En este trabajo se aplican técnicas de aprendizaje reforzado profundo en la administración de portafolios de inversión de renta fija, específicamente títulos soberanos emitidos por el gobierno colombiano. El periodo de análisis comprende siete años, desde enero de 2015 hasta diciembre de 2022. Encontramos que es posible generar rentabilidad y lograr una eficiente gestión del riesgo como resultado de las estrategias de “trading” que los modelos de aprendizaje reforzado profundo prevén más convenientes dadas ciertas condiciones de mercado y de cada uno de los títulos, como su riesgo implícito en métricas como DV01, Duración y Convexidad. Finalmente, este estudio contribuye al campo de las aplicaciones de aprendizaje de máquina e inteligencia artificial sobre administración de carteras de inversión, con un enfoque relativamente nuevo sobre el mercado de renta fija en general, consolidándose como uno de los primeros trabajos en aplicar técnicas de aprendizaje por refuerzo al mercado de deuda pública colombiana.

This paper applies deep reinforced learning techniques to the management of fixed income investment portfolios, specifically sovereign securities issued by the Colombian government. The period of analysis covers seven years, from January 2015 to December 2022. We find that it is possible to generate profitability and achieve efficient risk management because of the trading strategies that deep reinforced learning models foresee more convenient given certain market conditions and of each of the securities, such as their implied risk in metrics like DV01, Duration and Convexity. Finally, this study contributes to the field of machine learning and artificial intelligence applications on investment portfolio management, with a relatively new focus on the fixed income market in general, consolidating itself as one of the first works to apply reinforcement learning techniques to the Colombian public debt market.

Magíster en Ciencias de Datos y Analítica

Maestría