Resumen
In this study, we evaluate the performance of five Machine Learning (ML) portfolios—logistic regression, random forest, decision tree, gradient boosting, and adaptive boosting—against that of the Dow Industrial Average -passive approach. We consider an active portfolio management approach, employing out-of-sample backtesting to simulate the strategy performance as a categorical approach. We employ as predictors the opening price, the highest price, the lowest price, the closing price, the Williams %R and a the 13-week T-bills. During the whole period, before COVID-19, and during the pandemic, in all cases, at least one ML portfolio beats the index. These results suggest that overall, investors obtain positive outcomes if they use ML portfolios instead of investing passively in the index, obtaining the most benefits in times of greater uncertainty, such as the peak of the pandemic.
©2018, Facultad de Contaduría y Administración, Universidad Nacional Autónoma de México. Reservados todos los derechos. La publicación del artículo en versión impres implica la cesión total de los derechos de propiedad (copyright) a Contaduría y Administración. La revista se reserva el derecho para la reproducción total o parcial del trabajo en otros medios impresos, electrónicos o cualquier otra alternativa, pero reconociendo siempre su autoría.
Licencia para Contenidos Publicados
Salvo indicación contraria, todos los contenidos de la edición electrónica de la revista se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento 4.0 Internacional” (CC-by). Usted es libre de copiar, distribuir, transmitir y adaptar el trabajo. Debe atribuir el trabajo de la manera especificada por el autor o licencia Creative Commons. Puede consultar desde aquí la versión informativa de la licencia. Esta circunstancia ha de hacerse constar expresamente de esta forma cuando sea necesario.
Licencia para Metadatos
Los metadatos de los artículos publicados por Contaduría y Administración son de dominio público, mediante la renuncia de todos los derechos de la editorial a la obra, bajo la ley de derecho de autor en el mundo, incluidos todos los derechos y conexos, en la medida en que lo permita la ley. Usted puede copiar, modificar y distribuir los metadatos, incluso con fines comerciales, todo sin pedir permiso.
