Uso de velas para la predicción de la dirección del precio de las acciones

Question

Estoy trabajando en un proyecto universitario en el que quiero que mi modelo de aprendizaje automático prediga la dirección de un día de antelación de una acción determinada (es decir, si el precio de cierre de la acción subirá o bajará en comparación con el precio de cierre del día anterior).

Actualmente estoy trabajando en la generación/extracción de características. En la literatura de predicción de la dirección de los precios de las acciones, se ha estudiado ampliamente el uso de indicadores técnicos. Pero no pude encontrar mucha literatura sobre el uso de la acción del precio (patrones de velas, para ser específicos) para la predicción. Así que quiero implementar patrones de velas junto con indicadores técnicos para predecir la dirección. He generado algunos patrones de velas a partir de mis datos y les he asignado puntuaciones.

Las puntuaciones se asignaron de la siguiente manera:

Si r denota el número de veces que el precio se ha movido en la dirección indicada por el patrón y w denota el número de veces que el precio se ha movido en la dirección opuesta, entonces, puntuación = r/(r + w)

Ahora es cuando estoy confundido e inseguro sobre mi enfoque. Algunos patrones obtuvieron puntuaciones en torno al 50% o menos. ¿Ayudarían realmente al modelo a predecir mejor? ¿O debería abandonar la idea de usar velas y seguir con los indicadores técnicos solamente?

Cualquier consejo o ayuda es muy apreciado. Gracias.

P.D: Había hecho esta pregunta en Cross Validated Stack Exchange y me aconsejaron que publicara la pregunta aquí.

Answer 1

La precisión de un modelo es sólo un factor que determina su utilidad. Aparte de la precisión, ayudaría determinar cómo lo pondría en práctica en un entorno de negociación simulado y examinar más a fondo el rendimiento.

Además de la proporción de aciertos o la precisión, debes calcular otras métricas como:

• La relación riesgo-recompensa que realiza tu modelo (no la teórica que esperas que realice)
• El factor de beneficio: el beneficio bruto dividido por la pérdida bruta
• Ganancia media y pérdida media
• Su expectativa por operación: (ganancia media x porcentaje de aciertos) - (pérdida media x (porcentaje de aciertos))
• Ratio de equilibrio: 1 / (1 + avg win / avg lost)

También hay otras métricas, pero acaban teniendo cierta redundancia. Estoy seguro de que puedes encontrar un montón si buscas o buscas en Google. La cuestión es que una predicción correcta el 50% de las veces podría ser rentable si devuelve más de lo que arriesga. Por otro lado, un modelo que acierta el 80% de sus operaciones pero que sólo devuelve 1 por cada 10 que arriesga podría ser muy poco rentable. Debería convertir en un hábito la observación de otras métricas para estar seguro de que no está desechando modelos que merecen una mayor investigación o persiguiendo modelos que no merecen la pena.