Tomando como referencia los datos que se tienen de variaciones de las acciones, por medio de la herramienta de Excel llamada NEURAL TOOLS, se procede a crear diferentes redes neuronales que permitan predecir los comportamientos de los precios futuros.
Se tiene en cuenta que siempre deben haber dos variables, una dependiente y una independiente para estos casos las variables dependientes son cada una de las acciones y la independiente es el Índice General de la Bolsa de valores ya que sirve como referente para los análisis; al tener estos datos se aplican las diferentes etapas dentro de una red neuronal:
Etapa 1: Recolección de los datos: se seleccionan las variaciones de las acciones y del índice de la bolsa y se crean los grupos de datos.
Etapa 2: Entrenamiento de la red: Teniendo los datos anteriores y con respecto a un término que puede ser manipulable buscando optimizar los resultados y que arroje proyecciones más acertadas se selecciona que la red prediga con los valores dependientes, se trabajó con una red probabilística ya que la variable es numérica.
Etapa 3: Resultados: la red maneja un completo análisis de los resultados de cada uno de sus procesos tanto teórico como gráfico que permite tener una mejor idea de lo que se elaboró.
Etapa 4 predicción: Finalmente, el sistema permite predecir cómo será el comportamiento de las variables dependientes en un tiempo determinado.
Al desarrollar la metodología con la herramienta informática neural tolos, se evidencia que se obtienen resultados demasiado dispersos, lo cual genera porcentajes de error muy elevados que no permiten desarrollar pronósticos efectivos; como se observan en la tabla 10.
Tabla 10.Variaciones en periodos de tiempos
MUESTRA DE 3 MESES - JUNIO-JULIO-AGOSTO
TEST ENTRENAMIENTO
ACCIÓN N° DATOS % ERROR N° DATOS % ERROR
COLINVERS 47 87,23% 12 91,67%
GRUPO AVAL 47 85,11% 12 83,33%
BANCOLOMBIA 47 82,98% 12 91,67%
INTERBOLSA 47 93,62% 12 91,67%
CEMARGOS 47 70,21% 12 100,00%
MUESTRA DE 2 MESES - JULIO-AGOSTO
TEST ENTRENAMIENTO
ACCIÓN N° DATOS % ERROR N° DATOS % ERROR
COLINVERS 32 87,50% 8 75,00%
GRUPO AVAL 32 93,75% 8 87,00%
BANCOLOMBIA 32 93,75% 8 100,00%
INTERBOLSA 32 96,88% 8 100,00%
CEMARGOS 32 78,13% 8 87,50%
De esta instrumento pudimos establecer que es un método muy volátil para establecer pronósticos, porque arroja resultados que tienen poca relación, y a pesar que la muestra sea siempre la misma, tanto en cantidad de datos como en valores, su resultado siempre es diferente; lo cual no permite tener claridad en saber cuál de estos resultados sea el optimo para este análisis. Puede considerarse entonces, manejar un mayor tiempo de entrenamiento de la red, manejar más variables dependientes dentro de la misma, que disminuyan los sesgos nombrados anteriormente.
7.5. ALGORITMO GENÉTICO
Después de determinar las acciones a analizar, se aplica el modelo de algoritmo genético para buscar las acciones que generen mínimo riesgo y mayor participación en el portafolio.
Etapa 1 Selección: Es cuando el sistema genera números aleatorios en la búsqueda de los óptimos para el portafolio.
Etapa 2 Recombinación: Se da cuando el sistema combina los pesos para determinar que le corresponde a cada acción.
Etapa 3 Mutación: Cuando se encuentran mejores datos de los ya estimados se realizan los cálculos sobre los nuevos.
Cuando el sistema finalmente establece los mejores puntos se genera el conjunto eficiente y se compara con los de los métodos tradicional y redes neuronales.
El manejo del algoritmo es el siguiente:
Como población se tiene el número infinito de portafolios con las n acciones, variando los porcentajes de inversión en cada una de ellas; los cromosomas son cada uno de los portafolios que pueden existir; estos cromosomas están integrados por genes que consisten en los porcentajes de inversión en cada acción.
La finalidad del algoritmo es seleccionar los mejores portafolios con los mejores cromosomas, es decir, las mejores participaciones en el portafolio.
Se parte de los datos presentados en MARKOWITZ con respecto a rentabilidad y riesgo, se busca que las acciones con mayor riesgo
manejen menor peso dentro del portafolio por medio de la función 1/f(x); cuando se determinan los pesos el sistema busca generar diferentes valores dentro de los rangos establecidos de máximos y mínimos asemejando a una ruleta donde hay varios puntos donde hay unos más óptimos que otros.
La idea es esos puntos sean el resultado de los diferentes porcentajes de inversión que se le pueden asignar a las acciones.
En la tabla 11, se detalla como es el manejo del algoritmo genético. Tabla 11.Manejo del Algoritmo Genético para el portafolio de acciones
INTERVALOS
ACCIONES RENTABILIDAD RIESGO INVERSO
PESO FUNCIÓN FITNESS ( PROB) DIST ACUMULADA LIMITE INF LIMITE SUP EVENTOS CEMARGOS 0.003419875 1.4995% 66.68943383 20% 20% 1 20 BANCOLOMBIA 0.002596313 1.5631% 63.97399798 19% 39% 20 39 COLINVERS 0.001466866 1.2878% 77.6499284 23% 62% 39 62 GRUPO AVAL 0.001246582 1.8228% 54.86003047 16% 79% 62 79 INTERBOLSA 0.002650777 1.4150% 70.67062372 21% 100% 79 100 333.8440144 100% Fuente: Elaboración propia
El algoritmo lo que permite es determinar las posibles soluciones más optimas dentro de un rango de datos establecidos; lo que muestra la tabla 12 son ejemplos de los resultados obtenidos para los eventos, los cuales son números aleatorios que deben estar contemplados dentro del límite superior que se observa en la tabla 11, para que estos resultados sean tomados como buenos y se puedan aplicar dentro del modelo. Tabla 12.Eventos Algoritmo Genético
NUMERO ALEATORIO 0,613173889 1,5631% 0,723897958 1,2878% 0,243713733 1,4995% 0,601571366 1,5631% 0,689378907 1,2878% 0,983247943 1,8228% 0,621094789 1,2878% 0,760656732 1,2878% 0,299923565 1,4995% 0,81998662 1,8228%
La herramienta de solver Premium, nos permite llegar al resultado optimo para el portafolio con un riesgo bajo, haciendo uso de las iteraciones que el sistema arroja, los cuales se nombraron como escenarios posibles, mostrados en la tabla 13; se tomaron los datos de está con respecto a riesgo y rentabilidad, que se muestran en el gráfico 13.
Gráfico 13.Riesgo vs Rentabilidad Algoritmo Genético
Tabla 13.Cantidad de escenarios posibles
RIESGO RENTABILIDAD ESCENARIO 1 0,6834% 0,2276% ESCENARIO 2 0,6684% 0,2349% ESCENARIO 3 0,6660% 0,2306% ESCENARIO 4 0,6659% 0,2295% ESCENARIO 5 0,6656% 0,2290% ESCENARIO 6 0,6656% 0,2289% ESCENARIO 7 0,6656% 0,2289% VER ANEXO D
Se observa que esta herramienta para optimizar el portafolio, permite obtener de una forma más exacta generar condiciones de riesgo menores, que son las más apropiadas para el inversionista; generando en este mayor confianza en la incursión de mercados de renta variable.