Publicación: Estrategia de ensamble con aprendizaje por refuerzo profundo para la gestión de portafolios en el mercado accionario colombiano: selección dinámica entre PPO, A2C y DDPG mediante la razón de Sharpe en ventanas móviles
Portada
Citas bibliográficas
Código QR
Autores
Director
Fecha
Resumen en español
Esta investigación evalúa el desempeño ajustado por riesgo de una estrategia de ensamble con aprendizaje por refuerzo profundo (DRL) para la gestión de portafolios en el mercado accionario colombiano. Se entrenan tres agentes actor-crítico (PPO, A2C y DDPG) en un entorno de simulación construido con Gymnasium y, mediante un esquema de ventanas móviles de entrenamiento, validación y prueba, se selecciona como agente activo aquel con mayor razón de Sharpe en la ventana de validación. La simulación incorpora costos de transacción proporcionales del 0,1 % y un mecanismo de control de riesgo basado en el índice de turbulencia financiera de Kritzman y Li (2010). El universo de inversión está conformado por 14 acciones del índice COLCAP con datos diarios entre 2015 y 2025, organizados en 29 ventanas. En el período de prueba fuera de muestra, el ensamble obtuvo una razón de Sharpe de 2,897 y un máximo drawdown de −12,3 %, frente a −0,053 y −46,7 % del COLCAP y 0,242 y −42,0 % de la estrategia de igual ponderación; las diferencias frente a ambos referentes son estadísticamente significativas (p < 0,001). DDPG fue seleccionado en 23 de las 29 ventanas, por lo que el ensamble no difiere significativamente de este agente. El desempeño se mantiene estable ante distintos niveles de costos de transacción. Los resultados deben interpretarse considerando el sesgo de supervivencia del universo de activos y los supuestos de las pruebas estadísticas empleadas.
Resumen en inglés
This study evaluates the risk-adjusted performance of a deep reinforcement learning (DRL) ensemble strategy for portfolio management in the Colombian stock market. Three actor-critic agents (PPO, A2C and DDPG) are trained in a simulation environment built with Gymnasium and, through a rolling-window scheme of training, validation and testing, the agent with the highest Sharpe ratio in the validation window is selected as the active agent. The simulation includes proportional transaction costs of 0.1% and a risk-control mechanism based on the financial turbulence index of Kritzman and Li (2010). The investment universe comprises 14 COLCAP stocks with daily data from 2015 to 2025, organized into 29 windows. In the out-of-sample test period, the ensemble achieved a Sharpe ratio of 2.897 and a maximum drawdown of −12.3%, compared with −0.053 and −46.7% for the COLCAP index and 0.242 and −42.0% for the equally weighted strategy; differences against both benchmarks are statistically significant (p < 0.001). DDPG was selected in 23 of the 29 windows, so the ensemble does not differ significantly from this agent. Performance remains stable across different transaction cost levels. Results should be interpreted considering the survivorship bias of the asset universe and the assumptions of the statistical tests used.

PDF
FLIP 
