Predicción de errores del modelo Black‑Scholes mediante modelos clásicos de ciencia de datos

Simple item page
dc.contributor.advisorTorres Valencia, Cristian Alejandro
dc.contributor.authorRojas Ramírez, Julián
dc.contributor.authorTangarife Acevedo, Natalia María
dc.date.accessioned2026-07-15T19:40:11Z
dc.date.available2026-07-15T19:40:11Z
dc.date.issued2026
dc.description.abstractLa valoración precisa de opciones financieras es crucial para la toma de decisiones de inversión informada. El modelo Black-Scholes, aunque fundamental para la valoración teórica de opciones europeas, presenta limitaciones inherentes a sus supuestos que generan discrepancias con los precios reales del mercado. Este proyecto desarrolló un sistema de predicción basado en técnicas de ciencia de datos para predecir y corregir los errores sistemáticos del modelo Black-Scholes, utilizando un dataset de 40,337 contratos de opciones sobre 10 activos representativos del mercado estadounidense. Siguiendo la metodología CRISP-DM, se implementaron y compararon progresivamente seis modelos de aprendizaje automático de complejidad creciente, evaluando su capacidad para ajustar los precios teóricos. Los resultados demuestran que los modelos de ensamble logran las mayores reducciones del RMSE, con Random Forest como mejor modelo para opciones call (82,20%) y XGBoost para opciones put (89,54%) respecto al baseline, evidenciando que el aprendizaje automático puede complementar eficazmente los modelos teóricos de valoración financiera sin reemplazar su estructura fundamental.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent134 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5674
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectOpciones europeasspa
dc.subjectModelo Black‑Scholesspa
dc.subjectValoración financieraspa
dc.subjectModelos predictivosspa
dc.subjectPredicción de erroresspa
dc.subjectEuropean optionseng
dc.subjectBlack‑Scholes modeleng
dc.subjectFinancial valuationeng
dc.subjectPredictive modelseng
dc.subjectError predictioneng
dc.titlePredicción de errores del modelo Black‑Scholes mediante modelos clásicos de ciencia de datosspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Trabajo de grado en pdf.pdf
Size:
11.89 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de uso.pdf
Size:
292.27 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos