56 / 82
56
TRADERS´ 05.2020
ESTRATEGIAS
En las Figuras 1 y 2, el lector puede
observar un ejemplo de un día
cogido al azar, pero muestra muy
bien uno de los problemas de los
sistemas ORB tradicionales. No es
siempre sencillo elegir la duración
del periodo de apertura, ya que como
hemos visto, un periodo demasiado
corto puede llevarnos a equivocar la
tendencia del día, pero uno dema-
siado grande puede llevarnos a
operar cuando el beneficio potencial
es ya pequeño.
Qué pasaría si pudiésemos predecir
la tendencia grande del día pero
usando un rango de tiempo desde
la apertura muy pequeño. En estas
condiciones tendríamos todo el
beneficio potencial ya que operamos
pronto en el día y la tendencia que
estamos aprovechando estaría en la
dirección correcta, o la más grande
en ese día. En la Figura 3 se muestra
la comparativa para el mismo día
mostrado en las dos figuras previas,
entre el beneficio potencial de un
sistema ORB tradicional y el sistema
que proponemos en este artículo y
que denominamos ORB predictivo.
La idea es usar técnicas de Apren-
dizaje Máquina (Machine Learning
en inglés) para predecir si el día va
a ser alcista o bajista pocos minutos
después de la apertura.
Aproximación basada en técnicas
de Aprendizaje Máquina
Como primera aproximación al
problema del trading algorítmico
usando aprendizaje máquina, imple-
mentaremos una estrategia simple
para predecir si el día es alcista o
bajista mirando el rango de apertura
del día. Para ello partimos de datos
de apertura-máximo-mínimo-cierre
con una granularidad de 1 minuto.
Con estos datos, necesitamos
etiquetar cada día como alcista o
Podemos ver, la curva en azul oscuro que representa el precio del cierre de cada minuto del día; la
línea recta verde que representa el límite inferior de nuestro rango generado y la naranja el límite
superior, además de la línea recta azul que representa la apertura del día. Como se puede observar,
ese día sería clasificado como alcista ya que el precio sobrepasa el límite superior antes de cruzar el
límite inferior (en este caso nunca cruza el límite inferior pero lo podría hacer y el día seguiría siendo
clasificado como alcista).
Fuente: Matplotlib de Python
G4
Rango determinado por el sistema ORB predictivo
Se puede observar, que en el ORB predictivo que proponemos el beneficio potencial (mostrado en
verde) es mayor al producirse la decisión sólo unos pocos minutos después de la apertura, en contra-
posición con un sistema ORB tradicional que debe esperar bastantes minutos después de la apertura
para delimitar un rango que al romperse clasifica el día como alcista y limita su beneficio potencial
(mostrado en naranja).
Fuente: Matplotlib de Python
G3
Beneficio potencial con ORB tradicional (naranja) y ORB predictivo (verde)