Pronóstico del comportamiento de los activos administrados por los fondos de Inversión colectiva de las sociedades fiduciarias en Colombia mediante modelos de inteligencia artificial y herramientas econométricas

Abstract

Los Fondos de Inversión Colectiva se han consolidado como instrumentos de inversión destacados, administrando un promedio de $72 billones en los últimos cinco años. Estos fondos han demostrado una tasa de crecimiento anual compuesta del 6.35% y un incremento anual promedio del 10% en el número de inversionistas. A pesar de estos indicadores positivos y de ser productos insignia en términos de rendimientos, en Colombia no se han desarrollado estudios de modelado que proporcionen herramientas prospectivas para prever el comportamiento de los activos administrados. Tal previsión podría ofrecer ventajas significativas, como anticiparse a periodos de escasez de liquidez. En respuesta a esta necesidad, el objetivo de este proyecto es desarrollar las fases necesarias para construir un modelo predictivo basado en dos enfoques: el primero, utilizando modelos de econometría clásica fundamentados en el análisis de series de tiempo, y el segundo, mediante el aprendizaje de máquina utilizando modelos de aprendizaje profundo. Estas fases se desarrollan siguiendo la metodología DST (Trayectoria de Ciencia de Datos), que integra las actividades de CRISP-DM, sin seguir un orden predeterminado. En cambio, se secuencian de acuerdo con la información disponible y los resultados de las fases previas. El estudio buscó responder a las siguientes preguntas: ¿Cuáles variables exógenas contribuyen a la predicción del AUM (Activos Bajo Administración) de los Fondos de Inversión Colectiva? y ¿Qué modelo lograba captar mejor las relaciones de las series de tiempo que conforman dichas variables?