Análisis técnico de mercados de criptomoneda con redes neuronales convolucionales.

Con el análisis técnico de los mercados financieros se estudia la interacción del mercado usando principalmente gráficos para intentar pronosticar la tendencia del precio en el futuro. Sin embargo, aunque los instantes de interacción del mercado junto con sus indicadores técnicos se representan como imágenes, los esfuerzos de automatización de las estrategias de compra y venta de activos se han dirigido especialmente hacia los métodos algorítmicos. La naturaleza visual del análisis técnico invita a buscar alternativas de solución dentro del ámbito de la visión por computador usando técnicas de clasificación de imágenes y detección de objetos. En este trabajo se construyó una base de datos de 240 imágenes a partir de la información cronológica de las variables de interacción del mercado (Precio, Volumen) y algunos de los indicadores técnicos más populares (EMA, Bollinger, MACD, RSI). En dicha base se etiquetaron los objetos correspondientes a las clases de los eventos que conforman una estrategia de compra y venta (Cruce de EMA, Cruce del MACD). Posteriormente, con las imágenes etiquetadas de la base se entrenó un modelo de aprendizaje profundo de redes neuronales convolucionales (CNN) para detectar objetos de esas mismas clases en imágenes nunca vistas y así identificar señales que permitan tomar decisiones de compra y venta en el mercado de cripto activos con monedas como Bitcoin, Ethereum o ADA entre muchas otras. Como resultado del estudio se obtuvieron dos modelos para la detección de cruces de EMA y MACD, el primero de tipo EfficientDet0 con AP50 del 76.69% y el segundo de tipo EfficientDet4 con AP50 del 87.26%. Esta técnica de detección de objetos para diseñar e implementar estrategias de compra y venta es fácil e intuitiva y gracias a su nivel de abstracción podría ser usada con diferentes periodicidades, activos y mercados.

• Autores: Caicedo Rueda, Andres Felipe
• Tipo de recurso: Masters Thesis
• Fecha de publicación: 2022
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/46046
• Acceso en línea: http://hdl.handle.net/11634/46046
• Palabra clave: technical analysis; convolutional neural networks; object detection; cryptocurrencies; Estadística; Mercados; Transferencia electrónica de fondos; análisis técnico; redes neuronales convolucionales; detección de objetos; criptomonedas
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia