El presente artículo resuelve el problema clásico de optimización de carteras de inversión, usando el modelo de media-varianza y proponiendo una forma de calcular la volatilidad a través de los modelos generalizados autorregresivos condicionalmente heterocedásticos (GARCH). El problema es resuelto a través de una metaheurística bioinspirada, llamada colonia artificial de abejas (artificial bee colony[ABC]), cuyo objetivo es reducir los tiempos de ejecución computacionales presentes en otras soluciones. Los resultados fueron contrarrestados con un trabajo anterior, resuelto con multiplicadores de Lagrange, encontrando una frontera de inversión similar, pero con una reducción del tiempo de ejecución notablemente inferior. Finalmente, se hace referencia a futuros trabajos dentro del área de las finanzas computacionales.

Esta investigación muestra la optimización de portafolios accionarios mediante micro algoritmos genéticos, que resuelvan el modelo de selección de inversiones planteado por Markowitz, como una optimización multi-objetivo, en donde se maximiza la rentabilidad y se minimiza el riesgo, lo que implica, realizar una negociación entre ambos objetos y buscar soluciones óptimas. La resolución de este problema requiere de un algoritmo genético para optimización multi-objetivo basado en óptimos de Pareto. Los resultados obtenidos señalan que esta publicación es más eficiente que otros procesos de similares características((Non-dominated Sorting Genetic Algorithm II(NSGA II) y Pareto Archive Evolution Strategy (PAES)), pero debido al período de tiempo y las características del mercado local, su poder de predicción es bajo.