Autor: Armando Miguel Nieto Ranero
Programa: Doctorado de Tecnologías de la Información y de Redes
Idioma: inglés
Directores: Dr. Angel A. Juan y Dra. Montserrat Guillen 

Departamento / Instituto: Escuela de Doctorado de la UOC
Materias: Informática
Palabras clave: heurística, finanzas, investigación operativa, ALM,gestión de carteras
Área de conocimiento: Tecnologías de la Información y de Redes

+ Enlace al proyecto

Resumen

La gestión de activos y pasivos (asset and liability management, ALM) ha acaparado la atención de académicos e investigadores financieros en las últimas décadas. Por un lado, debemos tratar de maximizar nuestra riqueza aprovechando el mercado financiero, y por otro, debemos cubrir nuestros pagos (pasivos) a lo largo del tiempo. El objetivo del ALM es dotar al inversor de una serie de recursos o técnicas para seleccionar los activos del mercado financiero adecuados para obedecer a los dos factores clave mencionados: cumplir con nuestros pasivos y maximizar nuestra riqueza. Esta tesis presenta un conjunto de técnicas que son capaces de abordar problemas financieros realistas sin la necesidad habitual de considerables recursos computacionales. Estas técnicas se basan en la heurística y la simulación. En concreto, se desarrolla un modelo metaheurístico sesgado que tiene una aplicación directa en la operación habitual de inmunización de las compañías de seguros. El algoritmo permite seleccionar eficientemente el menor número de activos, principalmente de renta fija, en el balance y garantizar las obligaciones de la compañía. Este desarrollo permite incorporar la calidad crediticia del emisor de los activos utilizados. Asimismo, se desarrolla un modelo de optimización de la cartera con el pasivo y se resuelve con un algoritmo genético. El problema de optimización de la cartera difiere del habitual en que es multiperiodo e incorpora los pasivos a lo largo del tiempo. Además, se incluye la posibilidad de financiación externa cuando la entidad no tiene suficiente efectivo. Estas condiciones dan lugar a un problema complejo que se resuelve eficientemente mediante un algoritmo evolutivo. En ambos casos, los algoritmos se mejoran con la incorporación de la simulación de Montecarlo. Esto permite que las soluciones sean robustas cuando consideramos situaciones de mercado realistas. Los resultados son muy prometedores. Esta investigación demuestra que la simheurística es un método ideal para este tipo de problemas.