências
Bollerslev, T., Chou, R. Y. y Kroner, K. F. (1992). ARCH modeling in finance: A review of the theory and empirical evidence. Journal of Econometrics, 52(1-2), 5-59.
Chen, A. H., Liang, Y. C. y Liu, C. C. (2012 June). An artificial bee colony algorithm for the cardinality-constrained portfolio optimization problems. In 2012 IEEE Congress on Evolutionary Computation (CEC). pp. 1-8. Brisbane, QLD, Australia: IEEE.
Chen, S. H. y Kuo, T. W. (2002). Evolutionary computation in economics and finance: A bibliography. In Evolutionary computation in economics and finance. pp. 419-455. Heidelberg: Physica-Verlag.
Chen, S. H., Yeh, C. H. y Liao, C. C. (2002). On AIE-ASM: Software to simulate artificial stock markets with genetic programming. Studies in Fuzziness and Soft Computing, 100, 107-122.
Cooper, M. W. y Farhangian, K. (1982). An integer programming algorithm for portfolio selection with fixed charges. Naval Research Logistics (NRL), 29(1), 147-150.
Di Tollo, G. y Roli, A. (2008). Metaheuristics for the portfolio selection problem. International Journal of Operations Research, 5(1), 13-35.
Gálvez, P., Salgado, M. y Gutiérrez, M. (2015). Optimización de carteras de inversión modelo de Markowitz y estimación de volatilidad con GARCH. Horizontes Empresariales, 9(2), 39-50.
Glover, F. y Laguna, M. (1997). General purpose heuristics for integer programming - Part I. Journal of Heuristics, 2(4), 343-358.
Gutiérrez, M. y Salgado, M. (2012). Construcción de una cartera de inversión usando modelos GARCH. Industrial Data, 15(1), 84-99.
Gutiérrez, M., Torres, E. T., Gálvez, P. y Poo, G. (2007). Optimización de portafolios accionarios a través de un micro algoritmo genético. Industrial Data, 10(2), 12-20.
Karaboga, D. (2005). An idea based on honey bee swarm for numerical optimization (Vol. 200). Technical report-tr06, Erciyes University, Engineering Faculty, Computer Engineering Department.
Lang, Y., Lv, X. y Zhang, W. (2007 May). A linear programming model of fuzzy portfolio selection problem. In 2007 IEEE International Conference on Control and Automation. pp. 3116-3118. Guangzhou, China: IEEE.
Mansini, R. y Speranza, M. G. (1999). Heuristic algorithms for the portfolio selection problem with minimum transaction lots. European Journal of Operational Research, 114(2), 219-233.
Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1), 77-91.
Reeves, C. R. (1996). Heuristic search methods: A review. En D. Johnson y F. O'Brien (Eds.), Operational Research-Keynote Papers (pp. 122-149). Birmingham, UK: Operational Research Society.
Toca, C. E. (2014). Inteligencia colectiva: enfoque para el análisis de redes. Estudios Gerenciales, 30(132), 259-266.
Wang, Z., Liu, S. y Kong, X. (2012). Artificial bee colony algorithm for portfolio optimization problems. International Journal of Advancements in Computing Technology, 4(4), 8-16.
Wu, X. L. y Liu, Y. K. (2012). Optimizing fuzzy portfolio selection problems by parametric quadratic programming. Fuzzy Optimization and Decision Making, 11(4), 411-449.
Yang, J. (2002). The efficiency of an artificial double auction stock market with neural learning agents. In Evolutionary computation in economics and finance. pp. 85-105. Heidelberg: Physica-Verlag .
Zhou, C., Gao, H. B., Gao, L. y Zhang, W. G. (2003). Particle Swarm Optimization (PSO) Algorithm [J]. Application Research of Computers, 12, 7-11.
Downloads
Publicado
Edição
Seção
Licença
Os autores dos artigos serão responsáveis dos mesmos e, assim, não comprometam os princípios ou políticas da Universidade Icesi nem do Conselho Editorial da revista Estudios Gerenciales. Os autores autorizam e aceitam a transferência de todos os direitos para a revista Estudios Gerenciales para a publicão impressa ou eletrônica. Após a publicação do artigo, pode ser reproduzido sem a permissão do autor ou da revista, se mencionar o(s) autor(es), o ano, o título, o volume e o número e o intervalo de páginas da publicação, e Estudios Gerenciales como fonte (se abster de utilizar Revista Estudios Gerenciales).
Como Citar
