Administración de carteras con redes neuronales mediante metodología Rolling.

Abstract

Este trabajo persigue evaluar la rentabilidad que habría obtenido un inversionista que hubiese seguido las recomendaciones de Redes Neuronales Artificiales para la conformación semanal de sus carteras durante casi 4 años. Lo que se busca es ver no sólo si la proyección de las RNA constituyen una mejor predicción del retorno de las acciones que el promedio histórico de estos, si no que además busca ver si al usar una metodología Rolling para las predicciones se puede lograr un mejor desempeño de las RNA y por ende una mayor rentabilidad de la conformación de carteras. Para esto se usa una red Ward que se vuelve a entrenar con los nuevos datos cada vez que se quiere proyectar una nueva semana (Método Rolling). En este estudio se usaron datos de 29 de las 30 acciones del Dow Jones Industrial Average para el período comprendido entre el 4 de febrero de 1994 y el 10 de septiembre del 2004. Como Benchmark para el método propuesto se usó la metodología tradicional de conformación de carteras tomando el coeficiente Beta de correlación con el mercado como medida del riesgo y el promedio de los retornos históricos como medida del retorno esperado, este método se denominará como portfolios por Betas. En este trabajo se encontró que la red Ward tenía excelente capacidad predictiva para el signo que seguirá el cambio del precio de una acción. También se mostró que cuando se permite venta corta la estrategia por RNA obtiene mayor rentabilidad acumulada en promedio que la estrategia por Betas. En cambio, cuando no se permite la venta corta los portfolios por Betas superan a los de RNA en este mismo indicador