Optimización de portafolios de inversión bajo aprendizaje automático

Este proyecto busca realizar una revisión y aplicación a nivel teórico-práctico de modelos de optimización de portafolios basados en relaciones jerárquicas entre los activos, en donde se señalan los modelos de Hierarchical Risk Parity (HRP) y Hierarchical Equal Risk Contribution (HERC). En este sentido, los modelos HRP y HERC se presentan como una alternativa a los modelos clásicos de optimización como lo son media-varianza de Markowitz y los modelos Black-Litterman, especialmente respecto al modelo de Markowitz en donde existe una dependencia de la matriz inversa de covarianzas. Al respecto, los modelos HRP y HERC hacen uso de árboles jerárquicos (aprendizaje automático), dando un papel fundamental al orden de los activos (dendograma). Como resultado se espera obtener herramientas computacionales que permitan implementar una gestión adecuada de portafolios de inversión.