Resumen

Los problemas de optimización de carteras implican la selección de diferentes activos para invertir con el fin de maximizar el rendimiento global y minimizar el riesgo global simultáneamente. La complejidad del problema de asignación óptima de activos aumenta a medida que aumenta el número de activos disponibles para invertir. El problema de optimización se convierte en un reto computacional cuando hay más de unos cientos de activos entre los que elegir. Para reducir la complejidad de la optimización de carteras a gran escala, en este artículo se proponen dos procedimientos de preselección de activos que tienen en cuenta la rentabilidad y el riesgo de cada activo y la correlación entre pares para eliminar activos que potencialmente no pueden seleccionarse en ninguna cartera. Con estos métodos de preselección de activos, el número de activos que pueden incluirse en una cartera puede aumentar hasta miles. Para comprobar la eficacia de los métodos propuestos, se aplican y comparan un algoritmo evolutivo multiobjetivo normalizado basado en la descomposición (NMOEA/D) y otros algoritmos evolutivos multiobjetivo de uso común. Se llevan a cabo seis experimentos con diferentes configuraciones. Los resultados experimentales muestran que con los métodos propuestos se reduce el tiempo de simulación y se mejoran significativamente los resultados de la compensación entre rentabilidad y riesgo. Además, según el análisis comparativo, el algoritmo NMOEA/D supera a los demás algoritmos comparados en todos los experimentos.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Problemas de optimización de carteras; activos; rentabilidad; riesgo; asignación de activos; reto computacional.
• Keywords:Portfolio optimization problems; assets; return; risk; asset allocation; computational challenging