Aplicación de Inteligencia Artificial a la Inversión en el Mercado de Valores, a través deActivos de Renta Variable

El uso de técnicas de Inteligencia Artificial (IA) en finanzas es en la actualidad de gran importancia en el procesamiento eficaz de grandes
volúmenes de información financiera a través de recursos computacionales cada vez más accesibles. Adicionalmente, IA ha demostrado ser
altamente eficiente en mejorar la velocidad y veracidad de la predictibilidad en el campo financiero llevando a maximizar la rentabilidad de
estrategias de inversión. Las redes neuronales artificiales (Artificial Neural Network) RNA representan una evolución más reciente de IA y son una
herramienta computacional poderosa con grandes ventajas para ser explotadas en el sector de las inversiones. RNA tienen la capacidad de
desempeñar rutinas de aprendizaje comparables a los procesos de racionamiento y pensamiento humano a través de su arquitectura algorítmica.
RNA han sido exitosamente aplicados en varios campos de las finanzas, como la predicción de evolución de precios de divisas del mercado Forex y
de inversión en Fondos mutuos. Sin embargo, el estudio de la utilidad práctica de los RNA en sectores más dinámicos e inestables como el de las
inversiones de activos de renta variable ha sido poco o inexistente de acuerdo con la literatura actual. Este vacío literario muestra una oportunidad
para la generación de conocimiento práctico para el mundo de las inversiones de este tipo de activos financieros mediante la exploración de
estrategias de inversión (de activos de renta variable) basadas en RNA y para medir cuantitativamente su poder predictivo de señales rentables de
compra/venta. En la presente propuesta de investigación, se pretende llenar este vacío literario desarrollando estrategias asistidas por algoritmos
RNA orientadas a alcanzar rendimientos superiores a estrategias convencionales de inversión y que tengan potencial aplicación financiera futura.
Igualmente, parámetros claves de la arquitectura RNA pueden ser estudiados en más detalle y observar su impacto en el rendimiento de las
estrategias basadas en redes neuronales