Machine Learning y Trading

¿Qué es Machine Learning?

Es una rama dentro del conjunto que se considera data mining, o minería de datos, cuya característica principal es el aprendizaje automático.

El objetivo principal es el aprendizaje automático dado un conjunto de datos, de los cuales, este tipo de algoritmos extraen cientos de patrones y los analizan para buscar pautas comunes en una serie.

Técnicas Comunes

Existen muchas técnicas de Data Mining y Machine Learning para hacer Trading Financiero, una clasificación sencilla seria el uso de las más comunes.

Empezando por Redes Neuronales una de las técnicas más populares, consistente en el ajuste individual de cara parámetro introducido en esta para la formulación de un modelo de caja negra.

Otra técnica muy similar son las máquinas de Soporte Vectorial o SVM, las cuales hacen una clasificación y regresión de las señales de Trading enviadas para crear modelos.

Existen más, como K-Means o Árboles de Decisión, los cuales se irán tratando a lo largo de este artículo.

Tipos de Machine Learning

A estas alturas conocemos por encima qué técnicas de Machine Learning podemos aplicar a Forex, pero es debido conocer una clasificación de estas técnicas para comprenderlas con más profundidad.

Estas técnicas podemos clasificarlas en tres tipos.

El primer tipo sería el Aprendizaje Supervisado (Supervised Learning), el cual requiere de datos etiquetados para realizar una predicción o clasificación, es decir, extraerá patrones en base a lo que le hayamos indicado en nuestro set de datos.

Luego está el Aprendizaje No Supervisado (Unsupervised Learning) donde los algoritmos no necesitan etiquetas en sus datos, como es el caso de las redes neuronales.

Reforzamiento de Aprendizaje (Reinforcement Learning) en este tipo de aprendizaje automático nos encontramos con modelos el cual hace un proceso constante de aprendizaje, aprendiendo de sus errores.

En este tipo de aprendizaje podemos ver algoritmos como AlphaZero que en solo cuatro horas de entrenamiento fue capaz de derrotar a campeones de ajedrez.

Proceso de Aprendizaje Automático de AlphaZero

Uso de Machine Learning en los Mercados Financieros

La tecnología de Machine Learning permite que nuestros robots aprendan a operar.

En el trading de sistemas clásico partimos de una teoría de mercado que vamos refinando progresivamente hasta dar con una estrategia rentable.

Por ejemplo, intentamos saber cuándo el mercado está sobrecomprado mediante un indicador (típicamente el indicador RSI) y a partir de una señal del indicador ejecutamos una operación de venta.

Posteriormente comprobaremos mediante un análisis de backtest si la idea funciona e iremos refinando mediante la incorporación de otros indicadores y técnicas.

Pero con Machine Learning no necesitamos seguir ese proceso, directamente utilizamos los datos para extraer las ineficiencias de mercado y poder diseñar sobre ellas los sistemas de trading que las explotan.

¿Cómo aplicar Machine Learning en Forex?

Aplicación de Machine Learning en Series Temporales

El mercado Forex es especialmente apropiado para aplicar machine learning y todas sus técnicas. Ésto se debe a la gran diversidad de sus participantes, ya sea en capitalización, objetivos o experiencia, lo que da lugar a una gran cantidad de ineficiencias que generan patrones explotables.

Existen tres tipos de aprendizaje: supervisado, no supervisado y reforzado.

En cada uno de estos tipos de aprendizaje hay diferentes modelos algorítmicos a utilizar (redes neuronales, clusters k-means, árboles de decisión, etc) que podemos aplicar a diferentes aspectos para diseñar sistemas de trading.

En el vídeo puesto al principio de este artículo te explicamos cómo aplicar Machine Learning para diseñar sistemas de trading rentables que aprendan a operar.

Ventajas del Machine Learning

Son muchas las ventajas de este tipo de tecnología, y no es en vano que muchos fondos de inversión la implementen para obtener una ventaja competitiva en el mercado.

Mientras que los patrones bursátiles conocidos han sufrido cierto desgaste con el tiempo, y por ende, han perdido eficacia en el mercado, los quants de distintos fondos de inversión se han inclinado por un enfoque de Datos Alternativos y Minería de datos.

De esta forma, se pueden extraer patrones que no son visibles al ojo humano, y por ende, no son tan operados. Junto a los datos externos o el procesamiento de estos que se le de.

Desventajas del Machine Learning

Lo cierto es que es una técnica que no es muy conocida para inversores minoristas, siempre resuenan los conceptos de dificultad, o la falta de información sobre su funcionamiento.

La mayoría de desventajas que son citadas, realmente no aplican al mundo del trading, o al menos, si se aprende de la forma correcta.

La única complicación real, es evitar la sobreoptimización, algo que ya hace Alphadvisor con su algoritmo propietario.

¿Cómo Puedo Aplicar Machine Learning?

Como puedes ver en el vídeo principal, utilizando el software Alphadvisor, con su motor Genbox. De esta forma tienes al alcance la posibilidad de crear todo tipo de sistemas de trading inteligente para operar en mercado.

De esta forma, ahorrarás una parte muy grande de tu tiempo aprendiendo minería de datos por tu cuenta, y obteniendo unos beneficios dados de la experiencia del equipo de Sistemas Inversores durante más de 12 años de trayectoria.

Webinar de Robots Hechos con Data Mining y Alphadvisor

Conclusión

La minería de datos, y el aprendizaje automático son herramientas excelentes para usar en nuestro trading, las cuales requieren cierto conocimiento, pero, utilizando el software adecuado la curva de aprendizaje puede convertirse en algo muy simple.

En el seminario puesto al inicio podrás aprender todas las ventajas del trading inteligente.

Deja un comentario