Show simple item record

dc.contributor.advisorRamirez, Hugo E. 
dc.creatorMoreno Pirachican, Wilson Fernando 
dc.date.accessioned2021-04-23T00:58:39Z
dc.date.available2021-04-23T00:58:39Z
dc.date.created2021-04-07
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/31245
dc.descriptionSupongamos que un agente con riqueza positiva desea invertir una proporción en un activo de riesgo y el resto en un bono. El problema consiste en escoger el porcentaje de riqueza óptimo que maximíce su utilidad al final del periodo de inversión. Este problema ya tiene solución analítica conseguida por Merton en las décadas de 1960 y 1970. El propósito de este trabajo es presentar aportes de tipo númérico en la aproximación del portafolio óptimo que resuelve el problema de Merton. Para conseguir dicho propósito se plantean los siguientes objetivos: 1. Proponer y comparar un esquema numérico similar al que presentó el autor Kafash en su artículo "Approximating the Solution of Stochastic Control Problems and the Merton's Portfolio Selection Model". 2. Presentar un algoritmo basado en redes neuronales que prediga el valor del portafolio óptimo con datos simulados. Por la versatilidad de una red neuronal, se elige este método para la predicción de portafolios óptimos con datos empíricos, en donde se mide su comportamiento y la posterior corrección mediante calibración. Esta idea se deja como trabajo posterior a lo presentado aquí.
dc.description.abstractSuppose an agent with positive wealth wishes to invest a proportion in a risky asset and the rest in a bond. The problem is to choose the optimal wealth percentage that maximizes your utility at the end of the investment period. This problem already has an analytical solution achieved by Merton in the 1960s and 1970s. The purpose of this work is to present numerical contributions in the approximation of the optimal portfolio that solves the Merton problem. To achieve this purpose, the following objectives are proposed: 1. Propose and compare a numerical scheme similar to the one presented by the author Kafash in his article "Approximating the Solution of Stochastic Control Problems and the Merton's Portfolio Selection Model". 2. Present an algorithm based on neural networks that predicts the value of the optimal portfolio with simulated data. Due to the versatility of a neural network, this method is chosen for the prediction of optimal portfolios with empirical data, where its behavior and the subsequent correction through calibration are measured. This idea is left as work after what is presented here.
dc.format.extent64 pp.
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.sourcereponame:Repositorio Institucional EdocUR
dc.sourceinstname:Universidad del Rosario
dc.subjectPortafolio de Merton
dc.subjectCadenas de Markov
dc.subjectMétodo Monte Carlo
dc.subjectSimulación de mercados financieros
dc.subjectModelos de simulación financiera
dc.subjectSistemas de Redes Neuronales para la predicción en inversiones
dc.subjectRedes neuronales predictivas en finanzas
dc.subjectPredicción del comportamiento de los mercados bursátiles
dc.subject.ddcProbabilidades & matemáticas aplicadas 
dc.titleSoluciones Numéricas al Problema de Selección de Portafolio de Merton
dc.typemasterThesis
dc.publisherUniversidad del Rosario
dc.creator.degreeMagíster en Finanzas Cuantitativas
dc.publisher.programMaestría en Finanzas Cuantitativas
dc.publisher.departmentFacultad de Economía
dc.subject.keywordMerton portfolio
dc.subject.keywordMarkov Chains
dc.subject.keywordMonte Carlo Method
dc.subject.keywordFinancial markets simulation
dc.subject.keywordFinancial simulation models
dc.subject.keywordNeural Network Systems for investment prediction
dc.subject.keywordPredictive neural networks in finance
dc.subject.keywordPrediction of the behavior of the stock markets
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.type.spaTesis de maestría
dc.rights.accesoAbierto (Texto Completo)
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.source.bibliographicCitationAggarwal C.(2018), Neural Networks and Deep Learning. Springer. Yorktown Heights, New York.
dc.source.bibliographicCitationBellman R., (1957),Dynamic Programming. Princeton University Press. Princeton, New Jersey.
dc.source.bibliographicCitationBjörk T. (2009), Arbitrage Theory in Continuos Time 3th. Ed. OXFORD UNIVERSITY PRESS. Stockholm School of Economics.
dc.source.bibliographicCitationDesai R., Lele T., Viens F, (2003), A Monte Carlo method for portfolio optimization under partially observed stochastic volatility. IEEE/IAFE Conference on Computational Intelligence for Financial Engineering, Proceedings (CIFEr). pág. 257-263.
dc.source.bibliographicCitationDetemple J., García R., Rindisbacher M. (2003), A Monte Carlo Method for Optimal Portfolios. The Journal of Finance Vol. 58 pág. 401-446. Wiley for the American Finance Association.
dc.source.bibliographicCitationFreitas F., De Souza A., De Almeida A.(2009), Prediction-based portfolio optimization model using neural networks. Neurocomputación, Volumen 72, números 10–12, pág. 2155-2170.
dc.source.bibliographicCitationGerón A, (2019), Hands On Machine Learning with Scikit-Learn, Keras, TensorFlow, O'Reilly Media Inc, Canada.
dc.source.bibliographicCitationGiordano F., Fox W., Horton S.,(2014), A First Course in Mathematical Modeling, CENGAGE Learning.
dc.source.bibliographicCitationHirsa A. (2013) Computational methods in Finance. CRC Press Taylor \& Francis Group.
dc.source.bibliographicCitationKafash B., (2019), Approximating the Solution of Stochastic Optimal Control Problems and the Merton's Portfolio Selection Model. Springer: Computational Economics 54:763–782.
dc.source.bibliographicCitationKingma D,Lei J., (2014), Adam: A Method for Stochastic Optimization, published as a conference paper at the 3rd International Conference for Learning Representations, San Diego, 2015.
dc.source.bibliographicCitationKorn R., Korn E, (2010), Option Pricing and Portfolio Optimization. Amercan Mathematical Society. Graduate Studies in Mathematics Vol.31. Stelzenberg, Germany.
dc.source.bibliographicCitationKorn R., Korn E,. Kroisandt G., (2010), Monte Carlo methods and models in finance and insurance. CRC Press Taylor \& Francis Group.
dc.source.bibliographicCitationKrawczyk J. (2001). A Markovian approximated solution to a portfolio management problem. Information Technology and Management.
dc.source.bibliographicCitationKushner H, Dupois P.(2001). Numerical Methods for Stochastic Control Problems in Continuous Time. New York. Springer.
dc.source.bibliographicCitationMerton R., (1971), Optimum Consumption and Portfolio Rules in a Continuous-Time Model. J. Econom. Theory 3, 373-413.
dc.source.bibliographicCitationMoolayil J., (2019), Learn Keras for Deep Neural Networks. Vancouver, Canadá. APRESS.
dc.source.bibliographicCitationPham H (2009), Continuous-time Stochastic Control and Optimization with Financial Applications. New York. Springer
dc.source.bibliographicCitationPham H (2010), Stochastic control and applications in finance. University of Paris Diderot, LPMA, Paris.
dc.source.bibliographicCitationRamirez H. (2017), Numerical methods in finance course 2017. Universidad del Rosario, Bogotá.
dc.source.bibliographicCitationSteiner M., Wittkemper H., Portfolio optimization with a neural network implementation of the coherent market hypothesis, European Journal of Operational Research, Vol. 100, issue 1, pág. 27-40.
dc.source.bibliographicCitationYin G., Jin H., \& Jin, Z (2009), Numerical methods for portfolio selection with bounded constraints. Journal of Computational and Applied Mathematics, 233(2), 564-581.
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.
dc.type.documentMonografía
dc.creator.degreetypeFull time
dc.title.TranslatedTitleNumerical Solutions to the Problem of Selection of Portfolio of Merton


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record