Optimizando Inversiones en el Modelo de Inteligencia de Portafolio (PI)
Autores: Loukeris, Nikolaos; Maltoudoglou, Lysimachos; Boutalis, Yannis; Eleftheriadis, Iordanis
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Optimizando Inversiones en el Modelo de Inteligencia de Portafolio (PI)
Categoría
Gestión y administración
Subcategoría
Gestión de recursos
Palabras clave
Metodología
Evaluación de momentos superiores
Problema de selección de cartera
Modelos de inteligencia computacional
Modelo de inteligencia de cartera (PI)
Método óptimo de selección de cartera
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Se introduce una nueva metodología que incorpora la evaluación de momentos superiores avanzados en un nuevo enfoque al problema de Selección de Portafolios, respaldado por modelos efectivos de Inteligencia Computacional. El modelo de Inteligencia de Portafolios (PI) extrae patrones ocultos de numerosos datos contables y estados financieros, filtrando efectos engañosos como el ruido o el fraude, ofreciendo un método óptimo de selección de portafolios. Se analizan las reflexiones caóticas de los comportamientos especulativos de los inversores en distribuciones fractales, ya que los momentos superiores con fundamentos despejan la turbulencia del ruido, mientras que el modelo PI, bajo sus robustos clasificadores de IA, proporciona un soporte óptimo para la inversión.
Descripción
Se introduce una nueva metodología que incorpora la evaluación de momentos superiores avanzados en un nuevo enfoque al problema de Selección de Portafolios, respaldado por modelos efectivos de Inteligencia Computacional. El modelo de Inteligencia de Portafolios (PI) extrae patrones ocultos de numerosos datos contables y estados financieros, filtrando efectos engañosos como el ruido o el fraude, ofreciendo un método óptimo de selección de portafolios. Se analizan las reflexiones caóticas de los comportamientos especulativos de los inversores en distribuciones fractales, ya que los momentos superiores con fundamentos despejan la turbulencia del ruido, mientras que el modelo PI, bajo sus robustos clasificadores de IA, proporciona un soporte óptimo para la inversión.