Introducing
Your new presentation assistant.
Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.
Trending searches
32
Hybrid-augmented intelligence in a methodology for portofolio selection based on technical anlaysis
Norma Rodriguez Candido
PhD Tutors
Prof.Dr. Rafael Alejandro Espin Andrade
Prof. Dr.-Ing. habil. Jorge Marx Gómez
Contact
candido_norma@outlook.com
ANTECEDENTES
1. Analitica de Negocios
As defined by Watson (Watson, 2009, p. 491), Business Analytics (BA) is "a broad category of applications, technologies, and processes for gathering, storing, accessing, and analyzing data to help business users make better decisions." This definition highlights three components of BA:
The Application Component: This analyzes data to produce insights or new knowledge, enabling specific business processes to use these insights to enhance business value.
The Technology Component: This supports the collection, storage, and delivery of information.
The Human Process Component: This allows users to effectively and efficiently retrieve data and deliver it as information, thus aiding knowledge generation and improved decision-making (Laursen & Thorlund, 2010).
Antecedentes
2Broad knowledge discovery
According to Espin (2021), the DCSA strategy proposes the integration of knowledge discovery in a narrow sense (directly associated with data mining), Knowledge Engineering, and decision-making into a single process. This process advances by utilizing human knowledge sources and data, moving from a general perspective to a contextual one, using Hybrid Knowledge Discovery Systems, which are composed of:
A primary form of knowledge representation through mathematical objects.
Various evaluation models for those objects.
Different graphical representations of knowledge.
Various search methods using the evaluation models.
An inference model leveraging the discovered knowledge.
In other words, the aim is to create hybrid knowledge discovery systems with the following properties:
The ability to address decision-making, knowledge engineering, and knowledge discovery tasks with any logical, inferential, or optimization structure.
The results of all tasks are interpretable through languages close to natural language and by all the theories and models involved, including Machine Learning.
3. Hybrid-Augmented Intelligence
Cognitive computing-based hybrid-augmented intelligence
In general, cognitive computing (CC) based on hybrid-augmented intelligence refers to new software and/or hardware that mimics the function of the human brain and enhances a computer’s perception, reasoning, and decision-making capabilities. In this sense, CC-based hybrid-augmented intelligence is a new computing framework aimed at creating more accurate models of how the human brain/mind perceives, reasons, and responds to stimuli. This includes the development of causal models, intuitive reasoning models, and associative memories within an intelligent system (Zheng, Nn et al., 2017).
Human-in-the-Loop Hybrid-Augmented Intelligence (HITL)
Human-in-the-loop hybrid-augmented intelligence (HITL) is defined as an intelligent model that requires human interaction. In this type of intelligent system, the human is always part of the system and consequently influences the outcome, such that the human provides additional judgment if a computer delivers a low-confidence result. HITL hybrid-augmented intelligence also allows for addressing problems and requirements that may not be easily trained or classified through machine learning (Zheng, Nn et al., 2017).
IAH
Antecedentes
4.Logica difusa compensatoria
Compensatory Fuzzy Logic (CFL) is a multivalent axiomatic logical approach that differs from the classical t-norm and t-conorm framework in fuzzy logic. It incorporates axioms inspired by both the descriptive and normative approaches to decision-making (Espin et al., 2017).
5.Analisis Tecnico
Technical analysis is a method for forecasting price movements determined by the changing attitudes of investors toward a variety of economic, monetary, political, and psychological forces. To determine such movements, historical prices, volume, and open interest are used. A technical trading system establishes a set of trading rules derived from parameterizations, and each trading rule generates trading signals (long, short, or out of the market) according to its parameter values. Several popular technical trading systems include moving averages, channels, and momentum oscillators (Pring, 2002).
Conceptos
INTELIGENCIA HIBRIDA AUMENTADA
El objetivo a largo plazo de la inteligencia artificial (IA) es hacer que las máquinas aprendan y piensen como seres humanos.
"No importa cuán inteligentes sean las máquinas, no pueden reemplazar completamente a los humanos".
Por lo tanto, es necesario introducir capacidades cognitivas humanas o modelos cognitivos similares a los humanos en los sistemas de IA para desarrollar una nueva forma de IA, es decir, inteligencia híbrida-aumentada.
La inteligencia híbrida-aumentada se puede dividir en dos modelos básicos:
Razonamiento intuitivo
Modelos causales
IHA
Inteligencia aumentada humano-en-el-bucle con colaboración humano-computadora
Inteligencia aumentada basada en la computación cognitiva, en la que un modelo cognitivo está integrado en el sistema de aprendizaje automático.
Evolucion de la memoria y conomimiento
Aprendizaje cognitivo
Además, debido a problemas con la calificación (Thielscher, 2001) y la ramificación (Thielscher, 1997), no todos los problemas pueden ser modelados; es decir, es imposible enumerar todos los requisitos previos de una acción, o enumerar todas las ramas que siguen a una acción. El aprendizaje automático no puede comprender entornos del mundo real, ni puede procesar información incompleta y tareas complejas de correlación espacial y temporal mejor que el cerebro humano. Es imposible para un sistema formal de aprendizaje automático describir la interacción del cerebro humano a través del espectro de factores no cognitivos y funciones cognitivas o emular la alta plasticidad del sistema nervioso del cerebro. La comprensión del cerebro de los factores no cognitivos se deriva de la intuición y está influenciada por la acumulación de conocimiento empírico y a largo plazo (Pylyshyn, 1984). Todas estas características biológicas del cerebro contribuyen a mejorar la adaptabilidad de las máquinas en entornos dinámicos complejos o en la escena, promoviendo las habilidades de las máquinas en el procesamiento de información no integrada y no estructurada y el autoaprendizaje, e inspirando la construcción de la inteligencia híbrida-aumentada CC.
Los marcos CC pueden combinar los módulos para la planificación compleja, la resolución de problemas y la percepción, así como las acciones. Estos marcos posiblemente pueden proporcionar una explicación para algunos comportamientos humanos o animales y estudiar sus acciones en nuevos entornos, y podrían construir sistemas de IA que requieren mucho menos cálculo que los sistemas existentes.
TEORIA MODERNA DE PORTAFOLIO
SELECCIÓN DE LA CARTERA
Markowitz (1952) establece que para dos carpetas con el mismo nivel de rendimiento esperado, un tomador de decisiones racional debe elegir la cartera con la varianza más baja.
Capital Asset Pricing Model (CAPM)
Su teoría se basa en la idea de diversificación.
MEDIA-VARIANZA
Es posible conseguir un portafolio muy rentable con poco riesgo tomando las acciones de alta rentabilidad y seguramente de alto riesgo, pero con
poca correlación de los rendimientos entre sí e incluso con la correlación negativa.
La principal característica de los portafolios de inversión, es la diversificación, cuyo objetivo es maximizar el rendimiento esperado para un nivel dado de riesgo dado. Sus principales características se detallan a continuación:
(1) Reducir el riesgo invirtiendo en una variedad de activos
(2) Riesgo y rendimiento, buscando un equilibrio entre el rendimiento que esperan obtener y el riesgo que están dispuestos a asumir.
(3) El periodo durante el cual el inversionista planea mantener las inversiones, esto generalmente va en disposición de asumir el riesgo, situación financiera y objetivos específicos por parte del inversor
.
(4) Tipo de gestión de la cartera, la gestión activa involucra la toma de decisiones continuas y activas sobre compra y venta de activos esto con el fin de superar el rendimiento del mercado. En tanto la gestión pasiva busca replicar el rendimiento de un índice de mercado.
(5) La liquidez que es la facilidad con la que los activos del portafolio pueden ser convertidos en efectivo sin afectar significativamente su precio.
(6) Asignación de activos, es la distribución estratégica del capital de inversión entre los diferentes activos
(7) Por ultimo tenemos la evaluación y ajuste del portafolio periódicamente para asegurar que sigan alineados con los objetivos del inversionista.
cartera
Modelos para la seleccion de carteras
Activos
FORMULACION DEL PROBLEMA
¿De qué manera puede explotarse un modelo de Análisis técnico basado en Lógica Difusa Compensatoria para hacer una correcta selección de la cartera de operaciones en la bolsa de valores? ¿Qué modelos deben acompañarlo para completar una metodología efectiva que tenga en cuenta la manera en que se ejecutan las operaciones bursátiles y las características del modelo de análisis técnico mencionado?
Formulacion p
OBJETIVO GENERAL
Crear una metodología efectiva basada en inteligencia aumentada híbrida para la selección de carteras de operaciones comerciales, utilizando como punto de partida el modelo de análisis técnico.
OBJETIVO ESPECIFICO
Objetivos
I. Elaborar un modelo para la selección preliminar de activos para la solucion del problema de la cartera.
II. Elaboracion de un modelo para considerar las variaciones lógico-probabilísticas en los datos historicos en la evaluacion de la conveniencia en la ejecucion de un conjunto de conjuntos de operaciones bursátiles, partiendo del uso de los modelos de analisis tecnico para la evaluacion de las conveniencia de compra o venta de activos.
III. Elaborar un modelo de asignación de capital a los activos financieros de un conjunto seleccionado previamente.
IV. Elaborar y evaluar con datos de activos de la bolsa de valores la metodologia propuesta.
DISEÑO METODOLOGICO
Tipo de estudio: Investigación cuantitativa
HIPOTESIS
Una metodologia con la estructura propuesta permite un retorno exitoso del capital invertido en la bolsa de valores.
Diseño de la investigación:
1. Búsqueda bibliográfica
2. Investigación constructiva
3. Método hipotético deductivo
Población y muestra:
La población es el conjunto de activos financieros como acciones, criptomonedas, commodites y otros activos financieros accesibles en el mercado bursatil.
Se escoge un subconjunto de ellas a la que se aplican los modelos para comprobar la hipótesis.
Fuentes de obtención de información:
Bibliografía especializada
Procesamiento de información
Utilización de sistemas informaticos
Metodologia
Justificacion y Delimitacion de la Investigacion
El análisis del comportamiento de activos financieros para la selección de la cartera de operaciones bursátiles es un relevante problema prospectivo de la actividad de negocios, que se multiplica con la importancia de las bolsas de valores en todas partes.
Este asunto que puede ser útil en la perspectiva de excedentes financieros, y también en la diversificación de la actividad de la empresa.
Ello le da importancia capital al mencionado problema como problema administrativo relevante, especialmente para la alta dirección, en la que multiplicar el capital de la empresa es una estrategia frecuente para multiplicar su capacidad como negocio.
La mencionada tarea prospectiva ha evolucionado desde el problema clásico de estudio de la cartera de inversiones, hacia el concepto de carteras inteligentes, y luego
de la evolución de la Inteligencia Artificial hacia el concepto de Inteligencia Híbrida Aumentada, la Administración de Negocios debe incorporar ese enfoque como una prioridad en estos estudios de la bolsa, basados en la Analítica de Negocios como una de sus disciplinas relevantes.
Justificacion
Resultados y productos esperados
El resultado principal de este trabajo es la creacion de una metodologia basada en analitica de negocios con predicados de logica difusa y otros elementos de inteligencia computacional para la solucion del problema de selección de carteras de operaciones bursatiles
Resultados esperados
Se espera publicar en diversos following books and Journal Special Issues 2023:
- The Springer Book Computational Intelligence for Business Analytics
- Special Issue Soft Computing to Business Analytics in International Journal of Combinatorial Optimization Problems and Informatics
- Special Issue Soft Computing: Theories and Applications II in Axioms