Modelo de aprendizaje profundo reforzado aplicado al trading de Bitcoin

Obando Morales, Sebastián

Modelo de aprendizaje profundo reforzado aplicado al trading de Bitcoin

dc.contributor.advisor	Jaramillo Posada, Juan Rodrigo	spa
dc.contributor.author	Obando Morales, Sebastián
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees	eng
dc.creator.degree	Magíster en Ciencias de Datos y Analítica	spa
dc.creator.email	sobandom@eafit.edu.co	spa
dc.date.accessioned	2022-10-27T16:53:25Z
dc.date.available	2022-10-27T16:53:25Z
dc.date.issued	2022
dc.description	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.	spa
dc.description.abstract	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.	spa
dc.identifier.ddc	332.642 O121
dc.identifier.uri	http://hdl.handle.net/10784/31872
dc.language.iso	spa	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Escuela de Administración	spa
dc.publisher.place	Medellín	spa
dc.publisher.program	Maestría en Ciencias de los Datos y Analítica	spa
dc.rights	Todos los derechos reservados	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.local	Acceso abierto	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Mercado de valores	spa
dc.subject	Aprendizaje profundo	spa
dc.subject	Aprendizaje por refuerzo	spa
dc.subject.keyword	Stock Markets	spa
dc.subject.keyword	Deep learning	spa
dc.subject.keyword	Reinforcement learning	spa
dc.subject.lemb	MONEDA	spa
dc.subject.lemb	VALOR (ECONOMÍA)	spa
dc.subject.lemb	CIENCIA DE LA INFORMACIÓN	spa
dc.subject.lemb	MERCADO DE ACCIONES - COLOMBIA	spa
dc.subject.lemb	MERCADO FINANCIERO	spa
dc.title	Modelo de aprendizaje profundo reforzado aplicado al trading de Bitcoin	spa
dc.type	masterThesis	eng
dc.type	info:eu-repo/semantics/masterThesis	eng
dc.type.hasVersion	acceptedVersion	eng
dc.type.local	Tesis de Maestría	spa
dc.type.spa	Otro	spa