Modelo de aprendizaje profundo reforzado aplicado al trading de Bitcoin
Fecha
2022
Autores
Obando Morales, Sebastián
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
The stock market is affected by many types of factors, such as market sentiment, going upwards (bulls) or downwards (bears), the behavior of the economy, or unexpected political events. By For this reason, it is not possible to predict its behavior, which means that it is not possible to decide when to enter or when to exit with certainty. An approach such as deep reinforcement learning, which can emulate the experience of a negotiator (trader) who does not necessarily predict prices, but, market entry and exit times, would be a viable option. The present work sought to implement a reinforced deep learning approach to stock trading (bitcoins, stocks, and commodities), which has shown positive results in the literature with returns positive on investment. The bot, the result of this work, obtained a return of 5%. These positive results open the door to trying new approaches that include new combinations in the way of interpreting indicators to find winning strategies that increase profitability.
Descripción
El mercado de valores se ve afectado por muchos tipos de factores, como el sentimiento del mercado, ir al alza (bulls) o a la baja (bears), el comportamiento de la economía o eventos políticos inesperados. Por tal razón, no es posible predecir su comportamiento, lo que significa que no es posible decidir cuándo entrar o cuando salir con certeza. Una aproximación como la del aprendizaje profundo reforzado, la cual puede emular la experiencia de un negociador (trader) quien no necesariamente predice precios, sino, momentos de entrada y salida del mercado, sería una opción viable. El presente trabajo buscó
implementar una aproximación de aprendizaje profundo reforzado al trading de la bolsa (bitcoins, acciones y commodities), que haya demostrado resultados positivos en la literatura con retornos positivos sobre la inversión. El bot, resultado de este trabajo, obtuvo una rentabilidad del 5%. Estos resultados positivos abren la puerta a intentar nuevas aproximaciones que incluyan nuevas combinaciones en la forma de interpretar indicadores para encontrar estrategias ganadoras que aumenten la rentabilidad.