Este repositorio contiene la implementación en Python de cinco algoritmos evolutivos multiobjetivo (MOEAs) para resolver el problema de optimización de porfolios con restricciones de cardinalidad (MVCCPO). Los algoritmos evaluados incluyen:

• NSGA-II
• SPEA2
• NPGA2
• PESA
• e-MOEA

Se han realizado experimentos comparativos sobre datos financieros reales y sintéticos para evaluar su desempeño.

Descripción de carpetas y archivos

• algorithms/: Implementaciones de los algoritmos evolutivos.
• algorithms/utils/: Funciones auxiliares para:
  • carga y preprocesamiento de datos
  • evaluación de individuos
  • operadores genéticos
  • visualización de resultados
• data/: Datos financieros reales y sintéticos.
• results/: Métricas de evaluación e imágenes de las fronteras de Pareto.
• main.py: Script principal de ejecución de experimentos.
• requirements.txt: Dependencias del proyecto.
• README.md: Documentación general del repositorio.

Instrucciones de uso

1. Crear un entorno virtual (opcional pero recomendado)

python -m venv venv
source venv/bin/activate   # En Linux/macOS
venv\Scripts\activate      # En Windows

2. Instalar dependencias

pip install -r requirements.txt

3. Ejecutar el script principal de ejemplo

python main.py

Nota: Dentro de main.py, puedes elegir qué algoritmo ejecutar comentando o descomentando las líneas correspondientes, además de elegir los parámetros de todos los algoritmos. Cada algoritmo, proporciona la población final, las métricas de evaluación (hipervolumen e índice de Sharpe medio) si se llama a la función encargada de ello, tiempo computacional, el número de individuos por cada cardinal de activo permitido y un plot con la población final, la frontera de Pareto.

Consideraciones

• Aleatoriedad: Debido a la naturaleza estocástica de los algoritmos evolutivos, los resultados pueden variar entre ejecuciones.
• Modularidad: El código está diseñado para facilitar la adición de nuevos algoritmos o configuraciones experimentales.