Browsing by Subject "Investing"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    El ahorro y la inversión: ¿puede la educación financiera hacer la diferencia? Revisión de la literatura
    (Pontificia Universidad Javariana Cali, 2025) Montero Moreno, Federico; Gómez Daza, Jesús Ancizar
    Esta investigación analiza el impacto de la educación financiera en los hábitos de ahorro e inversión, evaluando su capacidad para mejorar la gestión financiera personal y fomentar el desarrollo económico. Basada en una revisión de literatura de los últimos 10 años, examina tres ejes principales: ahorro, inversión y complejidad del sistema financiero. Se encontró que la educación financiera mejora el conocimiento, pero su impacto práctico en el ahorro es limitado debido a factores como ingresos bajos y contextos macroeconómicos. En las inversiones, fomenta decisiones más informadas y reduce la aversión al riesgo, pero los sesgos cognitivos y el bajo control emocional limitan su efectividad. La creciente complejidad financiera y las deficiencias regulatorias generan asimetrías de información, dificultando la toma de decisiones. El estudio concluye que la educación financiera, aunque valiosa, no es suficiente por sí sola. Se requiere un enfoque adaptado a perfiles individuales, complementado con asesoramiento profesional y sistemas financieros más inclusivos y transparentes, para maximizar su impacto y mejorar la calidad de vida. Este trabajo se relaciona con el objetivo de desarrollo sostenible (ODS) de la ONU número 10: reducir la desigualdad en y entre los países.
  • Thumbnail Image
    Item
    Predicción de la volatilidad del bitcoin con modelos clásicos y de machine learning
    (Pontificia Universidad Javeriana Cali, 2025) Escobar Anduquia, Christian Daniel; Ruiz Ramos, Luis Carlos; Rivas Cortés, Vladimir Fabián; García Arboleda, Isabel Cristina
    La volatilidad del Bitcoin ha sido objeto de análisis debido a su marcada variabilidad en los mercados financieros, dado que su estudio permite a los inversionistas optimizar estrategias y diversificar portafolios en un entorno globalizado. Comprender su comportamiento facilita decisiones informadas ante la incertidumbre y especulación, aunque su naturaleza descentralizada plantea desafíos significativos. Inversionistas y formuladores de políticas enfrentan dificultades para crear estrategias adaptativas debido a su alta volatilidad y comportamiento impredecible. Para abordar este problema, se analizó el comportamiento histórico de la volatilidad y se compararon modelos estadísticos clásicos, como ARCH y GARCH, con enfoques avanzados de machine learning, incluyendo LSTM y GRU. Además, se implementaron otros modelos como SRNN, XGBOOST y LIGHTGBM para ampliar el análisis comparativo. Se evaluó la efectividad de cada enfoque, identificando ventajas, desventajas y parámetros clave que influyen en la precisión de las predicciones. XGBOOST, LSTM y GRU destacaron por su precisión; XGBOOST mostró una limpieza superior de residuos y ausencia de heterocedasticidad significativa, mientras que LSTM y GRU capturaron mejor dinámicas no lineales. Este estudio impulsó el desarrollo de competencias en ciencia de datos y modelado financiero, resaltando la utilidad del enfoque CRISP-DM y la importancia de integrar análisis de sentimientos y variables exógenas para mejorar la generalización en mercados volátiles como el de las criptomonedas.