Planteamiento de un Agente de Trading basado el algoritmos de Machine Learning (Reinforcement Learning)

Hoy en día Machine Learning es un área de vital importancia y que se puede aplicar en múltiples problemas o situaciones del mundo. Por ejemplo, entre los usos más comunes se encuentra la seguridad de datos, la seguridad personal, el comercio financiero, el cuidado de la salud, el marketing personalizado, la detección de fraudes, entre otros. Sin embargo, el uso de Machine Learning en el área de finanzas ha aumentado drásticamente durante los últimos años. Esto se puede observar en los modelos de machine Learning que se utilizan en el área financiera para la gestión de crédito, Regtech y el trading automatizado (Corporate Finance Institute, s.f.) Así, la importancia de este trabajo de grado se debe a que el área de Machine Learning está en pleno crecimiento y desarrollo. Es un área que trae varios beneficios en la forma en que se llevan a cabo diferentes procesos y la metodología para la toma de decisiones. Además, es un área que aplica todo el conocimiento acerca de probabilidad y estadística para lograr buscar mejores métodos y maneras de describir variables, separarlas y poder realizar predicciones acerca de nueva información. Por otro lado, con respecto a el área de finanzas, es un área que es de vanguardia y que ha generado varios cambios en el sector. Cada vez se integran más estos dos mundos para buscar solución a diferentes problemas como la probabilidad de un banco de hacer default, el modelamiento de precios o diferentes estrategias de trading. Debido a la relevancia y la importancia mundial que está tomando el tema de Machine Learning y su aplicación en el área de finanzas se considera que este proyecto puede ser de gran beneficio para conocer e indagar más en este mundo y abordar temas de actual importancia. En ese sentido, En este proyecto de investigación se utilizará Reinforcement Learning para plantear y obtener diferentes estrategias de trading con derivados. Se utilizarán temas como el pricing de diferentes opciones a partir del método de Black-S

• Autores: Ferrer Loaiza, Marcos Daniel
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/53293
• Acceso en línea: http://hdl.handle.net/1992/53293
• Palabra clave: Aprendizaje automático (Inteligencia artificial); Aprendizaje por refuerzo (Aprendizaje automático); Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf