Aplicación de redes neuronales recurrentes para la construcción de portafolios de acciones en el mercado de capitales ecuatoriano. Período 2013 – 2018

Abstract

En la actualidad, la inteligencia artificial es un tema vanguardista por sus múltiples aplicaciones en distintos campos de las ciencias. En la presente investigación, se desarrolló un modelo de aprendizaje automático conocido como redes neuronales recurrentes, con el objetivo de estimar con mayor precisión las variables del riesgo y rendimiento esperado de las compañías que cotizan sus acciones en el mercado de capitales ecuatoriano, para de esta forma, construir portafolios financieros óptimos. Fueron recopilados los precios de cierre y valores mensuales de 35 emisores de acciones y el índice ecuatoriano del mercado bursátil ECUINDEX, durante el período 2013 – 2018, para la construcción, aprendizaje y estimaciones de las redes neuronales recurrentes, así como para la realización de los cálculos matemáticos necesarios en la construcción de portafolios financieros. Dentro de los resultados principales; se alcanzó un grado de acierto en los pronósticos de las redes neuronales de 90,08% en los precios de cierre y valores mensuales, y 99,00% en el cálculo de rendimientos. Además, se obtuvieron 34 portafolios óptimos que presentan un rango de riesgo entre 0,32% y 32,87%, y un rendimiento esperado de 0,10% hasta 46,56%. El desempeño de los portafolios financieros fue comparado contra el índice bursátil del mercado nacional, de tal forma que se obtuvieron medidas sobre aquellos portafolios que superarán el rendimiento esperado del índice, y aquellos que obtendrán un desempeño inferior al mismo. Los valores de riesgo y rendimiento de cada portafolio óptimo fueron representados gráficamente en un plano cartesiano, con lo cual se obtuvo la frontera eficiente del mercado de capitales ecuatoriano, además, que las distintas combinaciones entre estas dos variables ratificaron la relación existente entre un mayor riesgo esperado, compensado con una mayor rentabilidad.