Optimización de portafolios con restricciones empleando algoritmos genéticos -Edición Única

En esta tesis se desarrolla el problema de selección de portafolios de inversión empleando algoritmos genéticos en donde se trata el problema de optimización. En este trabajo se plantean dos variantes del problema, en la primera variante se busca resolver el problema de optimización para un solo portafolio en forma de un objetivo con un algoritmo genético, en el segundo enfoque se aplican algoritmos multiobjetivo para la selección de múltiples resultados distribuidos en el frente de Pareto, conocido como frontera de eficiencia. En este trabajo se toma como referencia es el modelo de Markowitz (1959), donde se busca solucionar el problema de maximizar la rentabilidad esperada y minimizar el riesgo del portafolio. Este modelo tiene una solución mediante programación cuadrática. A pesar de que el método de programación cuadrática es muy eficiente, una de sus limitantes es que solo se consideran restricciones lineales. Al emplear un algoritmo genético de un objetivo para resolver el problema de optimización de portafolios es posible incluir restricciones no lineales. Por otra parte al emplear un algoritmo genético con optimización multiobjetivo se puede seleccionar un conjunto de resultados que se encuentren próximos al frente de Pareto en una sola ejecución. Aunque existen muchos avances en el tema de optimización de portafolios de inversión empleando algoritmos genéticos, en esta tesis se utilizan datos actuales y reales de la Bolsa Mexicana de Valores, además de explorar sobre el enfoque del problema de un objetivo. Por otra parte, se hace un análisis de este problema de optimización en cuanto a las ventajas de un método de un algoritmo evolutivo multiobjetivo.