Cuando usamos IA (aprendizaje automático/aprendizaje profundo) en trading, ¿eso asume la hipótesis del mercado eficiente?
Sé que la finanza cuantitativa asume que los movimientos de precios son aleatorios (hipótesis del mercado eficiente). ¿La análisis cuantitativo para el trading también asume lo mismo?
Incluso si asumimos que los movimientos de precios son aleatorios, podemos predecir el precio de las opciones de acciones (ecuación de Black-Scholes).
La mayoría de los traders que conozco tienen una relación compleja con la Hipótesis de Mercados Eficientes, difícil de resumir.
Podrías decir que aceptan una "versión suave de la HME" pero no la versión original de Chicago. Ellos creen que los mercados financieros son de hecho muy eficientes y por lo tanto la HME es útil y bueno saberlo. Pero creen que puede haber excepciones a la HME que quizás no se han descubierto o se han vuelto ampliamente conocidas.
Suelen ser muy seguros de sí mismos (incluso podrías decir un poco arrogantes) y creen que serán ellos quienes descubran estas ineficiencias si hacen suficiente investigación y pruebas. Se ríen de las personas que no han oído hablar de la HME y piensan que solo aplicando una herramienta simple de aprendizaje automático a algunos datos de Yahoo Finance podrán hacer una fortuna con una tarde de trabajo. Han intentado ese tipo de cosas y saben que no es tan fácil. Pero aún están interesados en buscar oportunidades para ganar dinero a pesar de la dificultad (es una actitud, quizás un rasgo de personalidad).
Si encuentran algo, son muy reservados al respecto porque saben (de nuevo la HME) que una vez que sea ampliamente conocido dejará de funcionar.
Utilizar modelos de aprendizaje automático (u otros modelos cuantitativos) en el trading no necesariamente asume la hipótesis del mercado eficiente. Mientras que algunas estrategias de finanzas cuantitativas pueden basarse en la suposición de que los precios se mueven al azar y siguen dinámicas de mercado eficientes, los algoritmos de inteligencia artificial principalmente están diseñados para identificar y explotar patrones, tendencias y anomalías en los datos del mercado que van en contra de la hipótesis del mercado eficiente (identificando ineficiencias en el mercado).
Un consenso común entre muchos académicos e incluso traders profesionales es que los mercados son bastante eficientes a largo plazo.
Pero existen errores de precios, oportunidades de arbitraje y otras ineficiencias que se presentan durante períodos cortos de tiempo.
La premisa para usar ML es básicamente reconocer estas ventajas y capitalizar en ellas, tratando de estar del lado de las operaciones ganadoras.
Así que, en pocas palabras, ML, al igual que cualquier otro enfoque de trading, o como el trading mismo, trabaja bajo la premisa de que los mercados no son eficientes (fuertemente o débilmente, temporalmente o permanentemente, dependería de la creencia de las personas que utilizan estas herramientas).
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
