Las acciones son títulos emitidos por una sociedad que representan parte de su capital social. Las acciones son atractivas para inversionistas que desean obtener rentabilidad de su capital porque confieren a sus tenedores el derecho a recibir dividendos. Además, tienden a revaluarse en el tiempo y un inversor puede beneficiarse de una operación de compra y venta. La selección de acciones para formar un portafolio de inversión ha sido un problema a resolver para los inversionistas desde el auge de los mercados de valores. En el pasado, se trataba de predecir el comportamiento de las acciones de manera rudimentaria leyendo noticias o graficando las cotizaciones. Con el pasar del tiempo, las alternativas de solución para resolver este problema han ido evolucionando y en la actualidad es común encontrar trabajos que se apoyan del poder de la informática (por ejemplo, algoritmos genéticos o redes neuronales). Seleccionar las acciones que formen parte de un portafolio de inversión es un problema de complejidad NP-difícil, lo que justifica el uso de métodos heurísticos para obtener soluciones aproximadas. El presente trabajo de fin de carrera presenta una meta heurística Búsqueda Tabú como alternativa de solución a este problema. Esta es una propuesta novedosa pues hasta el momento no se ha intentado resolver el problema de esta forma. Para medir el desempeño del algoritmo Búsqueda Tabú, se implementó un algoritmo genético que atacaba el mismo problema y se comparó las soluciones producidas por ambos algoritmos mediante una experimentación numérica. Para el juego de datos usados en este proyecto de fin de carrera, se observó que el algoritmo búsqueda tabú tuvo mejor desempeño que el algoritmo genético produciendo soluciones con mayor rentabilidad esperada y menor riesgo. Se concluye que el proyecto ha sido exitoso debido a que el algoritmo produce un portafolio de acciones rentable en un tiempo relativamente corto. El algoritmo puede ser usado para apoyar a los inversionistas en la toma de decisiones al construir un portafolio de inversión para una bolsa de valores. / Tesis

En muchas aplicaciones de búsqueda de información se necesita una estructura eficiente que pueda almacenar y leer datos concurrentemente bajo el supuesto de que la distribución del acceso a dichos datos no es uniforme. Ejemplos son las memorias caché para aplicaciones Web o las mismas bases de datos. Existen soluciones para esto y cada una con un rendimiento diferente bajo ciertos entornos. Sin embargo, estas soluciones suelen estar basadas en un mismo tipo de árboles de búsqueda, los autobalanceados, por lo que tienen ciertas limitaciones en términos de concurrencia. En el presente trabajo se desarrollará una nueva estructura concurrente y escalable, la cual se basará en el árbol no autobalanceado de Van Emde Boas [1], y se realizarán experimentos para determinar su rendimiento en comparación con el de otras estructuras comúnmente usadas. Finalmente, se determinar´a bajo qué circunstancias es útil. Esta estructura la llamaremos UHTree (Unicursal Hexagram Tree). / Tesis

Las acciones son títulos emitidos por una sociedad que representan parte de su capital social. Las acciones son atractivas para inversionistas que desean obtener rentabilidad de su capital porque confieren a sus tenedores el derecho a recibir dividendos. Además, tienden a revaluarse en el tiempo y un inversor puede beneficiarse de una operación de compra y venta. La selección de acciones para formar un portafolio de inversión ha sido un problema a resolver para los inversionistas desde el auge de los mercados de valores. En el pasado, se trataba de predecir el comportamiento de las acciones de manera rudimentaria leyendo noticias o graficando las cotizaciones. Con el pasar del tiempo, las alternativas de solución para resolver este problema han ido evolucionando y en la actualidad es común encontrar trabajos que se apoyan del poder de la informática (por ejemplo, algoritmos genéticos o redes neuronales). Seleccionar las acciones que formen parte de un portafolio de inversión es un problema de complejidad NP-difícil, lo que justifica el uso de métodos heurísticos para obtener soluciones aproximadas. El presente trabajo de fin de carrera presenta una meta heurística Búsqueda Tabú como alternativa de solución a este problema. Esta es una propuesta novedosa pues hasta el momento no se ha intentado resolver el problema de esta forma. Para medir el desempeño del algoritmo Búsqueda Tabú, se implementó un algoritmo genético que atacaba el mismo problema y se comparó las soluciones producidas por ambos algoritmos mediante una experimentación numérica. Para el juego de datos usados en este proyecto de fin de carrera, se observó que el algoritmo búsqueda tabú tuvo mejor desempeño que el algoritmo genético produciendo soluciones con mayor rentabilidad esperada y menor riesgo. Se concluye que el proyecto ha sido exitoso debido a que el algoritmo produce un portafolio de acciones rentable en un tiempo relativamente corto. El algoritmo puede ser usado para apoyar a los inversionistas en la toma de decisiones al construir un portafolio de inversión para una bolsa de valores.

En muchas aplicaciones de búsqueda de información se necesita una estructura eficiente que pueda almacenar y leer datos concurrentemente bajo el supuesto de que la distribución del acceso a dichos datos no es uniforme. Ejemplos son las memorias caché para aplicaciones Web o las mismas bases de datos. Existen soluciones para esto y cada una con un rendimiento diferente bajo ciertos entornos. Sin embargo, estas soluciones suelen estar basadas en un mismo tipo de árboles de búsqueda, los autobalanceados, por lo que tienen ciertas limitaciones en términos de concurrencia. En el presente trabajo se desarrollará una nueva estructura concurrente y escalable, la cual se basará en el árbol no autobalanceado de Van Emde Boas [1], y se realizarán experimentos para determinar su rendimiento en comparación con el de otras estructuras comúnmente usadas. Finalmente, se determinar´a bajo qué circunstancias es útil. Esta estructura la llamaremos UHTree (Unicursal Hexagram Tree).