Funciones de adquisición de optimización bayesiana en el ámbito de optimización global para negociación algorítmica

Abstract

El objetivo de este trabajo es mostrar la alta sensibilidad de los resultados de un algoritmo de operatoria algorítmica según su parametrización. Para ello, se plantea ejecutar variaciones en un método de optimización global y analizar los resultados. Se busca encontrar diferencias estadísticamente significativas en su rendimiento y en la demora computacional para hallar el conjunto óptimo de parámetros en diferentes estrategias de negociación algorítmica. En particular, se estudiarán variaciones en las funciones de adquisición de la optimización bayesiana. El trabajo utilizará información del mercado de criptomonedas por contar con varios atributos convenientes, como su operatoria continua, su liquidez y la disponibilidad de información.