Evaluación y generación de recomendaciones de acciones a inversionistas utilizando herramientas de Machine Learning

Abstract

Actualmente, el Mercado de Capitales se encuentra en una expansión gracias a las nuevas plataformas de inversión online, tanto de financieras como de instituciones tradicionales. En los Bancos y las Casas de Bolsa se busca aprovechar esta expansión aumentando el volumen de operaciones. Para ello, se busca no solo incorporar nuevos clientes, sino que aumentar el volumen de operatoria de los clientes ya existen. Para lograr dicho objetivo los Traders o Promotores realizan periódicamente recomendaciones a sus inversores. Las mismas, son realizadas hoy en día en base al conocimiento o la experiencia de cada promotor. En el presente trabajo se busca evaluar las recomendaciones realizadas actualmente por parte de los promotores de Casas de Bolsa y/o Bancos a los inversionistas que asesoran respecto al perfil del inversor y la diversificación de riesgo de la cartera. La operatoria de Capitales en Bancos y Casas de Bolsa genera un gran volumen de datos, que actualmente no está siendo explotado en el Mercado mexicano. Para alimentar los ya mencionados algoritmos, se van a utilizar datos de operaciones históricas realizadas por los clientes, las cuales van a ser procesadas para proponer una nueva manera de generar recomendaciones utilizando algoritmos de Machine Learning.