Optimización de Stock Picking: Estrategias de Value Investing con Machine Learning

Abstract

En el proyecto trabajado en el PAP denominado " Stock-Picking mediante Machine Learning basado en Value Investing", nos hemos dedicado a automatizar la selección y evaluación de activos financieros para asistir a los inversionistas en el proceso de toma de decisiones de inversión. Este proyecto se ha centrado en el Value Investing para el desarrollo de herramientas analíticas. Nos propusimos y logramos establecer los fundamentos y recolectar datos para nuestro análisis. Identificamos los activos y fundamentales significantes, diseñamos y desarrollamos un algoritmo para extraer datos de las empresas seleccionadas, y estructuramos esta información de manera óptima para su uso posterior. En la fase de análisis fundamental y evaluación de modelos, evaluamos el rendimiento histórico de las acciones, las clasificamos y probamos diversos modelos de clasificación hasta seleccionar el más eficiente. La validación y backtesting fueron esenciales para asegurar la solidez y confiabilidad de nuestra estrategia de inversión. A través de nuestra metodología, llegamos a resultados prometedores. El producto final, un modelo desarrollado con técnicas de Machine Learning como Gradient Boosting, ha probado ser efectivo en la predicción de rendimientos financieros positivos. Las simulaciones de backtesting han mostrado métricas favorables en términos de rendimiento, lo que subraya la capacidad del algoritmo para generar ganancias. Nuestro enfoque ha permitido abordar de manera integral las complejidades del entorno financiero y tiene implicaciones significativas para la toma de decisiones estratégicas en el ámbito de las inversiones.