Apoyo en la compra y venta de acciones de la bolsa de valores estadounidense utilizando técnicas de aprendizaje por refuerzo
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
Este proyecto de investigación se adentró en el desarrollo de un agente de trading basado en aprendizaje por refuerzo, con el objetivo de evaluar su desempeño en comparación con la estrategia buy-and-hold en el dinámico entorno de los mercados financieros. El problema central de esta investigación era evaluar si un agente entrenado mediante técnicas de aprendizaje por refuerzo podía navegar eficazmente por las complejidades de la compra y venta de activos, marcadas por la volatilidad del mercado, tendencias cambiantes e incertidumbres financieras. Nuestro enfoque implicó una progresión deliberada e iterativa de experimentos, comenzando con fases preliminares diseñadas para extraer información cualitativa e identificar tendencias. Estos primeros experimentos estaban limitados en términos de recursos computacionales y duración del entrenamiento, pero fueron fundamentales para dirigirnos hacia hiperparámetros óptimos y configuraciones de entrenamiento para el último experimento. Este último experimento, caracterizado por un período de entrenamiento extenso, se destaca como el punto central de nuestros hallazgos, exhibiendo la culminación de nuestros esfuerzos. Dentro de este entrenamiento extendido, el agente demostró una notable capacidad para adaptarse a las dinámicas cambiantes del mercado, lo que se tradujo en un desempeño que compite favorablemente con la estrategia buy-and-hold. Estos resultados destacan la adaptabilidad y las capacidades de aprendizaje del agente en el contexto de compra y venta de activos, revelando su potencial para su aplicación práctica en los mercados financieros reales. En conclusión, esta investigación arroja luz sobre la promesa del aprendizaje por refuerzo en el trading, enfatizando la importancia de un enfoque sistemático para la experimentación y dejando el camino para futuros refinamientos destinados a mejorar la robustez del modelo para aplicaciones financieras del mundo real.
Description
item.page.descriptioneng
This research explored the development of a reinforcement learning-based trading agent, aiming to evaluate its performance in comparison to the buy-and-hold strategy within the dynamic environment of financial markets. The core problem at the heart of this investigation was to discern whether an agent trained through reinforcement learning techniques could effectively navigate the complexities of trading, marked by market volatility, evolving trends, and financial uncertainties. Our approach involved a deliberate and iterative progression of experiments, beginning with preliminary phases designed to extract qualitative insights and identify trends. These early experiments were constrained in terms of computational resources and training duration but proved instrumental in steering us toward optimal hyperparameters and training configurations for the last experiment. This last experiment, characterized by an extensive training period, stands as the focal point of our findings, showcasing the culmination of our efforts. Within this extended training, the agent exhibited a remarkable capacity to adapt to dynamic market conditions, resulting in performance that competes favorably with the buy-and-hold strategy. These outcomes underscore the agent’s adaptability and learning capabilities within the context of trading, revealing its potential for practical application in real financial markets. In conclusion, this research sheds light on the promise of reinforcement learning in trading, emphasizing the importance of a systematic approach to experimentation and paving the way for future refinements to enhance the model’s robustness for real-world financial applications.
Keywords
Aprendizaje por refuerzo, Agente de trading, Estrategia buy-and-hold, Indicadores técnicos, Posiciones financieras, Aprendizaje profundo