Optimización de portafolios accionarios a través de un micro algoritmo genético

This research shows the portfolios optimization using micro genetic algorithms, to resolve the Markowitz's selecting investments model like a multi-objetive optimization, where is maximized profitalility and minization, where is maximized profitability and minimizing the risk, thus create a negotiation between the risk, thus create a negotiation between the two objectives, then find optimal solution. To solve this problem need a genetic algorithm for multi-objetive optimization, based Pareto's optimal. The results show that this application is more efficient than other similar processes(Non-dominated Sorting Genetic Algoritm II(NSGA II) and Pareto Archive Evolution Strategy (PAES)), but considering the period and the local market characteristics, its predictive power low.Esta investigación muestra la optimización de portafolios accionarios mediante micro algoritmos genéticos, que resuelvan el modelo de selección de inversiones planteado por Markowitz, como una optimización multi-objetivo, en donde se maximiza la rentabilidad y se minimiza el riesgo, lo que implica, realizar una negociación entre ambos objetos y buscar soluciones óptimas. La resolución de este problema requiere de un algoritmo genético para optimización multi-objetivo basado en óptimos de Pareto. Los resultados obtenidos señalan que esta publicación es más eficiente que otros procesos de similares características((Non-dominated Sorting Genetic Algorithm II(NSGA II) y Pareto Archive Evolution Strategy (PAES)), pero debido al período de tiempo y las características del mercado local, su poder de predicción es bajo