Gestión de Portafolios con Inteligencia Artificial y Geopolítica en Estados Unidos y Canadá

Vista sencilla de ítem
dc.contributor.advisorCely Ramirez, José Alexander
dc.contributor.authorEspinosa Velandia, Linda Lucia
dc.contributor.authorGil Bastidas, Erika Juliana
dc.contributor.corporatenameUniversidad Santo Tomás
dc.contributor.googlescholarhttps://scholar.google.com/citations?user=tc6-gWwAAAAJ
dc.contributor.orcidhttps://orcid.org/0000-0002-7928-7600
dc.date.accessioned2026-03-25T23:05:17Z
dc.date.available2026-03-25T23:05:17Z
dc.date.issued2026-03-20
dc.descriptionEsta investigación consideró la gestión de portafolios financieros mediante la integración de la inteligencia artificial y el análisis de factores geopolíticos en los mercados de Estados Unidos y Canadá, siendo un contexto internacional caracterizado por la volatilidad económica y los cambios políticos constantes. El objetivo principal fue detallar cómo el uso de herramientas basadas en inteligencia artificial, de la mano de variables geopolíticas, contribuyen a mejorar la identificación de riesgos y oportunidades en la toma de decisiones de inversión; para alcanzar este propósito, se desarrolló un enfoque cualitativo descriptivo, sustentado en la revisión documental y bibliográfica de artículos científicos, los cuales fueron verificados mediante la técnica de análisis. Los resultados evidenciaron que la inteligencia artificial facilita el procesamiento y análisis de grandes volúmenes de información financiera, optimizando la gestión de portafolios, mientras que el enfoque geopolítico ha permitido anticipar impactos derivados de la incertidumbre de conflictos, tensiones internacionales y cambios regulatorios. Con relación a lo antes expuesto, la combinación de inteligencia artificial y análisis geopolítico fortalece la gestión de portafolios financieros, promoviendo decisiones de inversión más informadas, estratégicas y adaptadas a las dinámicas cambiantes del entorno económico global, contribuyendo tanto a inversionistas como a instituciones financieras.
dc.description.abstractThis research examined financial portfolio management through the integration of artificial intelligence and the analysis of geopolitical factors in the U.S. and Canadian markets, within an international context characterized by economic volatility and constant political changes. The main objective was to detail how the use of tools based on artificial intelligence, in conjunction with geopolitical variables, contributes to improving the identification of risks and opportunities in investment decision-making; to achieve this goal, a descriptive qualitative approach was developed, based on a documentary and bibliographic review of scientific articles, which were verified using analytical techniques. The results showed that artificial intelligence facilitates the processing and analysis of large volumes of financial information, optimizing portfolio management, while the geopolitical approach has made it possible to anticipate impacts stemming from the uncertainty of conflicts, international tensions, and regulatory changes. In light of the above, the combination of artificial intelligence and geopolitical analysis strengthens financial portfolio management, promoting more informed, strategic investment decisions adapted to the changing dynamics of the global economic environment, benefiting both investors and financial institutions.
dc.description.degreelevelPregradospa
dc.description.degreenameProfesional en Negocios Internacionalesspa
dc.description.domainhttp://www.ustatunja.edu.co/investigacion
dc.format.mimetypeapplication/pdf
dc.identifier.citationEspinosa & Gil (2026). Gestión de Portafolios con Inteligencia Artificial y Geopolítica en Estados Unidos y Canadá [Trabajo de grado, Universidad Santo Tomás].Repositorio Institucional
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/71968
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Tunja
dc.publisher.facultyFacultad de Negocios Internacionalesspa
dc.publisher.programPregrado Negocios Internacionalesspa
dc.relation.referencesAl-Khatib, A. wael. (2023). Drivers of generative artificial intelligence to fostering exploitative and exploratory innovation: A TOE framework. Technology in Society, 75. https://doi.org/10.1016/j.techsoc.2023.102403
dc.relation.referencesAdarkwah, G. K., Dorobantu, S., Sabel, C. A., & Zilja, F. (2024). Geopolitical Volatility and Subsidiary Investments. Strategic Management Journal, 45(11), 2275-2306. https://doi.org/10.1002/smj.363
dc.relation.referencesAgudelo Aguirre., A. A. (2017). Teoría de Portafolio, aplicación al Mercado de Valores Colombiano y a la conformación de un portafolio diversificado. Redalyc.org. https://www.redalyc.org/journal/5713/571360714010/571360714010.pdf.
dc.relation.referencesAladdin® by BlackRock - software for portfolio management. (s/f). BlackRock. Recuperado el 28 de enero de 2026, de https://www.blackrock.com/aladdin
dc.relation.referencesBanerjee, A., Sensoy, A., & Goodell, J. W. (2024). Volatility connectedness between geopolitical risk and financial markets: Insights from pandemic and military crisis periods. International Review of Economics & Finance, 103, 740–760. https://doi.org/10.1016/j.iref.2024.103740
dc.relation.referencesBollerslev, T. (1986). Heterocedasticidad condicional autorregresiva generalizada. 307– 327. https://doi.org/10.1016/0304-4076(86)90063-1.
dc.relation.referencesCaldara, D., & Iacoviello, M. (2022). Measuring geopolitical risk. American Economic Review, 112(4), 1194–1225. https://doi.org/10.1257/aer.20191823
dc.relation.referencesCartwright, R. (2025). Siete principios de la resiliencia en las carteras. MFS. https://www.mfs.com/es-es/investment-professional/insights/equity/seven-principles-of- portfolio-resilience.html.
dc.relation.referencesCattlin, R. (2023). ¿Qué es la volatilidad de los mercados financieros? Forex.com. https://www.forex.com/es/news-and-analysis/volatilidad-en-mercados-financieros/.
dc.relation.referencesChen, H., & Chen, S. (2017). The fading of investment–cash flow sensitivity and global development. Pacific-Basin Finance Journal, 43, 53–72. https://www.sciencedirect.com/science/article/abs/pii/S0929119917306533
dc.relation.referencesCoeurdacier, N., & Guibaud, S. (2011). International portfolio diversification is better than you think. Journal of International Money and Finance, 30(2), 289–308. https://doi.org/10.1016/j.jimonfin.2010.10.003
dc.relation.referencesCôté, L. (2024). Economic diplomacy and home-state responsibility for human rights abuses involving extractive industries abroad: The case of Canada. Business and Human Rights Journal. https://www.cambridge.org/core/.../economic_diplomacy...
dc.relation.referencesDavenport, T. H. (2014). Big Data at Work: Dispelling the Myths, Uncovering the Opportunities. https://books.google.com.co/books?id=apjBAgAAQBAJ
dc.relation.referencesEngle, R. F. (1982). Heteroscedasticidad condicional autorregresiva con estimaciones de la varianza de la inflación del Reino Unido. Econométrica, Vol. 50, No. 4 , 21. https://www.jstor.org/stable/1912773?read-now=1&seq=1.
dc.relation.referencesFama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383–417. https://doi.org/10.2307/2325486.
dc.relation.referencesGarcía, S. V. (2023). Aplicación de modelos de inteligencia artificial y aprendizaje automático para la previsión de precios y la optimización de portafolios: un enfoque integrado con datos estructurados y no estructurados con el fin de compararse con el S&P 500 como benchmark. https://repository.eafit.edu.co/server/api/core/bitstreams/1fe67909-dfe1-4390-b392- 9ff4c595cabb/content
dc.relation.referencesGoodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. Deeplearningbook.org. https://www.deeplearningbook.org/contents/intro.html.
dc.relation.referencesGu, S., Kelly, B. T., & Xiu, D. (2018). Empirical asset pricing via machine learning. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3159577
dc.relation.referencesHolland, J. H. (1992). Complex Adaptive Systems. Daedalus, 121(1), 17–30. http://www.jstor.org/stable/20025416.
dc.relation.referencesHopkin, P. (2018). Fundamentals of Risk Management: Understanding, Evaluating and Implementing Effective Risk Management. https://books.google.com.co/books?id=bzFiDwAAQBAJ
dc.relation.referencesJothimani, D., Singh, A., & Gupta, M. (2022). Machine learning: The backbone of intelligent trade credit–based systems. Security and Communication Networks, 2022, Article 7149902. https://doi.org/10.1155/2022/7149902
dc.relation.referencesKairós, Lara-Haro, D. M., Negrete-Usuño, E., Paredes-León, J., & Sánchez-Sarzosa, M. J. (2023). La inteligencia artificial para la predicción de tendencias en el comercio global: Un enfoque bibliométrico y analítico. KAIRÓS, Revista de Ciencias Económicas, Jurídicas y Administrativas, 8(14), 108–125. https://www.redalyc.org/journal/7219/721980753006/721980753006.pdf
dc.relation.referencesKaplan, R. D. (2013). The revenge of geography: what the map tells us about coming conflicts and the battle against fate. Choice, 50(09), 50-5262–50-5262. https://doi.org/10.5860/choice.50-5262
dc.relation.referencesKotliar, D. M. (2021). Who gets to choose? On the socio-algorithmic construction of choice. Science, Technology & Human Values, 46(2), 346–375. https://doi.org/10.1177/0162243920925147
dc.relation.referencesLiu, W.-J., Ge, Y.-B., & Gu, Y.-C. (2024). News-driven stock market index prediction based on trellis network and sentiment attention mechanism. Expert Systems with Applications, 250(123966). https://doi.org/10.1016/j.eswa.2024.123966
dc.relation.referencesLuo, J., Cepni, O., Demirer, R., & Gupta, R. (2025). Forecasting multivariate volatilities with exogenous predictors: An application to industry diversification strategies. Journal of Empirical Finance, 81(101595). https://doi.org/10.1016/j.jempfin.2025.101595
dc.relation.referencesMarkowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1), 77–91. https://www.jstor.org/stable/1818410
dc.relation.referencesMartínez, J. (2010). Managerial information system for optimizing investment portfolios. Universidad Politécnica de Madrid. https://oa.upm.es/10808/2/INVE_MEM_2010_97348.pdf
dc.relation.referencesNorman, A. T. (2021). Aprendizaje automático en acción. https://books.google.es/books?id=iTIREAAAQBAJ
dc.relation.referencesAdministrativas, 8(14), 108–125. https://www.redalyc.org/journal/7219/721980753006/721980753006.pdf
dc.relation.referencesPanda, K. (2024). Artificial intelligence-based analysis of change in public finance between US and international markets. 2024 IEEE International Conference on Computing, Power and Communication Technologies (IC2PCT), 1234–1238. https://www.sciencedirect.com/science/article/abs/pii/S1059056024007329
dc.relation.referencesPoon, J. (2024). The geoeconomics of globalization 2.0. Environment and Planning A: Economy and Space. https://doi.org/10.1177/0308518X241269366
dc.relation.referencesRouhiainen, L. (2018). Inteligencia artificial: 101 cosas que debes saber hoy sobre nuestro futuro. https://planetadelibrosar0.cdnstatics.com/libros_contenido_extra/40/39307_Inteligencia_artificial .pdf
dc.relation.referencesRubiolo, F., & Busilli, V. S. (2021). Diplomacia económica: Aproximaciones conceptuales y su aplicación en la política de Xi Jinping hacia el Sur Global. OASIS, 34, 127–150. https://www.redalyc.org/journal/531/53169476008/53169476008.pdf
dc.relation.referencesSerrano, J. (2022). Building investment portfolios using the risk parity approach. Revista de Métodos Cuantitativos para la Economía y la Empresa. https://dialnet.unirioja.es/servlet/articulo?codigo=9896849
dc.relation.referencesRichard S. Sutton and Andrew G. Barto. (2018). Reinforcement learning. Incompleteideas.net. http://incompleteideas.net/book/RLbook2020.pdf.
dc.relation.referencesSheikh, M. J., Prins, B. C., & Schrijvers, L. (2023). Artificial intelligence: Definition and background. En Mission AI: The New System Technology. Springer. https://doi.org/10.1007/978- 3-031-21448-6_2
dc.relation.referencesTigani, S., Tadist, K., Saadane, R., Chehri, A., & Chaibi, H. (2022). Deep learning based currency exchange volatility classifier for best trading time recommendation. Procedia Computer Science, 207, 1591–1597. https://doi.org/10.1016/j.procs.2022.09.216
dc.relation.referencesMakridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1984). Forecasting: Methods and applications (2nd ed.). John Wiley & Sons. https://www.researchgate.net/publication/52008212_Forecasting_Methods_and_Applications
dc.relation.referencesYang, Z., Liu, X.-Y., & Wang, Y. (2022). FinRL: Deep reinforcement learning framework to automate trading in quantitative finance. Proceedings of the 2022 ACM Conference.https://www.scopus.com/inward/record.uri?eid=2-s2.0- 85128301239&doi=10.1145/3490354.3494366.
dc.rightsAttribution-NonCommercial-NoDerivs 2.5 Colombiaen
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.subject.keywordFinancial Markets
dc.subject.keywordRisk Analysis
dc.subject.keywordInternational Finance
dc.subject.keywordRisk Forecasting
dc.subject.keywordFinancial Analysis
dc.subject.keywordGeopolitical Conflicts
dc.subject.keywordArtificial Intelligence
dc.subject.keywordInternational Cooperation
dc.subject.lembMercados Financieros
dc.subject.lembAnálisis de riesgos
dc.subject.lembFinanzas internacionales
dc.subject.lembPredicción de riesgos
dc.subject.lembAnálisis financiero
dc.subject.lembConflictos geopolíticos
dc.subject.lembInteligencia artificial
dc.subject.lembCooperación internacional
dc.subject.proposalInteligencia artificial
dc.subject.proposalGeopolítica
dc.subject.proposalPortafolios
dc.subject.proposalRiesgo
dc.subject.proposalFinanzas
dc.subject.proposalVolatilidad
dc.subject.proposalPredicción
dc.subject.proposalDiversificación
dc.subject.proposalInversión
dc.titleGestión de Portafolios con Inteligencia Artificial y Geopolítica en Estados Unidos y Canadá
dc.typebachelor thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de gradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2026LindaEspinosa
Tamaño:
608.33 KB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
Autorización facultad
Tamaño:
682.67 KB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
Autorización estudiante
Tamaño:
326.9 KB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Negocios Internacionales