Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC

La optimización de carteras de inversión representa un desafío para el inversor al momento de seleccionar la combinación correcta de acciones a efectos de maximizar los retornos esperados y minimizar los riesgos. Es así que en contraste con el paradigma de la computación tradicional, la computación...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Braña, Juan Pablo, Litterio, Alejandra, Fernández, Alejandro
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2021
Materias:	Ciencias Informáticas Computación Cuántica Procesamiento de Lenguaje Natural Cuántico Optimización de Cartera de Inversión Finanzas Machine learning AI
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/119966
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-119966
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Computación Cuántica Procesamiento de Lenguaje Natural Cuántico Optimización de Cartera de Inversión Finanzas Machine learning AI
spellingShingle	Ciencias Informáticas Computación Cuántica Procesamiento de Lenguaje Natural Cuántico Optimización de Cartera de Inversión Finanzas Machine learning AI Braña, Juan Pablo Litterio, Alejandra Fernández, Alejandro Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC
topic_facet	Ciencias Informáticas Computación Cuántica Procesamiento de Lenguaje Natural Cuántico Optimización de Cartera de Inversión Finanzas Machine learning AI
description	La optimización de carteras de inversión representa un desafío para el inversor al momento de seleccionar la combinación correcta de acciones a efectos de maximizar los retornos esperados y minimizar los riesgos. Es así que en contraste con el paradigma de la computación tradicional, la computación cuántica no sólo acelera de manera sustancial el proceso de las computadoras tradicionales si no que optimiza la performance del método que determina cuáles acciones deben ser incluidas en las carteras de inversión y cuáles no. En este trabajo presentamos un estudio de comparación y referencia entre el resultado obtenido por tres diferentes metodologías de optimización de cartera: a) aproximación clásica, b) aproximación cuántica, c) un híbrido entre la aproximación cuántica incorporando criterios de Inteligencia Artificial. Para el primero de los casos utilizamos el modelo de Markowitz, el cual es un algoritmo clásico para determinar carteras eficientes, para nuestra aproximación cuántica hemos trabajado con un algoritmo de optimización cuántico llamado <i>Variational Quantum Eigensolver</i> (VQE) y por último hemos intentado mejorar este último criterio de optimización con un índice de sentimiento calculado con procesamiento de lenguaje natural (NLP) y una métrica de <i>forecasting</i> multivariado basado en <i>Machine Learning</i>.
format	Objeto de conferencia Objeto de conferencia
author	Braña, Juan Pablo Litterio, Alejandra Fernández, Alejandro
author_facet	Braña, Juan Pablo Litterio, Alejandra Fernández, Alejandro
author_sort	Braña, Juan Pablo
title	Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC
title_short	Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC
title_full	Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC
title_fullStr	Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC
title_full_unstemmed	Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC
title_sort	optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación ai /qc
publishDate	2021
url	http://sedici.unlp.edu.ar/handle/10915/119966
work_keys_str_mv	AT branajuanpablo optimizaciondecarterasdeinversionunbenchmarkconmodelosclasicodecomputacioncuanticaydehibridacionaiqc AT litterioalejandra optimizaciondecarterasdeinversionunbenchmarkconmodelosclasicodecomputacioncuanticaydehibridacionaiqc AT fernandezalejandro optimizaciondecarterasdeinversionunbenchmarkconmodelosclasicodecomputacioncuanticaydehibridacionaiqc
bdutipo_str	Repositorios
_version_	1764820449131233282

Optimización de carteras de inversión: un benchmark con modelos clásico, de computación cuántica y de hibridación AI /QC

Ejemplares similares