29
TRADERS´ 04.2019
la actividad, se van generando nuevas necesidades cada
vez más profesionales.
Hoy, lo mismo que unos no conciben levantarse y no tener
a mano su dispositivo electrónico para leer mensajes
y/o correos electrónicos, otros no entenderían iniciar su
jornada de trading sin poder conectarse a un servidor
donde esté alojada la plataforma y las herramientas de
trading incluido un sistema automático.
Trading algorítmico
El trading algorítmico, o trading basado en reglas y
procesos, es una modalidad de operación en mercados
financieros (trading) que se caracteriza por el uso de
algoritmos, reglas y procedimientos automatizados en
diferentes grados, para ejecutar operaciones de compra
o venta de instrumentos financieros.
Dotarlo de una inteligencia artificial es una necesidad
que nace en el momento que se observa un escenario
Keras.
Permite crear prototipos de forma rápida y fácil ya
que esa es la filosofía que siguieron para su diseño..
Librería de alto nivel.
Tensorflow.
Desarrollada por Google y que ha terminado libe-
rando y poniéndola a disposición del público
mediante código abierto ya que es la misma que
utiliza en sus productos.
Scikit-learn.
Escrita en Python, utilizada por Booking o Spotify
entre otras compañías.
Pytorch.
Es un framework de Python. Su principal carac-
terística es que utiliza grafos computacionales
dinámicos.
Para comenzar a utilizarlas Keras o Tensorflow
serán una buena elección.
desfavorable. Si seguimos una regla básica del trading
algorítmico que dice: El sistema se debe conectar
siempre, veamos lo que veamos, leamos lo que leamos,
creamos lo que creamos. Si está programado siguiendo
una estrategia ganadora y se ha comprobado que la rela-
ción pérdidas/ganancias es buena, el número de aciertos
es mayor que cuando no acierta, en períodos medios
obteniendo buena fiabilidad y rentabilidad, entonces hay
que ponerlo a funcionar siempre. Es decir, el robot se debe
conectar cada día para no influir en el sistema y por tanto,
en la estadística.
Sin embargo todo sistema se enfrenta a escenarios o
momentos de mercado que no le son favorables y si exis-
tiese una forma de detectarlos a tiempo se podría evitar
pérdidas, pago de comisiones innecesarias y aumentar
su fiabilidad. Pero es difícil hacerlo desde las propias
reglas algorítmicas ya que al variar algunas para adap-
tarlo a todo tipo de momento de mercados, discriminando
los peores dejaría de operar también en algunos buenos.
Lo que se termina buscando en que haya un punto óptimo
tolerando ciertas situaciones negativas.
Ahí es donde la necesidad de tomar una decisión de
cuándo operar, sin que sea a través de reglas progra-
madas, nos lleva a utilizar una red neuronal.
Red neuronal artificial- Definición y ejemplos
Podríamos definir el concepto de una red neuronal artifi-
cial como el intento de conseguir dotar de pensamiento
a una máquina valiéndose por sí misma para el aprendi-
zaje. Los humanos recibimos una serie de entradas desde
el exterior (inputs) a través de los ojos, tacto, olfato, oídos
y son transmitidos a nuestro cerebro donde procesamos
con más de cien mil millones de neuronas que establecen
conexiones entre unas y otras a través de impulsos eléc-
tricos (proceso llamado sinapsis) y obtenemos unos
datos de salida (pensamiento).
En una red de neuronas artificiales (RNA), recibiremos los
datos de entrada a través de una capa (nodos de entrada),
serán procesados en otra capa/s (nodos ocultos) y los
datos finales del pensamiento será a través de la capa de
salida (nodos de salida). Los nodos ocultos son funda-
mentales pues es donde se realiza el proceso de aprendi-
zaje tomando la decisión más adecuada u óptima. Cada
El robot se debe conectar cada día para no influir en el sistema
y por tanto, en la estadística.