Desarrollo de un modelo computacional, para la identificación de patrones candlesticks utilizando técnicas de minería de datos

Los candlesticks son una herramienta del análisis técnico, utilizada para soporte al diseño de estrategias de inversión, mediante el reconocimiento de patrones de comportamiento establecidos experimentalmente con base en el análisis de datos históricos de los instrumentos financieros como las acciones y las divisas. Estos patrones se han definido empíricamente utilizando reglas lingüísticas y en la actualidad no se ha realizado validación estadística para verificar su real existencia. Partiendo del hecho que las definiciones de los patrones pueden ser ambiguas y que el análisis de toda la información disponible es una tarea que podría tomarle mucho tiempo a un humano, se propone entonces un modelo computacional para identificación de patrones candlesticks en series reales de acciones. El modelo incluye: - Un sistema clasificador difuso para transformar los datos reales en series simbólicas que representan las formas básicas de los candlesticks. - La construcción de un catálogo de patrones sobre las series simbólicas utilizando un árbol de prefijos, en el cual se almacenan las secuencias de los patrones y el conteo de ocurrencias de los estados de la naturaleza asociados a cada secuencia. - La selección de activos basada en una heurística de mercado creciente. La experimentación revela como el sistema clasificador difuso tiene buen desempeño para el reconocimiento de formas básicas. Pero los catálogos construidos con diferentes parámetros de entrada revelan la alta entropía de los patrones. Adicionalmente los experimentos de selección de activos muestran que el diseño de estrategias basadas en candlesticks no proporciona utilidad al tomador de decisiones. / Abstract. The candlesticks are a tool used in technical analysis to design trading strategies, through the recognition of patterns in historical time series of financial instruments such as stocks and forex. Those patterns have been identified through empirical analysis and are defined using linguistic rules. Currently there is not a statistical validation of the patterns in order to verify if those patterns exists in real data. So, the patterns definition can be ambiguous and the real analysis of the information available in historical time series is task that can expend a lot of time for humans. In this way a computational model for candlesticks patterns recognition is proposed with this thesis. The model includes: - A fuzzy classifier system to transform real time series into symbolic series. The symbolic series represent sequences of basic candlestick shapes. - A patterns catalogue organized like a prefix tree. The catalogue is built with the symbolic series and stores the sequences of real patterns and the ocurrences of the nature states associated with the patterns. - A model for stocks selection using a bullish market heuristic. Experiments results show that the fuzzy clasiffier system has good performance for recognizing basic candlesticks shapes. But, the catalogues of patterns built with different input parameters show that patterns have high entropy. The experiments of stocks selections show the design of trading strategies using candlesticks does not provide utility for decision makers.

• Autores: Linares Vázquez, Mario
• Fecha de publicación: 2009
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/3290
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/3290; http://bdigital.unal.edu.co/1760/
• Palabra clave: 33 Economía / Economics; 62 Ingeniería y operaciones afines / Engineering; Minería de datos; Análisis técnico; Candlesticks; Patrones; Selección de activos; Administración del portafolio; Procesamiento de datos; Modelos matemáticos; Portafolio de inversiones; Diseño; Análisis de inversiones; Procesamiento de datos; Data mining; Technical analysis; Candlesticks; Patterns; Stocks selection
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional