Estrategia para invertir en el mercado de divisas (Forex) basada en redes neuronales por la Revista Politécnica

Al ser Forex un mercado especulativo de alto riesgo, es deseable disponer de estrategias claras y definidas que contribuyan a mitigar el riesgo al invertir. Considerando que las redes neuronales han mostrado gran aplicabilidad en análisis de series de tiempo y en pronósticos [1], en el presente estudio se propone investigar sobre la elaboración de una estrategia de inversión para el par EUR/USD, mediante un método de predicción con redes neuronales. Excede al alcance de este trabajo realizar un estudio exhaustivo de todas las investigaciones previas. En los siguientes párrafos se presentan algunos estudios relacionados con modelos de redes neuronales en aplicaciones financieras. Bellgard and Gold schmidt examinaron la exactitud de pronóstico y el desempeño de varias técnicas tradicionales, incluyendo paseo aleatorio, suavización exponencial y modelos ARMA (Autoregressive–movin gaverage model) con modelos de redes neuronales recurrentes. La investigación se basó en la tasa de cambio del par AUD/USD (Dólar australiano / dólar americano) utilizando datos de media hora durante 1996. Concluyeron que la exactitud de las mediciones del pronóstico estadístico no tienen una relación directa con la rentabilidad, y que las series de tiempo de Forex exhiben patrones no lineales que son mejor aproximados por los modelos de redes neuronales. Yao& Tan [3] examinaron el desempeño de una estrategia de negociación con base en las simulaciones de redes neuronales (Basada en las tasas de cambio entre el dólar americano y JPY, DEM, GBP, CHF y AUD). Los autores, teniendo en cuenta el efecto de los costos de transacción, consideraron un modelo para realizar operaciones cada viernes, construyeron una muestra de 510 observaciones con los precios de cierre desde el 18 de mayo de 1984 hasta el 7 de julio de1995. Compararon sus modelos contra un ARIMA (Auto regressive integrated movin gaverage), pero aquí prestaron especial énfasis a indicadores de desempeño financiero sobre la estrategia de negociación simulada. Por ejemplo, compararon el resultado financiero de negociar con los pronósticos de la red con la rentabilidad de comprar al inicio del periodo y vender hasta el final (comprar y mantener). Las redes que entrenaron las usaron como variables de entrada, rezagos de la serie y promedios móviles de las mismas. Concluyeron que la rentabilidad de la estrategia simulada con las redes neuronales para todas las divisas, excepto para el USD/JPY, son superiores al retorno reportado por las estrategias de referencia. Villamil & Delgado [4] presentaron un trabajo en el cual se muestran los resultados del entrenamiento de una red neuronal para negociación de la tasa de cambio EUR/USD y las bondades del algoritmo de entrenamiento chemotaxis (esto es novedoso ya que usualmente se usa un algoritmo de retro propagación en trabajos anteriores), que permite entrenar redes que maximicen una función objetivo que relacione aciertos en la predicción con las ganancias de un trader. Concluyeron que El mercado de la divisa EUR/USD es especialmente líquido y muestra tener características de eficiencia. No obstante, el modelo neuronal seleccionado en este trabajo enseña que sí es posible (usando el pronóstico de una red neuronal y siendo fiel a una estrategia de negociación) obtener rentabilidades positivas de manera sostenida en el mercado Forex. En este trabajo se han utilizado las redes neuronales multicapa para construir un sistema de negociación automatizado (SNA) que sirva para operar en el mercado del EUR/USD. En el modelo entrenado aquí se simplifican algunas de las características que debe tener un SNA: el modelo sugerido produce señales (de compra o venta) cada seis horas, hay señal de compra si el pronóstico de la red seis horas adelante es mayor que el pronóstico del precio actual y de venta si es menor, no se puede liquidar una posición antes de las seis horas (en otras palabras, no hay cabida para que operen el stop loss y el takeprofit) y siempre se invierte la totalidad del capital (no hay administración del dinero). En 2008 Dunis presentó un estudio [5] en el que utilizaron varias arquitecturas de redes neuronales para pronosticar y comerciar con el par EUR/USD. Se comparan 4 diseños de redes neuronales (una neuronal de alto orden, una Psi Sigma, una red neuronal recurrente y el clásico Perceptrón) con otras técnicas tradicionales: ARMA, MACD y una técnica ingenua (naive). Se realizó pronóstico y simulación de comercio diario considerando el costo de las transacciones (a diferencia del estudio de Villamil). Bajo estas condiciones, el modelo basado en una red neuronal de alto orden superó a los otros modelos basados en redes neuronales y a los modelos estadísticos tradicionales. Es importante indicar que el modelo basado en el Perceptrón presentó un desempeño superior a los otros pero cuando la simulación no tomó en cuenta los costos de transacción, lo cual no sucede en el mercado real. Considerando los resultados de trabajos previos similares, se propone la elaboración de una estrategia de inversión para el par EUR/USD, mediante un método de predicción con redes neuronales, la cual será evaluada en términos de rentabilidad y riesgo mediante operaciones en cuenta demo y no mediante simulaciones de backtesting como en los trabajos mencionados anteriormente. El presente trabajo inicia con una muy breve descripcióndel mercado de divisas (Forex) en la sección 2, en la sección 3 se describen las redes neuronales, en la sección 4 se resumen los métodos utilizados para las estrategias con las que se va a comparar laestrategia basada en redes neuronales, en la sección 5 se describe laestrategia basada en redes neuronales, en la sección 6 las otras estrategias, en la sección 7 se muestra una comparación de los resultados obtenidos con las diferentes estrategias, en la sección 8 se mencionan los resultados de la estimación del riesgo mediante la metodología Value at Risk (Valor en riesgo, VaR) y finalmente, en la sección 9se presentan las conclusiones.

Deja un comentario