Algoritmos que deciden inversiones

  Foto: Unsplash/Austin Distel

Foto: Unsplash/Austin Distel

Investigadores de la UOC impulsan inteligencia artificial para mejorar la toma de decisiones econmicas de empresas y gobiernos

A pesar de que hace mucho tiempo que las mquinas ejecutan tareas y resuelven problemas, hay decisiones que comportan riesgos que todava dependen en buena medida de los humanos. En el caso de mbitos como las finanzas, elegir un camino u otro puede conducir al xito o abocar al fracaso. Para facilitar este tipo de decisiones, la Universitat Oberta de Catalunya (UOC) desarrolla, con colaboracin internacional, algoritmos que permiten automatizar la evaluacin de los riesgos y la toma de decisiones en materia de inversiones.

En el contexto de las denominadas finanzas computacionales, los investigadores de la UOC Jana Doering y ngel Juan, del grupo de investigacin ICSO del Internet Interdisciplinary Institute (IN3), junto con la investigadora ngels Fit, del grupo Management & eLearning (MeL) de los Estudios de Economa y Empresa, han publicado un artculo cientfico, en la revista Operations Research Perspectives, sobre la implantacin en el mbito financiero de los algoritmos metaheursticos y sobre cmo pueden usarse para resolver problemas de alta complejidad en el campo de la computacin y la optimizacin combinatoria. En concreto, los expertos abordan la optimizacin de carteras de inversin y la gestin de los riesgos asociados. El equipo investigador ha analizado la relacin entre estos dos problemas y proponen nuevos algoritmos hbridos, como los llamados simheuristics (combinacin de metaheurstica y simulacin) y los learnheuristics (combinacin de metaheurstica y aprendizaje automtico), para generar soluciones que permitan mejorar notablemente la toma de decisiones en entornos financieros.

 

Finanzas automatizadas para evitar errores humanos

«La investigacin en este campo se ha incrementado significativamente en los ltimos aos y, aunque algunas metaheursticas han recibido ms atencin que otras, diferentes implementaciones han encontrado soluciones en problemas relevantes para las entidades financieras», apunta Doering. «En el campo financiero, encontramos que falta contabilizar muchas complejidades de la vida real, de forma que puede ser til la combinacin de la metaheurstica con el aprendizaje automtico para modelar dinmicas de comportamiento y con la simulacin para definir parmetros inciertos», pronostica la experta.

Los investigadores consideran que a medida que las decisiones se toman con criterios ms inteligentes y basados con el uso de datos y algoritmos de ltima generacin, su eficiencia aumenta notablemente. «Es interesante que los inversores grandes o pequeos puedan beneficiarse de un algoritmo de optimizacin que les permita decidir con xito en una cartera de activos, segn sus preferencias de rentabilidad», apunta ngels Fit, quien tambin es vicerrectora de Competitividad y Empleabilidad. Los expertos de la UOC aaden que sera una oportunidad poder disponer de una plataforma independiente para decidir inversiones ptimas y con un riesgo limitado. Este tipo de anlisis de gestin de riesgos tambin podra ser til para cualquier institucin o gobierno a la hora de tomar decisiones, especialmente las que implican una inversin presupuestaria.

 

Usos mltiples

El equipo de ICSO es experto en analtica de datos y en el desarrollo de metaheursticas, algoritmos inteligentes que ayudan a tomar decisiones ptimas, ms all de las finanzas. «Los algoritmos permiten disear mejores sistemas de transporte y redes de telecomunicaciones ms eficientes, adems de mejorar los procesos que implican ahorro de energa y de definir polticas de movilidad ms sostenibles para las ciudades inteligentes, riesgos para los seguros o, precisamente, estrategias rentables en finanzas», detalla ngel A. Juan, catedrtico de la UOC, coautor del estudio e investigador lder del grupo.

Esta investigacin ha sido impulsada con el apoyo de la empresa Divina Pastora Seguros y tambin ha contado con la colaboracin de los investigadores Renatas Kizys, de la Universidad de Southampton (Reino Unido), y Onur Polat, de la Universidad Bilecik Şeyh Edebali (Turqua).

 

Artculo de referencia

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 Perspectivas. doi: <https://doi.org/10.1016/j.orp.2019.100121>

 

UOC R&I

La investigacin e innovacin de la UOC contribuye a la solucin de los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interaccin de las TIC con la actividad humana, con un foco especfico en la educacin en lnea y la salud digital. Los ms de 400 investigadores y 46 grupos de investigacin se articulan en torno a los siete estudios de la universidad y tres centros de investigacin, el IN3, el eLearn Center y el eHealth Center.

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratgicos de la docencia, la investigacin y la innovacin de la UOC. Ms informacin: research.uoc.edu.

#expertosUOC

ngel Juan

Catedrtico e investigador lder del grupo ICSO del IN3

Experto/a en: Algoritmos de optimizacin y simulacin aplicada a la logstica, el transporte y la produccin industrial.

Ámbito de conocimiento:

Mtodos cuantitativos y computacionales aplicados a la empresa.

 

Jana Doering

Investigadora del grupo ICSO del IN3

Experto/a en: Algoritmos de optimizacin y simulacin aplicada a la logstica, el transporte y la produccin industrial.

Ámbito de conocimiento:

Mtodos cuantitativos y computacionales aplicados a la empresa.

 

Foto de la profesora ngels Fit Bertran

ngels Fit Bertran

Experto/a en: Sistemas de gestin empresarial, anlisis financiero, tica empresarial y direccin de empresas (management), y aprendizaje en lnea (e-learning).

Ámbito de conocimiento: Comptabilitat financera i de gesti, aprendizaje en lnea (e-learning).

Ver ficha