Se encontraron 3 investigaciones en el año 2022
Recientemente han emergido varios modelos de Inteligencia Artificial basados en aprendizaje por refuerzo para la construcción y manejo de portafolios de inversiones. Se ha destacado que estos modelos ofrecen flexibilidad y capacidad de adaptarse a las variaciones del mercado y aprender continuamente de él. Sin embargo, la aplicación de estos modelos ha sido mayormente en mercados desarrollados, donde su liquidez es alta y los costos de transacción son bajos. Sin embargo, mercados emergentes como el peruano carecen de tales bondades, por lo que existe una laguna de conocimiento sobre si la aplicación de dichos modelos sería efectiva en nuestro mercado. En el presente proyecto de investigación se propone integrar de manera multidisciplinaria la teoría financiera con los recientes avances en Aprendizaje por Refuerzo para construir modelos de selección de activos que sean óptimos para mercados con características de baja liquidez y altos costos de transacción. Se aplicarán fundamentos sólidos de teoría financiera, una estructura de mercado que refleje la realidad y restricciones que nos permitan modelar adecuadamente el mercado de acciones peruano. Como objetivo principal se plantea desarrollar un modelo de aprendizaje por refuerzo para la optimización de portafolios de acciones en la Bolsa de valores de Lima. Para lograr este objetivo se definirá la función que maximiza la utilidad de un inversionista y se investigará modelos que permitan la maximización de esta utilidad ante las restricciones indicadas.
Participantes:
Instituciones participantes:
El ecoturismo en el Parque Nacional Huascarán (PNH) debe ser sostenible y ordenado, pero se encuentra amenazado por peligros hidrometeorológicos y el cambio climático. En promedio 4.5 visitantes del PNH fallecen al año y la experiencia a nivel mundial indica que la progresiva mejora en la disponibilidad de información de monitoreo y pronóstico meteorológico ha reducido las fatalidades en las actividades ecoturísticas en alta montaña. Sin embargo, en el PNH la disponibilidad de dicha información a escala local está limitada tanto por lo reducido del sistema observacional como por la falta de herramientas automatizadas para la generación de los pronósticos meteorológicos. En este proyecto se fortalecerá el sistema de información meteorológica para el PNH. Para esto, se diseñará un sistema de vigilancia automatizada y optimizada de los peligros hidrometeorológicos y se implementará un sistema de inteligencia artificial para determinar el estado del tiempo, particularmente la nubosidad, basado en imágenes de cámaras de bajo costo. Se implementarán herramientas de pronóstico de tormentas eléctricas utilizando información satelital, basado en la técnica de flujo óptico, con metodologías tradicionales y de inteligencia artificial con variación temporal y considerando la influencia de la topografía. También se implementará un sistema de corrección empírica de las salidas operacionales de modelos numéricos de la atmósfera a través de un modelo de regresión múltiple para generar pronósticos del tiempo a escala local en el PNH y a nivel diario. Estas herramientas se operativizarán en SENAMHI mediante APIs y se desarrollará un aplicativo móvil para poner la Información generada, así como otra relevante de INAIGEM y SERNANP, a disposición de los visitantes del PNH y operadores turísticos, lo cual permitirá una planificación y realización más segura de las actividades ecoturísticas.
Participantes:
Instituciones participantes:
El aire es un recurso vital para nuestra existencia, pero su calidad es constantemente amenazada en las ciudades. El presente proyecto objetiva el desarrollo de un sistema de monitoreo de calidad del aire de bajo costo. En adicion al desarrollo de modulos de medición de bajo costo se investiga la aplicacion de tecnicas de Inteligencia Artificial para crear modelos predictivos para la generacion de mapas de contaminación en tiempo real y de alta resolucion espacial
Participantes:
Instituciones participantes: