Episodio 69 ¡Muy buenos días a todos! Hoy vengo a hablaros de Machine Learning en el trading. Para algunos ya me diréis, Ferran, por favor, que no sé inglés. Perfecto. Lo traduciré aunque no se parezca nada! Aprendizaje automático. Es así. Realmente se explica mucho mejor así a nivel conceptual, es decir, que se entiende mucho mejor en español que en inglés. Pero igualmente lo defino: Es un campo a nivel informático que está diseñado para que a través de inteligencia artificial, se pueda crear máquinas que aprendan por sí solas. Es decir, crear aplicaciones que sean capaces de aprender por sí mismas y claro. Como os supondréis, no es fácil, ya que a partir de ejemplos, el programa es capaz de saber resolver y aprender. Tener el conocimiento solo para poder predecir y mejorarse a sí mismo. Esto conlleva muchos problemas de complejidad computacional, pero realmente vale la pena toparse con estos problemas para poder resolverlos. Muchos proyectos actualmente están usando esta técnica ya que es muy, pero que muy buena. La verdad es que me sorprende quien la inventó ya que tiene miles de usos diferentes. Se usa para predecir acontecimientos basándose en lo pasado, por ejemplo en Facebook (¿Cuantas personas pueden darme al me gusta basándome en lo pasado?), en Google (si tenéis un android, nunca os habéis preguntado ¿qué es Google Now? Es decir, aquellas noticias que te salen a veces en tu móvil? Pues eso es un algoritmo de Machine learning. Basándose en lo que has buscado o interesado, te predice lo que puedes o no, estar dispuesto a ver antes de que tu lo busques). Otras aplicaciones que tiene el gigante de Alphabet, Google, es la predicción de búsqueda avanzada. Antes de que acabes de escribir, tiene miles de líneas de código dispuestos a predecir basándose en el pasado de tus búsquedas y en el de miles de personas parecidas a ti, para ofrecerte lo que estas buscando antes de que acabes de escribir. Sencillamente brillante. TensorFlow, que es uno de los algoritmos favoritos de la compañía de California, se utiliza para reconocimiento de voz, para identificar imágenes en Google Fotos (que por cierto ahora lo han evolucionado de Machine Learning a redes neuronales y que un día hablaré largo y tendidamente). Es decir, al final miles y miles de aplicaciones que creo sinceramente, no dejan de ampliar la ayuda que las máquinas pueden darnos y que tanto necesitamos en el día a día. Al final es una herramienta que te permite el análisis de datos de forma masiva y es por eso que no solo se usa para empresas de informática. Otros usos que también se le dan es para la ciencia, para la salud o para la economía. En el caso del trading, el machine learning se ha experimentado en grandes gestoras a nivel institucional. Pero como en muchas otras materias, el Machine Learning no se puede aplicar directamente al mercado tal y como se hace en otras materias. Os dejo el link del podcast sobre Big Data. El trading es una ciencia donde no solo tiene que predominar la matemática. También hay factores que determinan el movimiento de precios. Este movimiento viene determinado por muchos factores diferentes: sociales, políticos o de diferente índole y esto produce que no se pueda matematicalizar al completo. Obviamente no quiero decir con esto que no se puedan sacar patrones matemáticos para crear robots de trading. Es una realidad que la mayoría de traders actuales en las instituciones son maquinas y no personas, pero no lo hacen basándose en Machine Learning en su gran mayoría. ¿Qué le encontraron al Machine Learing para usarlo en el trading? Pues imaginaros una situación: Soy el director informático de una gran gestora y me interesa el tema matemático y de predicción de movimientos y he visto una conferencia que explicaran una cosa llamada Machine Learning que se aplica en diferentes ámbitos de la ciencias de la salud. Se usa para predecir canceres dadas unas patologías concretas de los pacientes. Muy bien. Voy a la conferencia y me encuentro que explican lo bien que va, lo bien que funciona y como es capaz de predecir todo con una precisión milimétrica. De hecho, es retroactivo, es decir, cuanto más datos se tienen, mejor funciona. ¿Es genial, no? Pues vuelvo a la oficina y empiezo a engullir libros de Machine learning para poder entender bien como se puede aplicar al trading. Pienso: si es capaz de predecir un cáncer en humanos a partir de datos, ¿qué será capa de hacer cuando tenga miles de datos como en el trading? Pues pongo mi equipo a trabajar en ello pero hay factores que no tengo en cuenta. Y es exactamente lo que le pasó a muchas gestoras que lo probaron: – Hay factores que no se pueden predecir. Un movimiento político, unas elecciones, unas protestas sociales o incluso la caída de una empresa, no se puede predecir. – Si los humanos no comprendemos en su totalidad los movimientos del mercado, la maquina tampoco. La maquina lo único que hace es relacionar las causas con los efectos y esto produce que a veces las causas que han sucedido en un país, sean las consecuencias totalmente distintas de cuando pasan las mismas causas en otro país. Por ejemplo: es lo mismo si gana Hillary Clinton en EEUU que Donald Trump? Obviamente no. Esto es impredecible y afecta a las bolsas americanas o a los pares de divisas donde se encuentra el dólar. Entonces claro, partiendo de estas premisas, os preguntareis, si estos modelos son predictivos y funcionan tan bien, ¿porqué no usarlos más en el trading? Pues ya se hace. No penséis que no se hace. No funcionan bien en la mayoría de casos, pero las aplicaciones que tienen pueden ser muy distintas a las que se tiene en la cabeza inicialmente. Imaginaos que usáis machine learning para saber qué sistema automático de trading es mejor para unos momentos concretos del mercado. Realmente no usas el Machine Learning para operar, sino que te basas en los resultados de los algoritmos, sabiendo como está el mercado en ese momento. Es decir, es como un algoritmo de decisión para poner en marcha otro algoritmo o sistema. Otra aplicación que puede haber es la de modificación de parámetros dentro de un sistema. Esto lo hablaré un día más extensamente, pero ahora quiero dar un apunte: los sistemas automáticos tienen unos parámetros que son configurables para ser flexibles y que puedas cambiar fácilmente como usuario para poder modelar el sistema a la perfección en diferentes activos financieros. Por ejemplo, un sistema automático que se base en una media móvil, puede tener como parámetro, esta media móvil y hacer que el sistema te pida como usuario, cuantas velas tiene que tomar para poder hacer la operativa. Pues el algoritmo de Machine Learning puede predecir cual seria el mejor número de velas para el sistema basándose en lo que ha hecho el pasado. Es decir, podría llegar a predecir y decirle al algoritmo que no se centre en un parámetro fijo a lo largo del tiempo, sino que sea adaptativo al mercado. Si el mercado está mas tendencial, la media tiene que ser más larga y si el mercado es menos tendencial, tiene que ser más corta o al revés. Es decir, no es directamente una toma de decisiones de entrar o salir, sino que se puede aplicar a muchísimos usos dentro del sistema financiero. Por eso digo que con Machine Learning no creas sistemas. Creas modelos de sistemas. Modelos adaptativos al mercado basándose en lo que ha hecho el precio. Por último, recordad que mañana traigo a un invitado especial. ¡No os lo perdáis! También, si queréis preguntarme alguna cosa, o sugerirme o simplemente saludarme, contactad conmigo a través del apartado contactar. A parte, si podéis, suscribiros al canal y darme un me gusta en iVoox y 5 estrellas en iTunes! ¡Muchas gracias a todos! ¡Hasta mañana! La entrada 69. Machine Learning en el trading aparece primero en Ferran P..
Comentarios