Portada de Value School | Ahorro, finanzas personales, economía, inversión y value investing

Inversión e inteligencia artificial: algoritmos enjambre y optimización de carteras

· 2 h 54 min · Temporada 3, episodio 202

Nadie ha valorado este episodio todavía Tu nota:

Sobre este episodio

¿Cómo podemos optimizar carteras cuando trabajamos con más de 20.000 fondos de inversión? Los algoritmos enjambre (swarm algorithms) son un gran desconocido en la industria financiera. La naturaleza nos provee de múltiples ejemplos de sistemas auto ordenados capaces de resolver problemas NP completos. A lo largo de esta sesión con el profesor Guillermo Meléndez aprenderemos cómo funciona el algoritmo ACO (Ant Colony Optimization) , cómo modificarlo y cómo adaptarlo a las finanzas para resolver uno de los principales problemas de la industria, a saber, cómo explorar la información cambiante y calcular la cartera óptima en un entorno financiero complejo y altamente dinámico. Si te ha gustado el programa, déjanos un comentario y danos una valoración alta en la plataforma donde lo hayas escuchado. No olvides darte de alta en www.valueschool.es para obtener información sobre nuestras actividades y acceder a todo nuestro material gratuito. Recuerda que también puedes seguirnos en Facebook, Twitter, Instagram, LinkedIn y en nuestro canal de YouTube. (Música: "Corporate Innovative" by Scott Holmes). http://www.scottholmesmusic.com

Últimos episodios de Value School | Ahorro, finanzas personales, economía, inversión y value investing

  1. ​​Alquimia: El sorprendente poder de las ideas que no tienen sentido.​

    29 de octubre de 2026 · 1 h 15 min

  2. Cómo invertir en bolsa de forma segura y sensata.​

    15 de octubre de 2026 · 1 h 23 min

  3. ​​Tycoon Value City: Educación financiera para jóvenes​

    6 de octubre de 2026 · 47 min

  4. ​​Ahora, ahorra. Una defensa teórica y práctica del ahorro.​

    24 de septiembre de 2026 · 1 h 16 min

  5. ​​Iván Martín: 25 lecciones tras 25 años invirtiendo​

    10 de septiembre de 2026 · 1 h 30 min