English español
Búsqueda
 

Repositorio de la Universidad de Oviedo > Producción Bibliográfica de UniOvi: RECOPILA > Tesis >

Use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10651/14724

Título : Generación automática de reglas de trading mediante algoritmos genéticos con optimización del binomio rentabilidad-riesgo
Autor(es) y otros: Fernández García, Manuel Enrique
Director(es): Cal Marín, Enrique Antonio de la
Quiroga García, Raquel
Centro/Departamento/Otros: Informática, Departamento de
Fecha de publicación : 20-jun-2008
Descripción física: 160 p.
Resumen : 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.
URI : http://hdl.handle.net/10651/14724
Otros identificadores: https://www.educacion.gob.es/teseo/mostrarRef.do?ref=799626
Notas locales: Tesis 2008-024
Aparece en las colecciones: Tesis

Ficheros en este ítem:

No hay ficheros asociados a este ítem.



Exportar a Mendeley


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.

 

Base de Datos de Autoridades Biblioteca Universitaria Consultas / Sugerencias