¡Muy buenos días a todos! Cabe decir que el próximo podcast, como ya os dije, será el viernes, tendré a un invitado especial. Operador desde hace años en futuros, ha pasado por todas las fases del aprendizaje, de perder cuentas, de amar esta profesión, de pasarlo mal. Es un gran conocedor del sector y además es una gran persona. Me lo aprecio mucho ya que ha sido durante un tiempo mi mentor en mi etapa cuando hacia futuros y creo que nos aportará mucho valor este viernes con sus explicaciones. Creo que nos explicará cosas interesantes y nos dará un punto de vista diferente a lo que estamos acostumbrados aquí, donde explicamos en su mayoría del tiempo técnicas para forex o cfd’s. Creo que los invitados que vendrán a partir de ahora serán de diferente tipología e incluso algunos un poco menos relacionados con la inversión solamente, sino que también nos darán un punto de vista del psicotrading que tanto abandero que es positivo a la vez que necesario en nuestro trading. En el podcast de hoy seguiré un poco la estela de lo que hablé hace unos días del Machine learning. Esta vez vengo a hablaros de las redes neuronales en trading. Este es un campo bastante nuevo para mi, porque no lo he tocado en profundidad. La verdad es que por falta de tiempo, ya que en mi vida solo he construido una pequeña red neuronal a nivel de programación y fue bastante básica. Vamos a empezar con lo más fácil. ¿Qué es una red neuronal? Intentando perseguir como la mente humana piensa y desarrolla el conocimiento que tiene, estamos obsesionados los humanos por conseguir lo que todo el mundo desarrolla de forma casi innata. Que es una inteligencia para que podamos ofrecer a todos los que nos rodea una serie de interacciones para poder solucionar problemas y a la vez, poder realizar trabajos de toda índole. En este sentido, las redes neuronales lo que hacen es buscar eso precisamente. Buscan el sentido de la inteligencia artificial para poder solucionar todos los problemas que se nos enfrentan. Sea cual sea y de la tipología que sea. Obviamente cuanto más difícil es, más complicado se nos otorga la red neuronal, pero sobretodo, voy a explicaros como es la red neuronal artificial y es que os lo podéis imaginar como cajas negras capaces de recibir por una banda unos inputs o señales de entrada y después de ser procesados por esta caja negra, sacar un resultado o unos outputs. Estos resultados son la salida de la experimentación que se ha tenido dentro de esta caja negra. Dentro de esta caja negra os podéis imaginar qué hay. Hay la lógica, las neuronas que intentan simular al máximo todo lo que nosotros tenemos en el cerebro interconectado para poder sacar el resultado de nuestro pensamiento. Nosotros al final nos movemos por estímulos y es que en todos los casos pasa exactamente igual. Por ejemplo, cuando nosotros estamos esperando a entrar en una posición en el mercado y se nos dan todos los patrones que nosotros hemos identificado como señal de compra, automáticamente las neuronas detectan que hemos de reaccionar. Nuestro cerebro y nuestro pensamiento ha sido autoentrenado por nosotros mismos a que cuando ha pasado tal patrón o tal suceso en el mercado, tenemos que reaccionar con una compra. Es como si nosotros recibiéramos los inputs por los ojos y reaccionaramos a través de la mano, del ratón y por tanto de entrar en largos en la posición del mercado. Pues la red neuronal pasa exactamente así. Como en nuestra cabeza. Este suceso hace que reaccionamos de una manera u otra. ¿Como funciona realmente estas neuronas internamente? Pues dentro de esta cajita negra existen diferentes neuronas. Cada neurona representa una pequeña operación matemática que soluciona un problema. De hecho, es una matriz de fórmulas que solucionan a todos los estímulos que recibe. ¿Como lo hace entonces? Pues como todo cerebro neuronal tenemos que entrenarla. Toda. Desde un niño hasta un adulto. Todo el mundo necesitamos un proceso de aprendizaje y nuestra red neuronal no es menos. Este entrenamiento no deja de ser un conjunto de datos capaz de simular o ejemplificar una tarea determinada. Vamos a poner un ejemplo en el caso del trading. Imaginaros que cojo todo el histórico del índice alemán. El DAX. Estos datos son, precio de apertura de la vela, precio de cierre de la vela y hora de la vela. Todo en un timeframe concreto de por ejemplo 1H. Imaginaos ahora todos estos datos durante 5 años. Es un fichero bastante grande. Pues muy bien, imaginaros ahora que quiero construir una red neuronal para que me responda al estímulo de comprar o vender cuando se lo diga. Entonces, yo tengo que estudiar, a mano, qué puntos de estos precios que tenia definido en el fichero de datos del DAX para indicar los puntos de entrada y de salida del sistema. Es decir, será un fichero donde dirá. Día 15 de enero del 2015 a las 18:00 entra con una compra y sal a las 20:00 del mismo día. ¿Porqué esta fecha y esta hora? Pues porque nosotros ya sabemos previamente que ha sido un movimiento a favor de la operación. Y así sucesivamente con todos los datos que nosotros queremos entrenar a la máquina. Es entonces cuando con estos dos ficheros creamos un algoritmo capaz de leer e interpretar a través de sus neuronas, todas y cada una de las acciones que le hemos definido. Es lo que se llama en lenguaje matemático de IA set de datos o datos de prueba. Entonces, cogemos estos dos sets de datos, es decir, todos los datos de muestra de precios del DAX y las entradas y salidas del mercado para que la máquina llegue a entender qué puntos de estos son los que ha entrado y ha salido. Entonces, la máquina, a través de complejos algoritmos y de fórmulas matemáticas se va ponderando una matriz de números capaz de ser ajustada cada vez más a lo que la máquina esta entrenada para hacer. Es decir, imaginaos esta máquina que la he entrenado para que con el set de datos del DAX pueda ser capaz de identificarme correctamente todas las entradas buenas durante estos 5 años. ¿Como lo hago? Pues como decía antes. En una primera instancia le meto al sistema los datos de los precios de todo el histórico y por otro lado, como segundo input o entrada a la caja negra, le meto las entradas que quiero que haga. Entonces la máquina esta entrenada y calibrada para que con esos datos, entre y salga como le he especificado. Entonces, diréis, vale si Ferran, pero no me interesa tener una máquina entrenada para ejecutar ordenes en el pasado. Entonces, es cuando os digo que tenéis toda la razón y que lo que tenemos que hacer es entrenarla para que siga haciéndolo durante el futuro y no solo para el DAX. Es cuando nosotros tenemos que ir metiendo más datos de históricos del DAX y mas entradas para que se vaya calibrando la máquina de forma constante. Entonces, cuando consideremos que esta suficientemente calibrada, podemos conectar la máquina a un flujo de datos reales y esperar a que la máquina, con un flujo de datos a tiempo real, nos tiene que indicar qué entradas y qué salidas son las mejores o dicho de otra manera, segun lo que ha aprendido la máquina, la caja negra con los datos que le has enseñado, como te respondería. Entonces es cuando tienes que evaluar si lo está haciendo correctamente, cuando no y cuando tenemos que volver a calibrar. De hecho, parecerá muy sencillo todo esto, pero crear esta red neuronal para que funcione es un autentico desafío matemático y algorítmico. Pero no solo eso, sino que hay complejos sistemas para poder crear redes neuronales cada vez más complejas. Por ejemplo, redes neuronales concatenadas, es decir, que el resultado de una red neuronal, se une con otra y de las dos, surge un resultado concreto. O también, que a partir de los resultados que vaya sacando la propia red neuronal, sea uno de los inputs de entrada de la propia red neuronal, haciendo así que todas las decisiones de la red neuronal, sean las que haga aprender a la propia red neuronal. La verdad es que suena un poco lioso de explicar y es por eso que os dejaré un par de vídeos de youtube de un chico que lo explica muy bien a nivel conceptual y que entenderéis como se puede aplicar a trading. Aquí tenéis el link. No es todo oro lo que reluce Os podéis imaginar que las grandes gestoras han hecho ya pruebas de todo tipo para crear sus propias redes neuronales para predecir posibles actuaciones sobre el mercado y si bien es cierto que muchas han conseguido aproximaciones bastante buenas, no usan 100% estas cajas negras para poder ejecutar algoritmos 100% autónomos sino que son otro de los puntos de decisión para la entrada al mercado. Esto hace que estas máquinas sean muy sensibles a todos los movimientos generados por noticias, por eventos inesperados o por otras actuaciones de otros traders. Cabe decir pero que si que tiene un impacto indirecto en el mercado. Ya que este tipo de Inteligencia artificial es capaz de solucionar muchos de los problemas que el humano, por su incapacidad de estar en 100 sitios a la vez y absorber todo el conocimiento y sacar un resultado en cuestión de segundos, no puede hacer. La máquina, como máquina que es, puede hacerlo en milésimas de segundos a partir de una fuente de datos. Imaginaros que en vez de meter a la máquina datos del DAX, le introduzco discursos de Yellen o de Mario Draghi y le introduzco como ha reaccionado a cada palabra o cada frase en el mercado. Lo que puede predecirme es que el mercado puede tener una relación directa con lo que dicen los presidentes de los bancos centrales o también que si aparecen noticias en varios medios de comunicación como diarios, twitter o cualquier sitio así, estas redes neuronales sean capaces de identificar que si se habla de un tema concreto, se dice un tema concreto que anteriormente ha tenido un impacto sobre un mercado para el que ha sido entrenado, pueda reaccionar avisando a gestores o a las empresas para que reaccionen de la manera que sea (comprando, vendiendo o simplemente para que lo analicen). La verdad, es que incluso yo que he estudiado un poco sobre el tema, me pierdo ante tantas posibilidades y las que no sabemos realmente, pero sobretodo, que con el potencial y el dinero que tienen algunas grandes gestoras, esta herramienta es capaz de ayudar y mucho a tomar decisiones sobre flujos de datos inmensamente grande, esto es un hecho. Pues muy bien, hasta aquí el podcast de hoy. Espero que os haya gustado, que si os han surgido dudas podáis hacérmelas llegar al formulario de contacto y que os podáis suscribiros al canal y de darme un me gusta en iVoox y 5 estrellas en iTunes! ¡Muchas gracias! ¡Hasta el viernes! La entrada 77. Redes Neuronales en Trading aparece primero en Ferran P..
Comentarios