Volatility trading with machine learning forecasting methods

Volatility trading has become a prominent alternative to the traditional stock trading as the rapid development of web-trading in recent years has reduced significantly the costs of operating in the market. Moreover, machine learning techniques have enabled traders to rely heavily on statistical dec...

Full description

Autores:
González Orjuela, Sergio Andrés
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
eng
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/34879
Acceso en línea:
http://hdl.handle.net/1992/34879
Palabra clave:
Volatilidad económica - Investigaciones - Métodos estadísticos
Toma de decisiones - Investigaciones - Estudio de casos
Aprendizaje automático (Inteligencia artificial) - Aplicaciones - Investigaciones - Estudio de casos
Mercado de capitales - Predicciones - Investigaciones - Estudio de casos
Análisis cluster - Investigaciones - Estudio de casos
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_98e9af72c3ff813c2b288433fa8a4cd7
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/34879
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Volatility trading with machine learning forecasting methods
title Volatility trading with machine learning forecasting methods
spellingShingle Volatility trading with machine learning forecasting methods
Volatilidad económica - Investigaciones - Métodos estadísticos
Toma de decisiones - Investigaciones - Estudio de casos
Aprendizaje automático (Inteligencia artificial) - Aplicaciones - Investigaciones - Estudio de casos
Mercado de capitales - Predicciones - Investigaciones - Estudio de casos
Análisis cluster - Investigaciones - Estudio de casos
Ingeniería
title_short Volatility trading with machine learning forecasting methods
title_full Volatility trading with machine learning forecasting methods
title_fullStr Volatility trading with machine learning forecasting methods
title_full_unstemmed Volatility trading with machine learning forecasting methods
title_sort Volatility trading with machine learning forecasting methods
dc.creator.fl_str_mv González Orjuela, Sergio Andrés
dc.contributor.advisor.none.fl_str_mv Valencia Arboleda, Carlos Felipe
dc.contributor.author.none.fl_str_mv González Orjuela, Sergio Andrés
dc.subject.keyword.es_CO.fl_str_mv Volatilidad económica - Investigaciones - Métodos estadísticos
Toma de decisiones - Investigaciones - Estudio de casos
Aprendizaje automático (Inteligencia artificial) - Aplicaciones - Investigaciones - Estudio de casos
Mercado de capitales - Predicciones - Investigaciones - Estudio de casos
Análisis cluster - Investigaciones - Estudio de casos
topic Volatilidad económica - Investigaciones - Métodos estadísticos
Toma de decisiones - Investigaciones - Estudio de casos
Aprendizaje automático (Inteligencia artificial) - Aplicaciones - Investigaciones - Estudio de casos
Mercado de capitales - Predicciones - Investigaciones - Estudio de casos
Análisis cluster - Investigaciones - Estudio de casos
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description Volatility trading has become a prominent alternative to the traditional stock trading as the rapid development of web-trading in recent years has reduced significantly the costs of operating in the market. Moreover, machine learning techniques have enabled traders to rely heavily on statistical decision-making models to enhance the commonly used technical analysis. In this paper, a machine learning approach is used to predict proxies of short-term implied volatility clusters with high-frequency data, in order to perform trading strategies using vanilla options on a commercial platform. The empirical results indicate that tree-based methods outperform linear models in classifying these clusters using the time of the day as a key variable in the forecasting task. Financial results were mixed due to the high costs of operating in a 5-hour horizon, but it was found that long positions on at the money straddle strategies expiring in one day were profitable. The framework developed here can be used by small investors as a guidance to implement and assess theoretical strategies in accessible markets.
publishDate 2018
dc.date.issued.none.fl_str_mv 2018
dc.date.accessioned.none.fl_str_mv 2020-06-10T09:24:47Z
dc.date.available.none.fl_str_mv 2020-06-10T09:24:47Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/34879
dc.identifier.pdf.none.fl_str_mv u820710.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/34879
identifier_str_mv u820710.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 54 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Maestría en Ingeniería Industrial
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería Industrial
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/5fc5af6b-c568-4466-88ae-db6ad4af6b8d/download
https://repositorio.uniandes.edu.co/bitstreams/b5fc29a7-4e07-4bc0-8041-e8941246899a/download
https://repositorio.uniandes.edu.co/bitstreams/ef4d06de-9710-4b09-9241-cae958e9fb66/download
bitstream.checksum.fl_str_mv 4e4746eab424d482d31198c245813f7c
615654f7765a412afcc1ecdb1aa52c4d
72e22ded04007ba02eb103ffd276f2eb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133893473566720
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Valencia Arboleda, Carlos Felipevirtual::6074-1González Orjuela, Sergio Andrésd5dbbaa2-41b3-43be-aada-0cfcb7a3ab695002020-06-10T09:24:47Z2020-06-10T09:24:47Z2018http://hdl.handle.net/1992/34879u820710.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Volatility trading has become a prominent alternative to the traditional stock trading as the rapid development of web-trading in recent years has reduced significantly the costs of operating in the market. Moreover, machine learning techniques have enabled traders to rely heavily on statistical decision-making models to enhance the commonly used technical analysis. In this paper, a machine learning approach is used to predict proxies of short-term implied volatility clusters with high-frequency data, in order to perform trading strategies using vanilla options on a commercial platform. The empirical results indicate that tree-based methods outperform linear models in classifying these clusters using the time of the day as a key variable in the forecasting task. Financial results were mixed due to the high costs of operating in a 5-hour horizon, but it was found that long positions on at the money straddle strategies expiring in one day were profitable. The framework developed here can be used by small investors as a guidance to implement and assess theoretical strategies in accessible markets."El trading de volatilidad se ha convertido en una alternativa de peso al trading tradicional de acciones debido al rápido desarrollo de trading en línea en los últimos años, que ha reducido significativamente los costos de operar en el mercado. Además, las técnicas de machine learning han permitido a los traders confiar en modelos estadísticos de toma de decisiones para mejorar el comúnmente usado análisis técnico. En este trabajo se usa un enfoque de machine learning para detectar clusters de volatilidad implícita en el corto plazo con datos de alta frecuencia, con el fin de ejecutar estrategias de trading usando opciones vainilla en una plataforma comercial. Los resultados empíricos indican que los modelos basados en árboles superan el desempeño de los modelos lineales en la clasificación de clusters, usando la hora del día como una variable fundamental en la tarea de predicción. Los resultados financieros fueron mixtos debido a los altos costos de operar en un horizonte de 5 horas, pero se encontró que las posiciones largas en estrategias straddle 'en el dinero' con un día de expiración eran rentables. La metodología trabajada aquí puede ser usada por pequeños inversionistas como guía para implementar y evaluar estrategias teóricas en mercados accesibles."--Tomado del Formato de Documento de Grado.Magíster en Ingeniería IndustrialMaestría54 hojasapplication/pdfengUniandesMaestría en Ingeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería Industrialinstname:Universidad de los Andesreponame:Repositorio Institucional SénecaVolatility trading with machine learning forecasting methodsTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMVolatilidad económica - Investigaciones - Métodos estadísticosToma de decisiones - Investigaciones - Estudio de casosAprendizaje automático (Inteligencia artificial) - Aplicaciones - Investigaciones - Estudio de casosMercado de capitales - Predicciones - Investigaciones - Estudio de casosAnálisis cluster - Investigaciones - Estudio de casosIngenieríaPublicationhttps://scholar.google.es/citations?user=vPH5LywAAAAJvirtual::6074-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000271403virtual::6074-1e1de19e8-629e-401d-a9d3-77eea3d2db48virtual::6074-1e1de19e8-629e-401d-a9d3-77eea3d2db48virtual::6074-1THUMBNAILu820710.pdf.jpgu820710.pdf.jpgIM Thumbnailimage/jpeg7752https://repositorio.uniandes.edu.co/bitstreams/5fc5af6b-c568-4466-88ae-db6ad4af6b8d/download4e4746eab424d482d31198c245813f7cMD55ORIGINALu820710.pdfapplication/pdf3323805https://repositorio.uniandes.edu.co/bitstreams/b5fc29a7-4e07-4bc0-8041-e8941246899a/download615654f7765a412afcc1ecdb1aa52c4dMD51TEXTu820710.pdf.txtu820710.pdf.txtExtracted texttext/plain127617https://repositorio.uniandes.edu.co/bitstreams/ef4d06de-9710-4b09-9241-cae958e9fb66/download72e22ded04007ba02eb103ffd276f2ebMD541992/34879oai:repositorio.uniandes.edu.co:1992/348792024-03-13 13:05:44.225https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co