TY - JOUR AU - Dávila, Alex Vicente AU - Herrera, Gustavo Franklin PY - 2015/02/28 Y2 - 2024/03/28 TI - Estrategia para invertir en el mercado de divisas (Forex) basada en redes neuronales JF - Revista Politécnica JA - Rev. Politéc. VL - 35 IS - 2 SE - Artículos DO - UR - https://revistapolitecnica.epn.edu.ec/ojs2/index.php/revista_politecnica2/article/view/387 SP - 124 AB - <p><strong>Resumen: </strong>Se propone la elaboración de una estrategia de inversión para el par EUR/USD, mediante un método de predicción con redes neuronales. A fin de hacer una comparación, paralelamente se elaboran estrategias basadas en predicciones de series de tiempo con otros métodos: medias móviles, suavización exponencial y método de Winters. La selección de los parámetros óptimos para cada estrategia se realiza mediante backtesting durante un período, privilegiando los parámetros que generaron mayor rentabilidad en tal período. Al entrenar la red neuronal se tomaron retrasos y medias móviles de los retornos de precio diarios del EUR/USD del período del 24/11/2009 al 22/7/2013, el cual fue seleccionado mediante análisis de Hurst. Las cuatro estrategias optimizadas fueron evaluadas paralelamente durante un período de dos meses (29/7/2013 a 27/9/2013) mediante operaciones en cuentas demo. La estrategia basada en red neuronal superó en utilidad y consecuentemente en rentabilidad (13.81% bimensual; 117.31% anual) a las otras estrategias. Con los resultados obtenidos al aplicar las estrategias propuestas paralelamente durante el período de evaluación, se generó información que permitió estimar el riesgo de pérdida de cada estrategia mediante simulación de Montecarlo. La estrategia basada en red neuronal es la que presentó el menor riesgo de pérdida (19.05%).</p><p><strong>Abstract:</strong> The development of an investment strategy for the EUR / USD is proposed, using a prediction method with neural networks. To make a comparison, parallel strategies based on time series predictions with other methods are developed: moving averages, exponential smoothing and Winters method. The selection of the optimal parameters for each strategy is done through backtesting during a time frame, favoring parameters that generated higher returns in this period. To train the neural network, lags and moving averages of daily returns price of EUR / USD for the period of 24/11/2009 to 22/07/2013 were taken, which was selected through Hurst analysis. The four optimized strategies were evaluated in parallel for a period of two months (29/07/2013 to 27/09/2013) through operations on demo accounts. The strategy based on neural network outperformed in profit and consequently in profitability (13.81 % bimonthly; 117.31 % annually) to the other strategies. Based on the results obtained by applying the proposed strategies in parallel during the evaluation period, information that allowed us to estimate the risk of loss for each strategy using Monte Carlo simulation was generated. The strategy based on neural network is the one that had the lowest risk of loss (19.05 %).</p> ER -