In Sin categorizar

Hoy os traemos una nueva publicación cortesía de QuantInsti® donde explicamos qué es el Machine Learning y qué uso tiene en los mercados financieros.

La inteligencia artificial o la I.A. es el campo de estudio académico que estudia cómo crear computadoras y software que sean capaces de comportarse de manera inteligente. De acuerdo con la definición de Wikipedia, “Inteligencia artificial es la inteligencia de las máquinas, donde un agente inteligente (sistema) percibe su entorno y toma medidas que maximizan sus posibilidades de éxito.”

Adopción del Machine Learning

El Machine Learning (aprendizaje automático) es un subconjunto de I.A. dedicado a clasificar y encontrar patrones y lo extrapola a nuevos datos. Vemos mucha implementación Machine Learning en apliaciones. Netflix utiliza un algoritmo basado en Machine Learning para seleccionar las mejores películas que se recomiendan. El portal de compras de Amazon utiliza una técnica de Machine Learning para recomendar los artículos de compras basados ​​en la búsqueda reciente y otros patrones reconocibles.

Machine Learning en mercados financieros

En este artículo, nos preguntamos: “¿Se pueden utilizar las técnicas de Machine Learning en los mercados financieros?” ¡La respuesta es contundente “Sí”! El Machine Learning es lógico y supera las limitaciones humanas. Esto es importante en los mercados financieros donde las emociones pueden llevar a escollos cuando se trata de tomar decisiones como ya lo contámos en el artículo de la semana pasada sobre las emociones. El Machine Learning se clasifica en aprendizaje supervisado y aprendizaje no supervisado. El aprendizaje no supervisado es la capacidad de encontrar patrones en un flujo de datos sin etiquetar los datos. Su limitación es que no se especifican los parámetros en los que se deben clasificar los datos. El aprendizaje supervisado, en cambio, se especifican las etiquetas de los datos de entrenamiento. Un ejemplo de aprendizaje supervisado son las Máquinas de Vectores de Soporte o Support Vector Machines (SVM).

Support Vector Machines (SVM)

SVM analiza datos y reconoce patrones.

Un ejemplo de SVM aplicado a los mercados financieros sería este: consideraremos una estrategia de cruces de promedios. En un cruce de media móvil hay dos medias móviles que se consideran SMA (Short Moving Average) y LMA (Long Moving Average). Si SMA cruza LMA desde abajo, es una señal de compra y si SMA cruza LMA desde arriba, es una señal de venta. Si el precio en el día actual es más alto que el día anterior, se asigna una categoría llamada +1. De manera similar, si el precio en el día actual es más bajo que el día anterior, se asigna una categoría llamada -1. Se asigna una categoría de 0 si no hay cambio de precio entre días consecutivos.

Las predicciones se realizan en base a la agrupación de datos. Las secciones grandes de puntos de datos están en la zona +1 y muy pocos puntos de datos en la zona -1. Se observa la distribución general de los datos y se pueden mejorar las predicciones ampliando el rango de +1 y -1 a +5 y -5. Un sustituto para ampliar la gama son las redes neuronales.

Conclusión

La conclusión es sacar la máxima rentabilidad en cada operación minimizando el riesgo al máximo. Esto se logra mediante el uso de técnicas de Machine Learning que detectan un patrón en los datos, identifican los aspectos críticos y predice una respuesta. La construcción de modelos es la parte crucial de las estrategias en los mercados financieros. QuantInsti® tiene un plan de estudios dedicado al trading algorítmico conocido como EPAT (Executive Programme in Algorithmic Trading). Para más información puedes ponerte en contacto con ellos.

Si quieres conocer más detalles te invitamos a leer el artículo completo que ha elaborado QuantInsti®, sólo tienes que seguir el siguiente enlace: Link a la publicación.

Aprovechamos para recordarte que en Zárate-Mateo somos expertos en finanzas cuantitativas y usamos tecnología de vanguardia combinando cloud computing e inteligencia artificial y utilizando técnicas basadas en deep learning y machine learning en el sector financiero. Si deseas más información acerca de nuestros servicios ponerte en contacto con nosotros aquí: Contacto

Si continuas utilizando este sitio aceptas el uso de cookies. más información

Los ajustes de cookies de esta web están configurados para "permitir cookies" y así ofrecerte la mejor experiencia de navegación posible. Si sigues utilizando esta web sin cambiar tus ajustes de cookies o haces clic en "Aceptar" estarás dando tu consentimiento a esto.

Cerrar