Rosales Marticorena, Luis FranciscoGarcia Romero, Carlos ManuelDelgado Vera, Sirley KaterinFlores Panduro, Miguel AlfredoRodriguez Najarro, Rebeca de Jesus2024-10-252024https://hdl.handle.net/20.500.12640/4208El trading algorítmico ha revolucionado la gestión de portafolios de inversión al automatizar la ejecución de órdenes mediante algoritmos, optimizando rendimientos y reduciendo riesgos. Esta investigación explora sus principales estrategias, como Medias Móviles, Momentum y la teoría de Markowitz, aplicadas a criptomonedas, acciones del NASDAQ y activos de la Bolsa de Valores de Lima (BVL). Utilizando Python y herramientas como Pandas y PyPortfolioOpt, se implementaron algoritmos para evaluar su efectividad a través de backtesting, ajustando periodos de lookback y estrategias de optimización. Los resultados muestran que las criptomonedas generan altos rendimientos con mayor volatilidad, mientras que el NASDAQ equilibra rendimiento y estabilidad, y la BVL presenta un perfil menos favorable. Se concluye que Momentum es más eficaz para criptomonedas, Markowitz para NASDAQ y Medias Móviles para la BVL, adaptando cada estrategia a las características del mercado. Además, se destaca la importancia de seleccionar plataformas adecuadas y enfrentar los desafíos regulatorios en mercados emergentes, como Perú, donde la falta de regulación en criptomonedas y la limitada disponibilidad de API's representan obstáculos para los inversores.application/pdfspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/pe/Mercado financieroGestión financieraGestión de carteraOptimizacióninfo:eu-repo/semantics/masterThesishttps://purl.org/pe-repo/ocde/ford#5.02.04