Análisis técnico : desarrollo e implementación de estrategia automatizada de trading de alta frecuencia con un modelo de redes neuronales

Abstract

En este trabajo proponemos desarrollar una estrategia de trading algorítmico de alta frecuencia para múltiples activos. Los activos son de renta variable -equity- y son seleccionados del índice SP500. Proponemos una estrategia capas de ser automatizada con el fin de administrar la cartera de manera activa y maximizar los resultados. El período de estudio comienza el 1 de febrero de 2021 y finaliza el 14 de mayo 2021 y consta de datos con una frecuencia cada 10 minutos. La estrategia está basada en 5 indicadores de análisis técnico; medias móviles, índice de fuerza relativa, Momentum y bandas de Bollinger. Proponemos un modelo predictivo de redes neuronales que utiliza la información de los indicadores para intentar predecir si el precio del activo considerado va a aumentar o disminuir. La predicción es utilizada por otro algoritmo que se encarga de determinar qué tipo operación de mercado se debe implementar; compra, venta o neutral. Una vez que el modelo está definido, comparamos los resultados con un modelo alternativo y una estrategia de compa pasiva. Para definir el mejor modelo consideramos aspectos financieros como el rendimiento y la volatilidad. También consideramos aspectos estadísticos como la Sensibilidad, Accuracy y el F1-Score. Con esto se busca que el modelo no solo tenga rendimientos significativamente mejores que el benchmark sino que también sea estadísticamente superior.