El presente trabajo de investigación doctoral tiene como fin optimizar carteras multiobjetivo a la luz de la teoría de la credibilidad. Con el fin de cumplir con este propósito, se propone un novedoso modelo difuso de optimización denominado "Modelo Credibilístico Multiobjetivo de Media-Semivarianza-Liquidez para la Selección de Carteras". La incertidumbre de la liquidez y el rendimiento futuro de cada activo se modela por medio de números difusos L-R con funciones de referencia tipo potencia. Con el objetivo de conseguir un modelo más realista se considera la restricción de cardinalidad que limita el número de activos que participan en las carteras y las restricciones de cotas superiores e inferiores que permiten combinaciones de activos que respetan las preferencias del inversor. Con el propósito de seleccionar la cartera óptima, esta investigación define por primera vez el ratio de Sortino en un entorno credibilístico. El problema de optimización multiobjetivo resultante es lineal y convexo, y la introducción de restricciones realistas convierte el modelo de un problema de optimización cuadrática clásica (classical quadratic optimization problem) a un problema de programación cuadrática de enteros mixtos (quadratic mixed-integer problem) que es NP-hard. Para superar este inconveniente se aplica el Non-dominated Sorting Genetic Algorithm (NSGAII), MOEA que ha sido utilizado con éxito en la generación de soluciones eficientes en varios modelos multiobjetivos de selección de carteras. Finalmente, se demuestra la efectividad y eficiencia del modelo en aplicaciones prácticas, asumiendo por primera vez la toma de decisiones de inversión en el Mercado Integrado Latinoamericano (MILA), que integra los mercados bursátiles de Chile, Colombia, México y Perú. / The present doctoral dissertation aims to optimize multiobjective portfolio in the light of credibility theory. In order to meet this purpose, a novel fuzzy optimization model called "Multiobjective Credibilistic Mean-Semivariance-Liquidity Portfolio Selection Model" is proposed. The uncertainty of the future return and liquidity of each asset are modeled by means of LR-fuzzy numbers belonging to the power family. In order to make a more realistic model, it is considered the cardinality constraint limiting the number of assets participating in the portfolios, and upper and lower bound constraints allowing assets combinations which respect the investor's wishes. In the interest of selecting the optimal portfolio, this research defines for the first time, the Sortino ratio under a credibilistic environment. The resulting multiobjective optimization problem is linear and convex, and the introduction of realistic constraints into the portfolio optimization problem convert the model from a classical quadratic optimization problem to a quadratic mixed-integer problem (QMIP) that is NP-hard. To overcome this drawback, it is applied the Non-dominated Sorting Genetic Algorithm (NSGAII), MOEA that has been used successfully in the generation of efficient solutions in several multi-objective portfolio selection models. Finally, an empirical study is included to demonstrate the effectiveness and efficiency of the model in practical applications using for the first time a dataset of assets from the Latin American Integrated Market (MILA by its Spanish acronym), which integrates the stock exchange markets of Chile, Colombia, Mexico, and Peru. / El present treball d'investigació doctoral té com a finalitat optimitzar carteres multiobjectiu a la llum de la teoria de la credibilitat. Per tal de complir amb aquest propòsit, es proposa un nou model difús d'optimització denominat "Model Credibilístic multiobjectiu de Mitjana-Semivarianza-Liquiditat per a la Selecció de Carteres". La incertesa de la liquiditat i el rendiment futur de cada actiu es modela per mitjà de nombres difusos L-R amb funcions de referència tipus potència. Amb l'objectiu d'aconseguir un model més realista es considera la restricció de cardinalitat que limita el nombre d'actius que participen en les carteres i les restriccions de cotes superiors i inferiors que permeten combinacions d'actius que respecten les preferències de l'inversor. Amb el propòsit de seleccionar la cartera òptima, aquesta investigació defineix per primera vegada la ràtio de Sortino en un entorn credibilístic. El problema d'optimització multiobjectiu resultant és lineal i convex, la introducció de restriccions realistes converteix el model d'un problema d'optimització quadràtica clàssica (classical quadratic optimization problem), a un problema de programació quadràtica d'enters mixtes (quadratic mixed-integer problem) que és NP-hard. Per superar aquest inconvenient s'aplica el Non-dominated Sorting Genetic Algorithm (NSGAII), MOEA que ha estat utilitzat amb èxit en la generació de solucions eficients en diversos models multiobjectiu de selecció de carteres. Finalment, es demostra l'efectivitat i eficiència del model en aplicacions pràctiques, assumint per primera vegada la presa de decisions d'inversió al Mercat Integrat Llatinoamericà (MILA), que integra els mercats borsaris de Xile, Colòmbia, Mèxic i Perú. / González Bueno, JA. (2018). OPTIMIZACIÓN MULTIOBJETIVO PARA LA SELECCIÓN DE CARTERAS A LA LUZ DE LA TEORÍA DE LA CREDIBILIDAD: UNA APLICACIÓN EN EL MERCADO INTEGRADO LATINOAMERICANO [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/102362 / TESIS
Identifer | oai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/102362 |
Date | 21 May 2018 |
Creators | González Bueno, Jairo Alexander |
Contributors | García García, Fernando, Oliver Muncharaz, Javier, Universitat Politècnica de València. Facultad de Administración y Dirección de Empresas - Facultat d'Administració i Direcció d'Empreses |
Publisher | Universitat Politècnica de València |
Source Sets | Universitat Politècnica de València |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/acceptedVersion |
Rights | http://rightsstatements.org/vocab/InC/1.0/, info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds