Machine learning para la bolsa
El machine learning prediction es una herramienta de inteligencia artificial que permite diseñar programas, sistemas y plataformas informáticas capaces de retroalimentarse con el uso; de ese modo, sin intervención humana, participan de un proceso de auto-aprendizaje que mejora con cada experiencia. Sus aplicaciones son diversas y ya, recibimos sus beneficios aunque no seamos conscientes de ello.
Un ejemplo sería el sistema de reconocimiento del correo basura (spam). Este es capaz de detectar comunicaciones inapropiadas en la bandeja de entrada, según ha aprendido en base a miles de experiencias anteriores. También está el caso de los traductores, que aumentan con el tiempo la eficiencia, porque asimilan las correcciones que reciben.
De manera general, la idea es que los ordenadores lleguen a identificar las características particulares o los patrones evidentes de una serie de datos; y que logren, además, encontrar una estructura potencial, presente aun cuando resulte invisible a nuestra vista. Así, se entrena a los dispositivos inteligentes para que clasifiquen y hagan predicciones útiles.
¿Cómo aplica esta tecnología a la bolsa?
Los mercados financieros generan continuamente datos de interés que pueden ser estudiados por medio de estas técnicas. A diferencia del trading automático tradicional que sigue unas directrices definidas por el operador según el trabajo realizado con las distintas alternativas; el machine learning emplea un modelo matemático que actúa identificando el patrón presente, el cual a su vez, produce los movimientos de la bolsa.
Se basa en el comportamiento de las redes neuronales del sistema nervioso de los seres vivos, que ante un estímulo o entrada producen una salida. Para el entrenamiento con la bolsa se podría usar como input el cierre (alza o baja) de la sesión y las variaciones, volumen de operación, puntos de anclaje, etc. vistos. Luego, se prueba suministrándole los datos sin decirle los resultados. La red entregará valores porcentuales ascendentes y descendentes de la predicción.
El método clásico puede ser efectivo si la rigurosidad del análisis estadístico (AE) usado es suficientemente buena, capaz de eliminar el factor suerte y de absorber la realidad de la tendencia del mercado. No obstante, en estos casos siempre habrá una dependencia absoluta de los conocimientos del trader y, por tanto, una seria limitación a la efectividad de las predicciones.
El machine learning, por otro lado, lleva al ordenador a descubrir estructuras de gran complejidad, ocultas entre las señales más fáciles de ver, que resultan absolutamente invisibles al ser humano. Y sus elementos, asimismo, favorecen el empleo de técnicas de AE avanzado; pero, por contraste, lo hacen de una forma más simple que los procedimientos originales.
Existe otra ventaja de una estructura soportada por modelos. Debido a que no depende de una indicación fija de compra o venta sino de la probabilidad o riesgo de acertar el pronóstico, el bróker puede ajustar su metodología para obtener mayores beneficios al operar con carteras más moderadas o agresivas, de acuerdo a su perfil.