Generación automática de reglas de trading mediante algoritmos genéticos con optimización del binomio rentabilidad-riesgo

  1. FERNÁNDEZ GARCÍA, MANUEL ENRIQUE
Supervised by:
  1. Enrique Antonio de la Cal Marín Director
  2. Raquel Quiroga García Co-director

Defence university: Universidad de Oviedo

Fecha de defensa: 20 June 2008

Committee:
  1. Juan Jesús Bernal García Chair
  2. José Ramón Villar Flecha Secretary
  3. Emilio Santiago Corchado Rodríguez Committee member
  4. Óscar Cordón García Committee member
  5. Isidro Sánchez Álvarez Committee member

Type: Thesis

Teseo: 266542 DIALNET

Abstract

Los sistemas de trading constituyen una de las principales herramientas utilizadas por los inversores para obtener las señales de compra y venta que les permitan invertir de forma automática, sin necesidad de estar pendientes constantemente de la evolución de las cotizaciones y sin que influyan en sus decisiones el miedo o la euforia. Estos sistemas están compuestos por un conjunto de reglas de trading basadas, generalmente, en indicadores técnicos bursátiles que proporcionan señales en función de la evolución histórica del activo. No obstante, es frecuente que dichos sistemas centren su atención en obtener elevadas rentabilidades sin tener en cuenta el riesgo que se asume para obtenerlas. Esto tiene como consecuencia que las elevadas ganancias obtenidas en los periodos de entrenamiento del sistema se transformen en pérdidas en los periodos de prueba. Es, por tanto, fundamental tener en cuenta dos objetivos a la hora de entrenar un sistema de trading: la maximización de la rentabilidad y la minimización del riesgo. Los Algoritmos Genéticos son las herramientas idóneas para realizar esta optimización multiobjetivo. Sin embargo, la aplicación de esta potente herramienta computacional a este campo se encuentra en sus primeros pasos, obteniéndose sistemas que distan mucho de los que utilizaría un analista técnico bursátil. Esto se debe a que combinan de forma indiscriminada indicadores técnicos heterogéneos y utilizan esquemas de entrenamiento-prueba elegidos arbitrariamente que hacen dudar de que los resultados obtenidos se generalicen en otros contextos temporales. En este trabajo se presenta una nueva metodología de generación de reglas de trading mediante Algoritmos Genéticos que tiene en cuenta los dos objetivos anteriormente mencionados y que genera reglas similares a las que utilizaría realmente un analista técnico. Esto se consigue mediante la aplicación de una gramática que, además de controlar la formación de reglas con sentido financiero, incorpora un importante conocimiento experto. Además, se define un esquema de entrenamiento-prueba óptimo. La aplicación conjunta de estas técnicas ha permitido, respecto a las metodologías habituales en la literatura, aumentar considerablemente la rentabilidad obtenida y disminuir drásticamente el riesgo de las reglas generadas sobre todos los activos sobre los que se ha aplicado la metodología propuesta.