Bogotá - Ingeniería - Maestría en Ingeniería - Ingeniería Industrial · 2023

Sistema de trading algorítmico utilizando un modelo de machine learning generado por auto machine learning como regla de filtro

En el presente trabajo se mejora el rendimiento de un sistema o estrategia de trading algorítmico, basado en indicadores técnicos, mediante la incorporación de un modelo de clasificación que permite discriminar operaciones potenciales de la estrategia entre ganadoras y perdedoras. Las características utilizadas como entrada del modelo de machine learning son generadas a partir de indicadores técnicos en el instante que se abre una operación, obtenidas mediante una simulación de mercado con datos de en formato Open, High, Low, Close en la divisa del eurodólar. Para el proceso de búsqueda del modelo clasificación adecuado, se plantean dos mecanismos basados en automachine learning y algoritmos evolutivos, utilizando la librería Evaluation of a Tree-Based Pipeline Optimization Tool for Automating Data Science (TPOT) y una propuesta basada en el Elitist Non-dominated Sorting Genetic Algorithm (NSGA-II) y TPOT, donde se orienta la búsqueda multiobjetivo con la métrica del accuracy y el System Quality Number (SQN) una métrica para evaluar sistemas de trading. En los experimentos realizados, los modelos de clasificación elegidos por NSGA-II mejoraron significativamente el rendimiento de la estrategia de trading, con un 32.5% de los modelos fuera de muestra que mostraron rendimientos positivos y un comportamiento similar dentro y fuera de muestra. Mientras que con TPOT, los clasificadores encontrados tendieron a tener buen rendimiento dentro de muestra, pero no consistente fuera de muestra. La estrategia final elegida por NSGA-II tuvo un 60-61% de operaciones rentables tanto dentro como fuera de muestra, mientras TPOT tuvo un 98% y un 62% respectivamente. (Texto tomado de la fuente)

Tesauro de su biblioteca