Algorismes que decideixen inversions

  Foto: Unsplash/Austin Distel

Foto: Unsplash/Austin Distel

Investigadors de la UOC impulsen intelligncia artificial per millorar la presa de decisions econmiques d'empreses i governs

Tot i que fa molt de temps que les mquines executen tasques i resolen problemes, hi ha decisions que comporten riscos que encara depenen en bona mesura dels humans. En el cas d'mbits com les finances, triar un cam o un altre pot conduir a l'xit o abocar al fracs. Per facilitar aquest tipus de decisions, la Universitat Oberta de Catalunya (UOC) desenvolupa, amb col·laboraci internacional, algorismes que permeten automatitzar l'avaluaci dels riscos i la presa de decisions en matria d'inversions.

En el context de les denominades finances computacionals, els investigadors de la UOC Jana Doering i ngel Juan, del grup de recerca ICSO de l'Internet Interdisciplinary Institute (IN3), juntament amb la investigadora ngels Fit, del grup Management & eLearning (MeL) dels Estudis d'Economia i Empresa, han publicat un article cientfic, en la revista Operations Research Perspectives, sobre la implantaci en l'mbit financer dels algorismes metaheurstics i sobre com es poden fer servir per a resoldre problemes d'alta complexitat en el camp de la computaci i l'optimitzaci combinatria. En concret, els experts aborden l'optimitzaci de carteres d'inversi i la gesti dels riscos associats. L'equip investigador ha analitzat la relaci entre aquests dos problemes i proposen nous algorismes hbrids, com els anomenats simheuristics (combinaci de metaheurstica i simulaci) i els learnheuristics (combinaci de metaheurstica i aprenentatge automtic), per a generar solucions que permetin millorar notablement la presa de decisions en entorns financers.

 

Finances automatitzades per a evitar errors humans

«La recerca en aquest camp s'ha incrementat significativament en els ltims anys i, mentre que algunes metaheurstiques han rebut ms atenci que d'altres, diferents implantacions han trobat solucions a problemes rellevants per a les entitats financeres», apunta Doering. «En el camp financer, trobem que falta comptabilitzar moltes complexitats de la vida real, de manera que pot ser til la combinaci de la metaheurstica amb l'aprenentatge automtic per a modelar dinmiques de comportament i amb la simulaci per a definir parmetres incerts», pronostica l'experta.

Els investigadors consideren que a mesura que les decisions es prenen amb criteris ms intel·ligents i basats amb l's de dades i algorismes de darrera generaci, la seva eficincia augmenta notablement. «s interessant que els inversors grans o petits es puguin beneficiar d'un algorisme d'optimitzaci que els permeti decidir amb xit en una cartera d'actius, segons les seves preferncies de rendibilitat», apunta ngels Fit, vicerectora de Competitivitat i Ocupabilitat, que ha participat en aquesta recerca. Els experts de la UOC afegeixen que seria una oportunitat poder disposar d'una plataforma independent per a decidir inversions ptimes i amb un risc limitat. Aquest tipus d'anlisi de gesti de riscos tamb podria ser til per a qualsevol instituci o govern a l'hora de prendre decisions, especialment les que impliquen una inversi pressupostria.

 

Usos mltiples

L'equip d'ICSO s expert en anlisi de dades i en el desenvolupament de metaheurstiques, algorismes intel·ligents que ajuden a prendre decisions ptimes, ms all de les finances. «Els algorismes permeten dissenyar sistemes de transport ms bons i xarxes de telecomunicacions ms eficients, a ms de millorar els processos que impliquen estalvi d'energia i de definir poltiques de mobilitat ms sostenibles a les ciutats intel·ligents, riscos per a les assegurances o, precisament, estratgies rendibles en finances», detalla ngel A. Juan, catedrtic de la UOC, coautor de l'estudi i investigador lder del grup.

Aquesta recerca ha estat impulsada amb el suport de l'empresa Divina Pastora Seguros i tamb hi han participat els investigadors Renatas Kizys, de la Universitat de Southampton (Regne Unit), i Onur Polat, de la Universitat Bilecik Şeyh Edebali (Turquia).

 

Article de referncia

Doering, J.; Kizys, R.; Juan, A.; Fit, A. and Polat, O. (2019). «Metaheuristics for rich portfolio optimisation and risk management: Current state and future trends». Operations Research Perspectives. doi: <https://doi.org/10.1016/j.orp.2019.100121>

 

UOC R&I

La recerca i innovaci de la UOC contribueix a la soluci dels reptes a qu s’enfronten les societats globals del segle xxi, mitjanant l’estudi de la interacci de les TIC amb l’activitat humana, amb un focus especfic en l’educaci en lnia i la salut digital. Els ms de 400 investigadors i 46 grups de recerca s’articulen entorn dels set estudis de la Universitat i tres centres de recerca, l’IN3, l’eLearn Center i l’eHealth Center.

Els objectius de l’Agenda 2030 de Desenvolupament Sostenible de les Nacions i el coneixement obert sn eixos estratgics de la docncia, la recerca i la innovaci de la UOC. Ms informaci: research.uoc.edu.

#expertsUOC

ngel Juan

Catedrtic i investigador lder del grup ICSO de l'IN3

Expert/a en: Algorismes d'optimitzaci i simulaci aplicada a la logstica, el transport i la producci industrial.

Àmbit de coneixement:

Mtodes quantitatius i computacionals aplicats a l'empresa.

 

Jana Doering

Investigadora del grup de recerca ICSO de l'IN3

Expert/a en: Algorismes d'optimitzaci i simulaci aplicada a la logstica, el transport i la producci industrial.

Àmbit de coneixement:

Mtodes quantitatius i computacionals aplicats a l'empresa.

 

Foto de la professora ngels Fit Bertran

ngels Fit Bertran

Expert/a en: Sistemes de gesti empresarial, anlisi financera, tica empresarial i management i eLearning.

Àmbit de coneixement: Comptabilitat financera i de gesti, elearning.

Veure fitxa