Aplicación de Aprendizaje Automático en Trading Algorítmico

Sánchez Mendoza, Miguel. (2020). Aplicación de Aprendizaje Automático en Trading Algorítmico Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Sanchez_Mendoza_Miguel_TFM.pdf Sanchez_Mendoza_Miguel_TFM.pdf application/pdf 3.30MB

Título Aplicación de Aprendizaje Automático en Trading Algorítmico
Autor(es) Sánchez Mendoza, Miguel
Resumen 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.
Abstract An investment strategy is a fixed plan designed to obtain a profitable return when trading in the market. In the financial markets there are different strategies that allow obtaining benefits in the long and short term. Each of these strategies has advantages and disadvantages, but all can be analyzed and optimized so that their performance is the most appropriate at all times. Our study will focus on the development, testing, optimization and evaluation of two specific strategies. These two strategies differ mainly in the time frame in which they expect to make a profit. The first strategy, called buy and hold, is based on the idea that all markets evolve favorably in the long term, so it establishes guidelines for acquiring assets at times when they are undervalued in the hope that, after a period of time, long period of time (between 2 and 15 years), increase their value. On the other hand, we will analyze a very short-term investment strategy that uses technical indicators that aim to determine and take advantage of moments in which the price of an asset is going to make a certain movement (increase or decrease) in the following minutes. For the development of the tests, algorithms will be created that operate the market automatically using historical data and simulation tools created for this purpose, using the Python programming language. In both strategies, we will start from a basic strategy application algorithm, and then optimize it through the use of machine learning tools. Specifically, for the long-term strategy we will use classification through random forests to determine the best time to invest, while for the short-term strategy we will use support vector machines (SVMs) as a regression method. to estimate the price variation of an asset in the next few minutes and calculate the average loss that we can expect and thus determine whether we should buy or sell at all times.
Notas adicionales Trabajo de Fin de Máster Universitario en I.A. Avanzada: Fundamentos, Métodos y Aplicaciones. UNED
Materia(s) Ingeniería Informática
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Director/Tutor Díez Vegas, Francisco Javier
Fecha 2020-09
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-IAA-Msmendoza
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-IAA-Msmendoza
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 1020 Visitas, 1616 Descargas  -  Estadísticas en detalle
Creado: Fri, 24 Sep 2021, 18:58:36 CET