DMAF - Trabajos de fin de grado

URI permanente para esta colección

https://hdl.handle.net/11117/1865

Examinar

Examinando DMAF - Trabajos de fin de grado por autor "Aguirre-Rodríguez, Rania, P."

Mostrando 1 - 1 de 1
  • Ítem
    Quantum Bold Asset Allocation
    (ITESO, 2024-11) Muñoz-Acevedo, Mara P.; Aguirre-Rodríguez, Rania, P.; Robles-Cobián, Luis R.; Sánchez-Soto, Luis E.; Vaca-González, Óscar L.; González-Vázquez, Sean N.
    El presente reporte describe el desarrollo de dos estrategias de asignación de activos cuantitativos: Quantum-Bold Asset Allocation (QBAA) y Green Economy Asset Allocation (GEAA). El objetivo fue proponer, implementar y validar modelos matemáticos y algoritmos innovadores que optimizaran el rendimiento ajustado al riesgo y mejoraran la gestión de portafolios en mercados complejos. La metodología incluyó el desarrollo de modelos matemáticos avanzados, optimización de parámetros, simulaciones y pruebas de backtesting dinámico bajo diferentes escenarios. QBAA se fundamentó en el modelo Bold Asset Allocation (BAA),mejorándolo con señales de momentum relativo y absoluto para lograr una asignación más dinámica y eficiente. GEAA, por su parte, integró factores climáticos y económicos utilizando modelos como DICE y análisis de riesgos físicos y de transición. Los resultados destacaron que QBAA superó a GEAA en consistencia, adaptabilidad y viabilidad operativa debido a su menor dependencia de datos complejos y costos computacionales. Aunque GEAA presentó un enfoque innovador, sus limitaciones técnicas complicaron su implementación práctica. Se concluye que QBAA es una solución robusta y escalable para la asignación de activos. Este proyecto evidencia el valor de los modelos matemáticos avanzados y algoritmos cuantitativos en la optimización de estrategias de inversión.