Aplicación de Aprendizaje Automático en Trading Algorítmico

Una estrategia de inversión es un plan fijo diseñado para obtener un rendimiento rentable al operar en el mercado. En los mercados financieros existen diferentes estrategias que permiten obtener beneficios a largo y corto plazo. Cada una de estas estrategias tiene ventajas e inconvenientes, pero tod...

Full description

Bibliographic Details
Author: Sánchez Mendoza, Miguel
Format: master thesis
Publication Date:2020
Country:España
Institution:Universidad Nacional de Educación a Distancia
Repository:e-spacio. Repositorio Institucional de la UNED
Language:Spanish
OAI Identifier:oai:e-spacio.uned.es:20.500.14468/14580
Online Access:https://hdl.handle.net/20.500.14468/14580
Access Level:Open access
Keyword:1203.04 Inteligencia artificial
Description
Summary:Una estrategia de inversión es un plan fijo diseñado para obtener un rendimiento rentable al operar en el mercado. En los mercados financieros existen diferentes estrategias que permiten obtener beneficios a largo y corto plazo. Cada una de estas estrategias tiene ventajas e inconvenientes, pero todas pueden ser analizadas y optimizadas para que su rendimiento sea el más adecuado en cada momento. Nuestro estudio se centrará en el desarrollo, prueba, optimización y evaluación de dos estrategias concretas. Estas dos estrategias se diferencian principalmente en el marco temporal en el que esperan obtener beneficios. La primera estrategia, denominada comprar y mantener, se basa en la idea de que todos los mercados evolucionan favorablemente en el largo plazo, por lo que establece pautas para adquirir activos en momentos en los que éstos están infravalorados con la esperanza de que, transcurrido un largo periodo de tiempo (entre 2 y 15 años), aumenten su valor. Por otro lado, analizaremos una estrategia de inversión a muy corto plazo que utiliza indicadores técnicos que pretenden determinar y aprovechar momentos en los que el precio de un activo va a realizar un determinado movimiento (aumentar o disminuir) en los siguientes minutos. Para el desarrollo de las pruebas se crearán algoritmos que operen el mercado de forma automática utilizando datos históricos y herramientas de simulación creadas para tal fin, utilizando el lenguaje de programación Python. En ambas estrategias se partirá de un algoritmo de aplicación de estrategia básico, para luego optimizarlo mediante el uso de herramientas de aprendizaje automático. Concretamente, para la estrategia de largo plazo utilizaremos clasificación mediante bosques aleatorios (random forests) para determinar el mejor momento para invertir, mientras que para la estrategia a corto plazo utilizaremos máquinas de vectores de soporte (support vector machines, SVMs) como método de regresión para estimar la variación de precio de un activo en los próximos minutos y calcular la pérdida media que podemos esperar y así determinar si debemos comprar o vender en cada momento.