Optimización de portafolios de inversión a través de algoritmos evolutivos y manejo de funciones de penalización.

Ponente(s): Uriel Trejo Ramírez, Lourdes Fabiola Uribe Richaud, Oliver Fernando Cuate González, Yael Abraham Andrade Ibarra.

Junto con el crecimiento del mercado financiero, las opciones de inversión también lo han hecho. Aunque el problema de optimización de portafolios no es reciente, éste sigue siendo resuelto día a día por las grandes empresa o por personas que quieren generar rendimientos con su dinero. Por esta razón, se ha buscado la mejor manera de distribuir los recursos financieros disponibles para obtener un buen rendimiento pero buscando minimizar el riesgo existente. Este problema implica funciones que se encuentran en conflicto, por lo que de manera natural se cuenta con un problema de optimización multi-objetivo (POM). Los algoritmos de búsqueda estocástica como los algoritmos evolutivos multi-objetivo (AEMOs) han captado interés de muchos investigadores. Algunas razones de esto incluyen que los AEMOs son de naturaleza global, además debido a su enfoque poblacional son capaces de calcular una aproximación finita de todo el conjunto de Pareto (CP) en una sola ejecución. Para el caso de POM con restricciones, la mayoría de los algoritmos evolutivos existentes aún manejan la factibilidad de soluciones en la parte evolutiva (proceso de selección) del algoritmo. Por lo tanto, diseñar estrategias efectivas para el manejo de este tipo de problemas es de gran relevancia. Los algoritmos NSGA II y NSGA son herramientas útiles en la resolución de problemas de Optimización Multiobjetivo (POM), sin embargo, estos algoritmos no cuentan con una estrategia de penalización, la cual, es una técnica para el manejo de restricciones en problemas de optimización, que consiste en agregar un valor a las soluciones que no cumplan las restricciones de acuerdo con el grado de violación. En el presente trabajo, se propone optimizar diferentes portafolios de inversión haciendo uso de 3 métodos de penalización diferentes y de los algoritmos NSGA II y NSGA III. Se realiza un análisis comparativo entre los resultados obtenidos por el AEMO sin el uso de penalización y los resultados empleando las diferentes penalizaciones.