Juan M. Almodóvar

Machine Learning aplicado al trading

Resumen del Webinar "Cómo utilizar Redes Neuronales para hacer trading"

2
Publicado por David Sánchez López el 11 de febrero de 2015

Ayer día 10 de febrero pudimos asistir al webinar "Cómo utilizar Redes Neuronales para hacer trading" impartido por Juan Manuel AlmodóvarJuan Manuel es director de investigación y desarrollo en Sistemas Inversores, consultora especializada en trading algorítmico, desde donde ha colaborado con los departamentos de sistemas de varios fondos de inversión y diseñado software para trading como Alphadvisor.

¿Qué es el Trading Inteligente?

Los sistemas de trading inteligente son sistemas automáticos que no solamente ejecutan las instrucciones con las que han sido  programados, como hace un sistema clásico de trading, sino que además aprenden ellos solos la forma en la que deben actuar a partir de la información que adquieren. Un sistema de trading inteligente aprende nuevas reglas y se adapta a los cambios contínuos del mercado. Pero además, al igual que con los sistemas automáticos tradicionales, se elimina el riesgo psicológico.    Leer más

Machine Learning aplicado al trading

2
Publicado por Juan M. Almodóvar el 15 de enero de 2015


 

Con el auge de los gigantes de la tecnología de la información (Google, Facebook, Apple, etc) la ciencia de la Inteligencia Artificial ha empezado a renacer. Con nombres tan futurísticos como Machine Learning, Metaheuristics o Data Mining se engloba toda una serie de algoritmos y tecnologías orientadas a procesar la hiperabundante información y transformarla en conocimiento explotable.

 

La cuestión central que estudia el Machine Learning es la siguiente: ¿cómo podemos diseñar sistemas computacionales que automáticamente mejoren con la experiencia y cuáles son las leyes fundamentales que gobiernan este proceso de aprendizaje?

 

Con Machine Learning podemos construir sistemas que aprendan de los datos. Un ejemplo típico es el sistema que reconoce el spam de nuestro buzón de correo, para ello se entrena al sistema con miles de emails de spam a modo de ejemplo para que posteriormente clasifique nuestro correo entrante según lo que ha aprendido.   Leer más

2014 un año de Machine Intelligence

2
Publicado por Juan M. Almodóvar el 18 de diciembre de 2014

El 2014 ha sido un año especial para el desarrollo en profundidad de mis métodos de trading algorítmico. Si bien llevo mucho tiempo diseñando pieza a pieza toda la metodología, ha sido en este año que cada uno de los componentes y métodos ha alcanzado la suficiente madurez y ha sido testeado positivamente, como para articularlos todos en algo mayor, más completo y potente.

Sistemas clásicos vs Machine Intelligence

Los sistemas de trading automáticos clásicos son la transformación de la estrategia discrecional del trader en un programa informático cuya principal característica y ventaja es la posibilidad de realizar un análisis estadístico riguroso y reproducible. Puesto en blanco y negro: de una estrategia en forma de sistema automático se puede estimar su capacidad de predicción, de una estragia que no ha sido automatizada no se puede.   Leer más

Selección de activos y sistemas mediante árboles de decisión

0
Publicado por Juan M. Almodóvar el 23 de abril de 2014

Los árboles de decisión forman parte de un grupo de algoritmos de Machine Learning con gran aceptación entre las aplicaciones de business intelligence, advanced analytics y marketing. Fundamentalmente funcionan como un clasificador que nos ayuda a ver cuáles son y en qué medida influyen determinados factores en un resultado o decisión.

¿Se puede utilizar los árboles de decisión para hacer trading? ¿qué aplicación tendrían? ¿cómo predictivos para las operaciones? ¿aplicados sobre la gestión de capital o de riesgo? Efectivamente, pueden ser utilizados... como mínimo como método de selección de activos (o sistemas) con bastante buenos resultados.

Leer más

Detectando el Régimen de Mercado con redes neuronales

2
Publicado por Juan M. Almodóvar el 03 de febrero de 2014

El mercado es dinámico, cambia. Sabemos que tiene momentos tendenciales, momentos en los que aumenta exageradamente la volatilidad, momentos en los que está plano... Y al tener estructura fractal vemos estos cambios de comportamiento en temporalidades intradiarias o a largos plazos de semanas, meses y años.

Al estado en el que se encuentra el mercado en un momento dado se le llama técnicamente régimen de mercado y es otro de los monstruitos frente al que muchos diseñadores de sistemas hemos de enfrentarnos (otro y más temido es el monstruo de la sobreoptimización). En este artículo explicaré brevemente, según mi experiencia, por qué es peligrosa esta característica del Mercado, lo difícil que es afrontarla y cómo estoy desarrollando un método basado en redes neuronales que, aunque experimental y un tanto rudimentario, me está dando muy buenos resultados.

 

Leer más

Cómo optimizar un sistema mediante minería de datos. Parte 2

2
Publicado por Juan M. Almodóvar el 15 de enero de 2014

En un artículo anterior explicaba cómo realizar una buena optimización para conseguir parámetros robustos en nuestros sistemas combinando dos técnicas de Inteligencia Artificial: el algoritmo genético y el clasificador k-means.

En esta segunda parte del artículo os traigo cuatro meses de resultados forward de una operativa utilizando este método de optimización. Los resultados son sorprendentes.

Leer más

Darwinex, una nueva herramienta para el análisis de sistemas

0
Publicado por Juan M. Almodóvar el 02 de diciembre de 2013

El análisis y monitorización de los resultados de un sistema de trading es clave en el trading algorítmico. Darwinex es un nuevo servicio online que nos permite medir el pulso de nuestra operativa con un nivel de detalle sorprendente y realmente útil.

Hace un tiempo, mis amigos de Darwinex me invitaron a probar la beta privada de su aplicación, desde entonces he estado testeando sus algoritmos de análisis con mis propios sistemas de trading, así que sé el motor que hay detrás de la herramienta y os puedo asegurar que funciona de lujo y está hecho con mucho cariño, pasión por hacer las cosas bien y sobre todo mucha cabeza y buena tecnología.

Leer más

Cómo optimizar un sistema mediante minería de datos

5
Publicado por Juan M. Almodóvar el 19 de junio de 2013
estadistica alfatrader
 
Para todo sistema de trading hay que elegir el conjunto de parámetros con el que ponerlo a operar. Seleccionar los parámetros adecuados de un sistema es complicado pues la elección puede dar lugar a sistemas con rendimientos totalmente diferentes y por supuesto estropear un sistema ganador.
 

Torturando los datos hasta que confiesen. Parte 2, Sobreoptimización

0
Publicado por Juan M. Almodóvar el 26 de mayo de 2013

La sobreoptimización es el enemigo más temido del trader de sistemas, es una trampa complicada que toda plataforma de trading que permita diseñar sistemas automáticos nos tiende fácilmente y en la que muchos hemos caído al principio. Diseñamos un sistema de trading con cinco indicadores, seleccionamos quince parámetros (periodo de las media móvil corta y larga, pips para el stop loss, pips para el take profit, niveles sobrecompra y sobreventa del RSI, etc) y ponemos nuestro superordenador de ocho núcleos a optimizar el sistema...  Al cabo de tres o cuatro horas ya tenemos decenas de combinaciones impresionantes, nuestro sistema en los últimos 3 años dibuja una línea recta ascendente como la trayectoria de un misil ¡ha llegado el momento de operar en real!
 
Todos los que hemos caído en esta trampa sabemos que tan pronto como pongamos el sistema en tiempo real (ya sea paper trading o con dinero de verdad) la trayectoria de misil de nuestro sistema continuará, pero en dirección a tierra. Perderemos puntos de manera trepidante hasta dejar la cuenta a cero, garantizado.
 
Ni el sistema ha dejado de funcionar, ni el mercado ha cambiado de dinámica, tampoco es mala suerte, ni el broker nos está espiando y va a por nuestros stops... La explicación más sencilla es que hemos sobreoptimizado nuestro sistema.
 

El problema de la sobreoptimización o adaptación al ruido

 
En el trading automático partimos de la idea de que las cotizaciones del mercado son una combinación de señal y ruido. Por una parte las señales o patrones que alertan de lo que puede suceder en el mercado, idealmente un movimiento al alza o a la baja, estas señales se repiten en el tiempo y con nuestros sistemas intentamos detectarlas y explotarlas. Cuando optimizamos un sistema de trading estamos intentando ajustar nuestro sistema para que detecte correctamente estas señales que se han dado en el pasado, con la esperanza de que se sigan repitiendo en el futuro próximo en cantidad suficiente como para sacarles un beneficio.
 
Los optimizadores de toda plataforma de trading automatizable ajustan los parámetros de nuestro sistema a la serie de cotizaciones pasada. El problema es que la serie no solo contiene señales predictivas sino también ruido, mucho ruido. Ruido como el de las televisiones antiguas cuando no tienen sintonizado un canal. Este ruido es aleatorio, es decir, no se vuelve a repetir de la misma manera en el futuro y es aquí donde radica el problema de la sobreoptimización.
 

Torturando los datos hasta que confiesen. Sesgo de muestreo y espionaje de datos

8
Publicado por Juan M. Almodóvar el 15 de mayo de 2013

Uno de los elementos fundamentales para crear un sistema de trading es el conjunto de datos históricos. Los datos son una especie de materia prima con la que  se hacen los sistemas, requieren atención en su obtención y manejo, puesto que de no tener cuidado el mal uso puede hacernos perder mucho dinero. Es fácil "torturar los datos hasta que confiesen" y obtener resultados impresionantes sobre el papel que nos digan lo que queremos escuchar: que vamos a ganar mucho dinero operando el sistema; y sin embargo cuando pasemos a operar el sistema en real llegará el desastre en forma de drawdown incontrolado. En este primer artículo de la serie "Torturando los datos hasta que confiesen" hablaré de dos principios generales del manejo y obtención de datos históricos que son fundamentales para nuestra operativa automática.

Estos dos principios generales son el sesgo de muestreo (sampling bias) que trata de cómo se obtienen los datos y el espionaje de datos (data snooping) que trata de cómo se manejan los datos. Para entender estos principios veamos, con un ejemplo de cada uno, cómo si no los tenemos presentes pueden tendernos sus trampas y afectar muy negativamente a nuestro trading de sistemas haciéndonos creer en una ilusión ganadora que se convertirá en un horror en ejecución con dinero real... 
 

El sesgo de muestreo o sampling bias

 
En 1948 en las elecciones presidenciales de los EEUU entre Truman y Dewey sucedió un claro ejemplo de sesgo de muestreo. En la noche de las elecciones, una de los mayores periodicos realizó una encuesta a la población sobre el voto que habían dado. La encuesta indicaba que Dewey había ganado y el periodico confiado lo declaró así en el titular de su edición. Cuando se hizo el recuento total sucedió que Dewey había perdido, para deleite de un sonriente Truman.
 
Truman sonriente
 
No fue un caso de error a la hora de analizar los resultados de la estadística, el problema residía en otro lugar. En 1948 tener teléfono era un lujo que no estaba al alcance de toda la población y aquellos que disponían de él tendían a pertenecer a un grupo elitista que favorecía a Dewey mucho más que el votante medio. Como el periodico realizó su encuesta telefónicamente, inadvertidamente utilizó una distribución in-sample (los datos de muestreo) que era diferente a la distribución out-of-sample. Al recoger los datos de manera sesgada el resultado de la estadística estará similarmente sesgado.
Juan M. Almodóvar

Juan M. Almodóvar

Director de investigación y desarrollo de Sistemas Inversores, (consultora especializada en trading algorítmico), desde donde ha colaborado con los departamentos de sistemas de varios fondos de inversión y diseñado software para trading como Alphadvisor. También imparte un curso online profesional para traders en tradingautomatico.net. Centra su carrera profesional en el ámbito de la Inteligencia Computacional aplicada a los mercados financieros.




RSS
e-Mail









Este sitio web usa cookies propias o de terceros para analizar la navegación del usuario. En caso de seguir navegando se entiende que acepta la política de cookies.
Aceptar