Aplicaciones financieras de los algoritmos evolutivos.

Los mercados financieros son un entorno complejo y siempre cambiante en el que los inversores compiten por beneficios. Los seres vivos habitan un mundo con esas características y compiten por los recursos existentes para asegurar su supervivencia. Parece natural usar algoritmos que están inspirados en procesos biológicos (por ejemplo, la computación evolutiva) para atacar el problema de sobrevivir en la jungla financiera. En este contexto hemos trabajado con dos problemas en concreto: la predicción de quiebra empresarial y la optimización de carteras de inversión. En el caso de la predicción de quiebras la computación evolutiva ha generado modelos de predicción con bajos porcentajes de error y que, a diferencia de otros métodos, son analizables y comprensibles. En el caso de la optimización de carteras la computación evolutiva es capaz de encontrar un conjunto de carteras eficientes en una única ejecución del algoritmo. Además permite el uso de cualquier medida de riesgo y la inclusión de restricciones como los lotes de compra, los costes de transacción, etc. La aplicación de la computación evolutiva es fácilmente extensible a otros problemas financieros que impliquen la construcción de modelos de predicción/evaluación o la asignación de recursos.

Aplicaciones

  • Herramienta de predicción de riesgo crediticio (tanto para créditos empresariales como personales).
  • Herramienta de soporte en la toma de decisiones de inversión.

Ventajas técnicas

  • Simplicidad de los modelos de predicción de quiebra.
  • La versatilidad de la herramienta de toma de decisiones de inversión permite el uso de cualquier medida de riesgo que se desee y la incorporación de las restricciones reales que impone el mercado.

Beneficios que aporta

  • La herramienta de predicción permite tomar decisiones sobre la conveniencia o no de conceder un préstamo con un alto nivel de precisión.
  • La herramienta de toma de decisiones de inversión proporciona muy rápidamente una serie de opciones de inversión óptima que el inversor puede considerar.

Experiencia relevante

  • El personal del grupo tiene más de 10 años de experiencia en la aplicación de técnicas de computación evolutiva a problemas de optimización/predicción.