Browsing by Author "Joaqui Barandica, Orlando"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Integración de inteligencia artificial y teoría de portafolio en la evaluación y optimización de pronósticos para ETFS
    (Pontificia Universidad Javeriana Cali, 2024) Murcia Piedrahita, Juan David; Joaqui Barandica, Orlando
    Ante un mercado financiero global en constante evolución, los Exchange Traded Funds (ETFs) han surgido como herramientas versátiles de inversión, accesibles para diversificar portafolios a bajo costo y con alta flexibilidad. A continuación, esta investigación aborda la integración de la inteligencia artificial, especialmente el aprendizaje automático, para perfeccionar la evaluación y predicción de precios en 5 ETFs: SPDR S&P 500 ETF Trust (SPY), iShares Russell 2000 ETF (IWM), Invesco QQQ Trust (QQQ), Grayscale Bitcoin Trust (GBTC), Vanguard Total Stock Market ETF (VTI). A causa de la volatilidad y diversidad del mercado, existe una necesidad crítica de desarrollar estrategias de inversión que no solo optimicen los retornos, sino que también minimicen los riesgos asociados. Este estudio utiliza técnicas de aprendizaje automático, como el método KNN para la clasificación de tendencias de precios, combinadas con la teoría de portafolio de Markowitz, para formular enfoques de inversión que maximicen la rentabilidad ajustada al riesgo. Así pues, el análisis descriptivo inicial reveló patrones que influyen en el rendimiento de los ETFs, estableciendo una base sólida para la predicción precisa de movimientos de precios y la construcción de portafolios optimizados. Los resultados muestran que la integración de técnicas avanzadas de aprendizaje automático con principios fundamentales de inversión mejora notablemente la gestión de portafolios de ETFs, evidenciando una capacidad de predicción superior al 50% para tendencias de precios. Siendo así, esta capacidad para equilibrar el rendimiento y el riesgo es crucial en el entorno financiero actual, caracterizado por su rápida evolución y complejidad. Además, los hallazgos sugieren que adoptar enfoques tecnológicos avanzados puede superar las limitaciones de las estrategias de inversión tradicionales, ofreciendo a los inversores herramientas más robustas para navegar mercados financieros volátiles. En conclusión, este estudio subraya la importancia de combinar la inteligencia artificial con la teoría de portafolios para optimizar la gestión de inversiones en ETFs, proponiendo futuras investigaciones que extiendan estos métodos a otros tipos de activos financieros, lo que podría ampliar aún más las estrategias de inversión efectivas y seguras.
  • Thumbnail Image
    Item
    Modelación del riesgo climático sobre el precio de las viviendas en ciudades costeras de Colombia para el año 2022
    (Pontificia Universidad Javeriana Cali, 2022) Mosquera Miranda, Adriana Lucia; Joaqui Barandica, Orlando
    Esta investigación modela el efecto del riesgo climático en los precios de las viviendas costeras. Estas zonas son altamente vulnerables a los impactos del cambio climático, por lo cual se esperaría que el precio de las viviendas presente un descuento. Se aplicó web scraping al portal web finca raíz para obtener información del precio de inmuebles en venta, así como su georreferenciación. Después, se obtuvo del sistema NASA POWER los valores de las variables climáticas analizadas para cada localización. Seguidamente, se aplicó el método estadístico de análisis de componentes principales para finalmente proponer un índice que contiene información climática y de oferta de precios de las viviendas, así como una escala para interpretar sus resultados. Se identifica que en las viviendas analizadas el riesgo climático afecta el precio de los inmuebles. Específicamente, al incrementarse la velocidad del viento y las lluvias se genera una disminución en el precio de 12,9% y 1,35% respectivamente. Los resultados también demuestran que las ciudades costeras tienen una mayor exposición al riesgo climático en relación con ciudades de otras zonas del país.