Pocos son los traders que, una vez experimentan el poder del trading automático, vuelven al discrecional. Los sistemas automáticos son herramientas estadísticas que nos permiten conocer a priori, con cierto grado de confianza, las posibilidades y riesgos de nuestras estrategias. Es decir, no conocemos el resultado de nuestro próximo trade, pero sí su espacio muestral.
El trading algorítmico, cuando se hace bien, aporta rigurosidad estadística, algo de lo que carece absolutamente el trading discrecional, pero éste último tiene un componente muy valioso que sacrificamos en gran medida: el aprendizaje.
Porque un trader discrecional, en su día a día frente a las pantallas, aprende. La intuición frente al comportamiento de los mercados se desarrolla y, aunque imperfecta, a la larga convierte a algunos traders esforzados en traders rentables.
Afortunadamente, disponemos de tecnologías capaces de incorporar el aprendizaje en nuestros sistemas de trading automático. A lo largo de múltiples artículos publicados en este magazine he ido detallando mi Método de Trading Automático Inteligente, un método que unifica lo mejor de ambos mundos: discrecional y automático.
En este artículo pretendo sintetizar el método a partir de cada una de sus partes fundamentales.
ELEMENTOS DEL MÉTODO DE TRADING AUTOMÁTICO INTELIGENTE
En el número 16 del HTM publiqué el artículo “Machine Learning Aplicado al trading”. En él se explica en qué consisten los sistemas basados en modelos. Por otra parte también se comenta cómo los algoritmos de agrupación tipo k-means clustering son útiles para encontrar estructuras ocultas.
En el número 20, en el artículo “Ensamblado de Robots de Trading Expertos” explico las ventajas de los métodos de ensamblado a la hora de diseñar sistemas. Mediante la unión de diferentes estrategias muy simples podemos crear estrategias complejas… Estas estrategias son capaces de detectar patrones que permanecen totalmente ocultos a las primeras.
En el número 17, en el artículo “Los indicadores técnicos y la maldición de la dimensionalidad” explico la importancia vital de seleccionar correctamente los indicadores técnicos con los que alimentamos a nuestros modelos predictivos. La cantidad de datos generados por los mercados financieros es inabordable de manera directa y necesitamos herramientas para tratar con todos estos datos seleccionando únicamente aquellos que realmente aportan información útil a nuestro modelo.
Y en el número anterior, el número 21 del HTM, en el artículo “Régimen de Mercado y Redes Neuronales” trato de explicar una aplicación práctica y efectiva de las Redes Neuronales Artificiales para el trading. Mucho esfuerzo se ha dedicado en el uso de las RNAs para predecir el precio, con poco éxito. Sin embargo, cambiando el enfoque, los resultados se hacen notar. Al utilizar las redes como detectoras del Régimen de Mercado en vez de predictoras de precios.
En estos cuatro artículos se detalla mi Método de Trading Automático Inteligente. Quien los lea entenderá rápidamente que el foco del método no está en diseñar sistemas ganadores, sino en entender la estructura de datos y la dinámica de información subyacente en los mercados financieros.
De ahí que no utilicemos la optimización para mejorar sistemas sino para evaluarlos, las redes neuronales para detectar entornos en vez de para predecir precios, los clusters para reconocer estructuras ocultas, los análisis y reducciones de dimensionalidad para seleccionar solo la información relevante y los modelos ensamblados para detectar patrones complejos que alertan del inicio de una ineficiencia explotable.
En definitiva, la tecnología de Inteligencia Artificial y Minería de Datos nos ofrece un vasto arsenal de herramientas realmente útiles y que rinden resultados cuando se utilizan para entender cómo funcionan los mercados financieros. Entonces, no es sencillo, pero sí directo diseñar con estos conocimientos un método de trading automático inteligente con el que diseñar carteras, totalmente automatizadas que den rendimientos constantes y sostenibles a largo plazo.