Benchmarking machine learning methods for portfolio management: challenges and opportunities

Simple item page
dc.catalogadorpva
dc.contributor.advisorBaier Aranda, Jorge Andrés
dc.contributor.advisorToro Icarte, Rodrigo Andrés
dc.contributor.authorLaguna Altamirano, Santiago Andrés
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.date.accessioned2025-05-07T15:27:08Z
dc.date.available2025-05-07T15:27:08Z
dc.date.issued2025
dc.descriptionTesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2025
dc.description.abstractEl Aprendizaje Automático se ha convertido en una herramienta poderosa en la gestión de portafolios de inversión en la última década. Sin embargo, ciertos desafíos prácticos clave a menudo son pasados por alto, como la diversidad del mercado, los costos de transacción realistas para grandes operaciones y limitaciones robustas en las pruebas de los modelos. Este trabajo evalúa la efectividad y escalabilidad de los métodos de aprendizaje automático bajo condiciones más realistas utilizando las acciones que componen el S&P 500 y el DJIA. Analizamos técnicas de aprendizaje por refuerzo, aprendizaje por imitación, DAgger y basadas en modelos. Hasta donde sabemos, este es el primer estudio que compara sistemáticamente todos estos enfoques. Nuestros hallazgos demuestran que los mejores métodos superan el retorno anualizado y la razón de Sharpe de los índices de referencia estándar.
dc.description.funderNational Center for Artificial Intelligence CENIA
dc.description.funderANID
dc.fechaingreso.objetodigital2025-05-07
dc.format.extentx, 38 páginas
dc.fuente.origenSRIA
dc.identifier.doi10.7764/tesisUC/ING/104047
dc.identifier.urihttps://doi.org/10.7764/tesisUC/ING/104047
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/104047
dc.information.autorucEscuela de Ingeniería; Baier Aranda, Jorge Andrés; 0000-0002-6280-5619; 9477
dc.information.autorucEscuela de Ingeniería; Toro Icarte, Rodrigo Andrés; 0000-0002-7734-099X; 170373
dc.information.autorucEscuela de Ingeniería; Laguna Altamirano, Santiago Andrés; S/I; 1045463
dc.language.isoen
dc.nota.accesocontenido completo
dc.rightsacceso abierto
dc.subjectFinanzas
dc.subjectGestión de portafolios
dc.subjectAprendizaje por refuerzo
dc.subjectAprendizaje supervisado
dc.subjectAplicaciones
dc.subject.ddc620
dc.subject.deweyIngenieríaes_ES
dc.titleBenchmarking machine learning methods for portfolio management: challenges and opportunities
dc.typetesis de maestría
sipa.codpersvinculados9477
sipa.codpersvinculados170373
sipa.codpersvinculados1045463
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TESIS_SLaguna.pdf
Size:
511.54 KB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.98 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
3.01 Tesis magíster