APRENDIZAJE POR REFUERZO PROFUNDO PARA TRADING ALGORITMICO

RODRIGUEZ HERNANDEZ, IRVING OMAR

Ver Estadísticas

Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas:

Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)

Tesis de Posgrado

Tamaulipas

Instituto Tecnológico de Ciudad Madero

Tesis

Tesis de Maestría

Maestría en Ciencias de la Computación

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/5601

Full metadata record

DC Field	Value	Language
dc.contributor.author	RODRIGUEZ HERNANDEZ, IRVING OMAR	-
dc.creator	RODRIGUEZ HERNANDEZ, IRVING OMAR%1037457	-
dc.date.accessioned	2023-05-26T17:37:55Z	-
dc.date.available	2023-05-26T17:37:55Z	-
dc.date.issued	2022-05-01	-
dc.identifier.uri	https://rinacional.tecnm.mx/jspui/handle/TecNM/5601	-
dc.description	El problema de asignación continua de recursos en mercados financieros o trading conlleva la construcción de portafolios de inversión a ejecutar en intervalos de tiempo discretos. La solución a este problema exige el desarrollo de estrategias de comercialización de bienes que tengan como objetivos el incremento sustancial del capital inicial y una baja volatilidad (riesgo) en comparación con métodos y técnicas ya conocidos tanto para la gestíón activa como pasiva de portafolios de inversión. Este trabajo presenta el método GA-DRL para la generación de estrategias de inversión con acciones de los mercados de valores. Por una parte, integra el algoritmo GenPo-Sharpe para la preselección de activos financieros cuya finalidad es proporcionar un portafolio de inversión con un número reducido de activos, de acuerdo a las preferencias del inversionista, y balanceado en cuanto a su rendimiento y riesgo esperados. En segundo lugar integra un agente de aprendizaje por refuerzo profundo para el rebalanceo diario del portafolio de inversiones obtenido en la primera etapa. La concatenación de estas dos técnicas, que constituyen al método presentado, se provee como una alternativa adicional para la gestión activa de portafolios de inversión con resultados prometedores en acciones de las bolsas de valores de Nueva York y Brasil.	es_MX
dc.language.iso	spa	es_MX
dc.publisher	Tecnológico Nacional de México	es_MX
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0	es_MX
dc.subject	info:eu-repo/classification/cti/7	es_MX
dc.title	APRENDIZAJE POR REFUERZO PROFUNDO PARA TRADING ALGORITMICO	es_MX
dc.type	info:eu-repo/semantics/masterThesis	es_MX
dc.contributor.director	GONZALEZ BARBOSA, JUAN JAVIER%202134	-
dc.rights.access	info:eu-repo/semantics/openAccess	es_MX
dc.publisher.tecnm	Instituto Tecnológico de Ciudad Madero	es_MX
Appears in Collections:	Maestría en Ciencias de la Computación