Construcción de carteras eficientes a partir de los pronósticos de la rentabilidad de las criptomonedas

Abstract

Realizar predicciones de las rentabilidades de las criptomonedas es un elemento fundamental para la construcción de portafolios de inversión, debido a la naturaleza extremadamente volátil de estas. Esta investigación se basó en proponer una metodología para formar portafolios eficientes con ocho criptomonedas, usando como base sus datos históricos y añadiendo pronósticos de la rentabilidad. En primer lugar, se analizaron los antecedentes de las criptomonedas, como su origen y características, con el fin de obtener una comprensión más precisa de su naturaleza como activos financieros y su comportamiento altamente volátil. Luego, se realizó una revisión bibliográfica sobre dos métodos de predicción para series de tiempo, el primero basado en machine learning, una Red Neuronal del tipo Autorregresiva y un modelo econométrico combinado ARIMA-GARCH. Ambos métodos han sido utilizados con éxito en la predicción de series de tiempo en diferentes áreas como finanzas, economía y medio ambiente. Por otro lado, también se revisaron artículos sobre el modelo matemático de Markowitz, donde se encontraron numerosos estudios que destacan la importancia de esta teoría en la gestión de carteras de inversión. La investigación consta de proponer la utilización de los modelos ARIMA-GARCH y NNETAR, para predecir los retornos de las criptomonedas, donde se seleccionó el mejor modelo para cada una de ellas. Los desempeños de los modelos de predicción fueron evaluados en una prueba fuera de muestra, utilizando la Raíz Del Error Cuadrático Medio. Los resultados indicaron que los pronósticos de la Red Neuronal Autorregresiva fueron superiores para las ocho criptomonedas. Para construir los portafolios eficientes se utilizó el modelo de Markowitz, también conocido como la teoría moderna de carteras, que propone que los inversores al construir una cartera diversificada que combine diferentes activos pueden minimizar el riesgo sujeto a una rentabilidad esperada. Finalmente, se realizó una comparación entre la frontera eficiente obtenida a partir de los pronósticos de rentabilidad y la frontera eficiente generada con los datos reales, tanto para el conjunto de la muestra como con datos fuera de muestra. Debido a que gráficamente fue difícil encontrar diferencias en las fronteras eficientes, Se empleó una prueba t para comparar las medias de los portafolios pronosticados con los reales. Los resultados obtenidos muestran que, para ambos conjuntos hay una diferencia estadísticamente significativa entre las medias de los retornos, con un nivel de significancia del 1%.