Modelos direccionales del precio accionario basados en redes neuronales artificiales y algoritmos genticos

Pablo A. Muoz Ceballos

KERFORD Investments

Esteban I. Flores Daz

Instituto Tecnolgico Autnomo de Mxico Superintendencia de Valores y Seguros

Introduccin
Anlisis Tcnico Redes Neuronales Algoritmos Genticos

Anlisis Tcnico
Premisas: 1. Los precios de las acciones son definidos por la oferta y la demanda y no necesariamente representan su valor. 2. Los precios se mueven en torno a una tendencia. 3. Las tendencias tienen patrones estructurales que son posibles de detectar.

Tipos de anlisis tcnico

Basado en juicios del analista. Basado en el uso de indicadores.

Redes Neuronales
Definicin. Las Redes Neuronales son sistemas de procesamiento que copian esquemticamente la estructura neuronal del cerebro para tratar de reproducir sus capacidades, como por ejemplo, aprender de la experiencia a partir de las seales o datos del exterior, con el objeto de construir sistemas de procesamiento de la informacin paralelos, distribuidos y adaptativos (del Bro y Molina 2002).

Principales tipologas de RNA

Red Lineal. MLP (aproximador universal). Time Lag-Recurrent. Red Elman (recurrente). Funciones de Base Radial. RN de regresin generalizada.

Ejemplos de arquitecturas bsicas RNA

Algoritmos Genticos
Se inspiran en los procesos evolutivos de la naturaleza. Se basan en 3 principios bsicos:
1. Seleccin. 2. Cruza. 3. Mutacin.

Algoritmos Genticos (conceptos)

Cromosoma: Conjunto de genes (parmetros a optimizar). Poblacin: Conjunto de cromosomas. Fitness: Funcin de ajuste con que se evalan los cromosomas (rentabilidad, error, etc.).

Algoritmos Genticos (pasos)

1. 2. 3. 4. Creacin de la poblacin inicial de cromosomas, cada uno con un conjunto de genes. Evaluacin de cada cromosoma mediante la funcin de fitness. Seleccionar los cromosomas que pasarn a la siguiente generacin. (sobrevive el ms fuerte). Cruzar los cromosomas para producir cromosomas descendientes. Cada cromosoma toma los mejores genes de su ancestro. Mutacin de los genes en los cromosomas descendientes. Repeticin de los pasos 3 a 5 en el contexto de una nueva poblacin. Evaluar los cromosomas de la nueva poblacin (paso 2). Repetir pasos 3 a 7 hasta que se cumpla una condicin definida por el usuario.

5. 6. 7. 8.

Fusin (objetivo)
Modelar una seal de entrada/salida del mercado con el fin de determinar cundo es el momento apropiado para comprar y vender considerando una rentabilidad esperada y los costos de las comisiones.

Metodologa
Seleccin de la muestra de acciones. Preparacin de la base de datos. Definir el estilo de trading. Parametrizacin de la seal a predecir. Especificacin de las variables de entrada al modelo RNA. Optimizacin gentica.

Seleccin de la Muestra

Preparacin de la base de datos

Obtencin de las series:
Precios de cierre (close) Precios de apertura (open) Precios mximos (high) Precios mnimos (low) Volumen transado (vol)

Tratamiento de los valores perdidos:

opent lowt hight closet 1

volt 0

Definicin del estilo de trading

Tipo de trade = long Determinacin de los costos de comisiones.
4.7 operaciones por mes promedio por accin. Portafolio de 22 acciones. 103 transacciones mensuales. Para obtener derechos de bolsa del 0.1% es necesario un volumen transado de $356.000.000, con lo que la inversin necesaria en el portafolio es de $76.410.000 (U$147.000). Adems se consideraron costos del broker por 0.025% (aproximadamente U$16). Costo de la comisin 0.125%.

Proteccin contra prdidas.

Parametrizacin de la seal
Rentabilidad mnima. Prdida mxima antes de obtener la ganancia. Mximo nmero de periodos a observar en el futuro.

Variables de entrada al modelo

Variables propias de la serie: precios, volumen y fecha. Da de la semana. Indicadores tcnicos

Indicadores Tcnicos
Promedios mviles. Bollinger Bands. Relative Strong Index. Direction of Change. Market Facilitation Index. % Difference from median. Positive Volume Index. Stochastic Oscillator. Time Series Forecast. Vertical Horizontal Filter.

Optimizacin Gentica
Inclusin de variables. Optimizacin paramtrica del entrenamiento. Distribucin de la muestra. Parametrizacin del entrenamiento

Resultados

Conclusiones
1. La aplicacin de RNA en conjunto con GA y TA generan ventajas significativas en la obtencin de rentabilidades. 2. Cada instrumento financiero tiene sus propios patrones de comportamiento. 3. Las acciones evolucionan en sus patrones de comportamiento. 4. Costos operacionales altos producen ineficiencia en el mercado burstil Chileno.