Inteligencia artificial en los mercados financieros : evidencia empírica en el s&p 500

<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
  <record>
    <leader>00000cab a2200000   4500</leader>
    <controlfield tag="001">MAP20260004006</controlfield>
    <controlfield tag="003">MAP</controlfield>
    <controlfield tag="005">20260213095343.0</controlfield>
    <controlfield tag="008">260212e20260119esp|||p      |0|||b|spa d</controlfield>
    <datafield tag="040" ind1=" " ind2=" ">
      <subfield code="a">MAP</subfield>
      <subfield code="b">spa</subfield>
      <subfield code="d">MAP</subfield>
    </datafield>
    <datafield tag="084" ind1=" " ind2=" ">
      <subfield code="a">921.9</subfield>
    </datafield>
    <datafield tag="100" ind1=" " ind2=" ">
      <subfield code="0">MAPA20260002927</subfield>
      <subfield code="a">Blanco, Iván</subfield>
    </datafield>
    <datafield tag="245" ind1="1" ind2="0">
      <subfield code="a">Inteligencia artificial en los mercados financieros</subfield>
      <subfield code="b">: evidencia empírica en el s&p 500</subfield>
      <subfield code="c">Iván Blanco</subfield>
    </datafield>
    <datafield tag="520" ind1=" " ind2=" ">
      <subfield code="a">El documento analiza en profundidad el papel de la inteligencia artificial en los mercados financieros, evaluando su capacidad para mejorar la predicción de retornos y la construcción de carteras. A través de un caso práctico aplicado al índice S&P 500, se utilizan 65 factores financieros y técnicas avanzadas de machine learning, especialmente gradient boosting, para desarrollar modelos capaces de generar señales de inversión. El estudio demuestra, mediante pruebas fuera de muestra entre 2020 y 2025, que estas metodologías superan sistemáticamente al índice de referencia, con mayores rentabilidades y ratios ajustados al riesgo. El artículo combina fundamentos teóricos, evidencia empírica y evaluación de riesgos asociados al uso de IA en la gestión de activos, aportando una perspectiva completa y aplicable al entorno financiero contemporáneo</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080611200</subfield>
      <subfield code="a">Inteligencia artificial</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20170005476</subfield>
      <subfield code="a">Machine learning</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080597641</subfield>
      <subfield code="a">Mercados financieros</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080585518</subfield>
      <subfield code="a">Gestión de activos</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080611248</subfield>
      <subfield code="a">Inversiones financieras</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080609184</subfield>
      <subfield code="a">Valoración de empresas</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080613044</subfield>
      <subfield code="a">Agencias de calificación</subfield>
    </datafield>
    <datafield tag="773" ind1="0" ind2=" ">
      <subfield code="w">MAP20077000536</subfield>
      <subfield code="g">19/01/2026 Número 186 - 2026 , p. 53 - 72</subfield>
      <subfield code="x">0210-9107</subfield>
      <subfield code="t">Papeles de economía española</subfield>
      <subfield code="d">Madrid : FUNCAS, 1982-</subfield>
    </datafield>
  </record>
</collection>