Se encontraron 5 investigaciones
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:
Sumilla Los mercados de valores constituyen una fuente importante de capitales para las empresas. Su crecimiento está fuertemente asociado con el crecimiento de los países donde operan. Son también una forma de democratización del capital, donde los ciudadanos podemos participar y rentabilizar del sistema de propiedad de las empresas o bonos del gobierno. Tener herramientas computacionales de asistencia a la toma de decisiones puede generar incentivos para la entrada de potenciales inversores al mercado o asistir a los que ya participan. En esa línea, el presente proyecto objetiva investigar la aplicación de técnicas contemporáneas de Inteligencia Artificial, como las basadas en Redes Bayesianas, para modelar y predecir la tendencia de los índices bursátiles de la Bolsa de Valores de Lima al cierre de la jornada, en base a informaciones de índices bursátiles de otros mercados alrededor del mundo. Técnicas predictivas actuales para los mercados financieros no consideran normalmente la información de otros mercados en sus predicciones, lo cual no se condice con la realidad globalizada actual. También es frecuente observar que los modelos existentes tienden a ser complejos y poco transparentes, funcionando como cajas negras y originando desconfianza en los usuarios. Así el presente proyecto explorará cómo nos podemos beneficiar de las técnicas basadas en redes Bayesianas, junto con metodologías de aprendizaje en comité. De esa manera se buscará contribuir con una alternativa de modelamiento de mayor expresividad y a la vez manteniendo una precisión adecuada, con un enfoque en nuestro mercado local.
Participantes:
Instituciones participantes:
Se evalua el potencial de los yacimientos de hidrocarburos en el Perú con el fin de almacenar CO2 como medida de mitigación segura para reducir las emisiones de este gas al medio ambiente mediante una metodología integral multidisciplinaria. Esta metodología comprende la evaluación de los riesgos (naturales y de almacenamiento), el uso del territorio y de la estimación preliminar de la capacidad de almacenamiento. Se obtendrá un mapa de yacimientos potencialmente aptos para el almacenamiento de CO2. Luego, se realizará el análisis económico de un yacimiento mediante la teoría de opciones reales. El beneficio que se obtengan por almacenar CO2 se estimará como la capacidad de almacenamiento del yacimiento por su precio en el mercado. La capacidad se evaluará con simulaciones numéricas del flujo de CO2 en el medio poroso en función del tiempo y la información de las propiedades geológicas y mecánicas existentes. El precio del almacenamiento se modelará como una variable aleatoria de movimiento browniano geométrico. El costo tomará en cuenta los gastos de construcción y mantenimiento de las instalaciones y los posibles riesgos. Se estimará el número de pozos de inyección y de observación que deben construirse de acuerdo a la capacidad de almacenamiento. Adicionalmente se analizará matemática y numéricamente el tipo de monitoreo óptimo para las condiciones del yacimiento. Se determinará si los test armónicos de pozos pueden ser usados para el monitoreo del frente de CO2.
Participantes:
Instituciones participantes:
Los mercados de valores constituyen una fuente importante de capitales para las empresas. Su crecimiento está fuertemente asociado con el crecimiento de los países donde operan. Son también una forma de democratización del capital, donde los ciudadanos podemos participar y rentabilizar del sistema de propiedad de las empresas o bonos del gobierno. Tener herramientas computacionales de asistencia a la toma de decisiones puede generar incentivos para la entrada de potenciales inversores al mercado o asistir a los que ya participan. En esa línea, el presente proyecto objetiva investigar la aplicación de técnicas contemporáneas de Inteligencia Artificial, como las basadas en Redes Bayesianas, para modelar y predecir la tendencia de los índices bursátiles de la Bolsa de Valores de Lima al cierre de la jornada, en base a informaciones de índices bursátiles de otros mercados alrededor del mundo. Técnicas predictivas actuales para los mercados financieros no consideran normalmente la información de otros mercados en sus predicciones, lo cual no se condice con la realidad globalizada actual. También es frecuente observar que los modelos existentes tienden a ser complejos y poco transparentes, funcionando como cajas negras y originando desconfianza en los usuarios. Así el presente proyecto explorará cómo nos podemos beneficiar de las técnicas basadas en redes Bayesianas, junto con metodologías de aprendizaje en comité. De esa manera se buscará contribuir con una alternativa de modelamiento de mayor expresividad y a la vez manteniendo una precisión adecuada, con un enfoque en nuestro mercado local.
Participantes:
Instituciones participantes:
El proyecto consistió en un estudio y desarrollo integral de una cadena productiva de aceites esenciales de molle y eucalipto en comunidades rurales aledañas a la ciudad de Ayacucho. Se identificaron los principales agentes de la cadena y se logró la integración de estos en el proyecto. Se desarrolló un portotipo de un equipo de destilación el cual fue replicado para otras comunidades. Se implementaron plantas productoras en las zonas más accesibles y se desarrollaron capacitaciones y talleres de transferencia de tecnología para la producción de los aceites. Se establecieron los nexos comerciales para la venta de los productos en Lima.
Participantes:
Instituciones participantes: