TRADINNOVA: Un algoritmo heur´ıstico de compra-venta inteligente de acciones I.J. Casanova y J.M. Cadenas Dpto. Ingenier´ıa de la Informaci´ on y las Comunicaciones. Facultad de Inform´ atica. Universidad de Murcia. Spain.
[email protected],
[email protected]
Resumen Existen diferentes t´ecnicas que nos aconsejan como invertir en bolsa, desde la compra de una simple acci´ on a la elecci´ on de una cartera de acciones que d´e la m´ axima rentabilidad con el menor riesgo posible, aunque todas est´ as t´ecnicas no nos dicen nada de cuando vender las acciones compradas para probablemente comprar otras acciones diferentes. En este trabajo se propone y presenta un algoritmo heur´ıstico (TRADINNOVA), que realiza la compra-venta inteligente de acciones durante un periodo de tiempo. La elecci´ on de la acci´ on a comprar se podr´ a realizar mediante diversas t´ecnicas heur´ısticas seg´ un la preferencia del inversor. Se ha realizado una simulaci´ on en el Mercado Continuo Espa˜ nol ejecutando TRADINNOVA entre los a˜ nos 2001 y 2004. Palabras clave: Inversi´ on Burs´ atil, Heur´ısticas, Toma de Decisiones, Sistemas Inteligentes, Resoluci´ on de Problemas.
1.
Introducci´ on
En un d´ıa cualquiera en un mercado burs´ atil se pueden seleccionar un conjunto de acciones de las que se espera obtener una buena rentabilidad. Las t´ecnicas para seleccionar estas acciones pueden ser muy diversas, desde el an´alisis t´ecnico o el an´alisis fundamental hasta t´ecnicas de inteligencia artificial como las redes neuronales, redes bayesianas, an´alisis de noticias, an´alisis del clima del mercado, etc. Una vez que se han seleccionado estas acciones tendr´ıamos que aplicar una pol´ıtica de compra-venta de acciones para obtener la mayor rentabilidad posible. As´ı, cada d´ıa de cotizaci´on se tendr´a que escoger la mejor acci´on a comprar, su precio de compra, cuando se va a vender y su precio de venta. Tambi´en se tendr´a que realizar un seguimiento de las ´ordenes de compra o de venta que no se ejecuten para actuar sobre ellas. Para realizar todo esto, proponemos un algoritmo heur´ıstico, que llamaremos TRADINNOVA, con el objetivo de simular el comportamiento de una forma inteligente de un inversor en el mercado continuo aplicando unas reglas para realizar la compra-venta de las acciones. Se ha probado el algoritmo y hemos realizado una simulaci´ on en la que se tiene
A. Fernández-Caballero, M.G. Manzano, E. Alonso & S. Miguel (Eds.): CMPI-2006, pp. 655-666, 2006. © Universidad de Castilla-La Mancha, Departamento de Sistemas Informáticos, Albacete (España).
656
I.J. Casanova y J.M. Cadenas
en cuenta el precio hist´orico de la acciones, y se puede comprobar como en la mayor´ıa de los casos se obtiene una revalorizaci´on mucho mayor que el ´ındice de referencia (IBEX35). En este trabajo pretendemos presentar este algoritmo heur´ıstico para la compra-venta de acciones. Para ello, el trabajo lo hemos organizado de la siguiente manera: primero, haremos una introducci´ on al campo de la inversi´ on burs´ atil, comentando las t´ecnicas que se suelen utilizar. En la secci´on 3, presentamos un sistema para la toma de decisiones para la compra-venta de acciones que nos ha llevado a definir el algoritmo TRADINNOVA. En la secci´ on 4 se definen los par´ ametros y se presenta la simulaci´on realizada con el algoritmo y los resultados obtenidos. Por u ´ltimo, acabamos con las conclusiones y v´ıas futuras de trabajo.
2. 2.1.
La inversi´ on burs´ atil T´ ecnicas de predicci´ on
Lo que se persigue con la inversi´ on burs´ atil es obtener el mayor beneficio posible. Para ello existen muchas t´ecnicas que nos intentan decir si una acci´on esta valorada cara o barata (an´ alisis fundamental) o si su precio esta en una tendencia alcista o bajista (an´ alisis t´ecnico). Los precios de una acci´on se pueden representar en el tiempo. Lo ideal ser´ıa comprar al comienzo de una tendencia alcista, para vender en lo m´ as alto posible, justo antes de que empiece una tendencia bajista. Estos momentos de compra (c) y venta (v), se pueden ver en la Fig. 1.
Figura 1. Se˜ nales de compra y venta del chart de Vallehermoso
TRADINNOVA: Un algoritmo heur´ıstico de compra-venta inteligente de acciones 657
Existen m´ ultiples estudios de inteligencia artificial para predecir el precio de una determinada acci´on, siendo las redes neuronales una de las t´ecnicas m´as utilizadas ([1,2,3]). Tambi´en se utilizan los algoritmos gen´eticos para optimizar los par´ametros de estas redes neuronales o para optimizar el an´alisis t´ecnico de una acci´on ([4,5]). Asimismo existen estudios de como predecir el comportamiento de una acci´on a partir de las noticias publicadas en Internet ([7,8]). Si nos atenemos a [6], las t´ecnicas para aplicar en finanzas se pueden dividir en 5 categor´ıas (Fig. 2).
Figura 2. Clasificaci´ on de las t´ecnicas para aplicar en finanzas
Todas las t´ecnicas vistas hasta ahora lo que hacen es aconsejarnos sobre la compra de una acci´on. Pero una vez que se predice el comportamiento de una acci´on, habr´ıa que aplicar una pol´ıtica de compras y ventas sobre esa acci´on para maximizar el beneficio, siendo esto u ´ltimo un tema que hasta ahora no se ha estudiado a fondo. 2.2.
Cartera de valores
Lo normal para realizar una predicci´ on es fijarse en una sola acci´on, pero realmente un inversor no se debe fijar solamente en una acci´on, sino en todas las acciones que conforman un mercado concreto (que en nuestro caso ser´ıa el Mercado Continuo Espa˜ nol), o incluso fijarse en las acciones de otros pa´ıses, para as´ı formar una cartera de valores. Al formar una cartera de acciones, se puede tener en cuenta la aversi´ on al riesgo que tiene el inversor, as´ı siguiendo la teor´ıa de Markowitz, el inversor querr´ a obtener la m´axima rentabilidad con el menor riesgo posible ([14,15,16]). Selecci´ on de la cartera de valores. Se pueden utilizar diferentes t´ecnicas para seleccionar las acciones (redes neuronales, an´alisis t´ecnico, an´alisis fundamental, reglas, redes bayesianas, an´alisis de las noticias, an´alisis del clima del
658
I.J. Casanova y J.M. Cadenas
mercado, etc) que van a formar la cartera de valores. Se puede ver una peque˜ na comparaci´on en [11]. Una vez que se han seleccionado las acciones, el momento de su compraventa no esta claramente especificado en ninguno de los trabajos realizados hasta ahora, as´ı existen trabajos en los que se muestra en tiempo real un aviso en pantalla sobre que acci´on o grupo de acciones se recomiendan ([12]), en lo que se compran y venden las acciones anualmente ([10]), en los que se estima si va a ser una compra a largo o corto plazo ([9]), o en los que simplemente no se dice nada de que metodolog´ıa se ha aplicado para estimar cuando se deben realizar estas compra-ventas. En [17] se propone un algoritmo bastante interesante de rebalanceo de una cartera de acciones mediante compras y ventas, llamado ANTICOR, en el que se calcula para cada d´ıa el peso que deber´ıan tener las acciones en la cartera. Este algoritmo tiene el inconveniente de que no se hace una verdadera simulaci´ on de las compras o de las ventas, ya que se rebalancea sin dar ´ordenes de compra o venta o sin tener en cuenta las comisiones aplicadas, y no se deja muy claro de que forma se seleccionan las acciones o en que momento y por qu´e hay que realizar su venta.
3.
Pol´ıtica de compra-venta de acciones: Algoritmo TRADINNOVA
En este trabajo se propone un sistema para la toma de decisiones en la compraventa (Fig. 3) a aplicar a las acciones que conforman cualquier mercado burs´ atil durante un periodo de tiempo. Si suponemos un mercado de valores que cotiza desde una fecha inicial (fini ) hasta una fecha final (ff in ), cada uno de esos d´ıas, todas sus acciones habr´an tenido un precio de apertura (pape ), un precio m´aximo (pmax ), un precio m´ınimo (pmin ) y un precio de cierre (pcie ). Si cogemos un d´ıa d cualquiera entre fini y ff in en el que no se tiene ninguna acci´on comprada, entonces podremos seleccionar un conjunto de n acciones (Sd ), que utilizando cualquiera de las t´ecnicas comentadas anteriormente (redes neuronales, an´ alisis t´ecnico, an´alisis fundamental, reglas, ...) ser´ an las m´as recomendables comprar, porque se espera de ellas que den una buena rentabilidad. Dependiendo de la t´ecnica heur´ıstica elegida se seleccionar´an las acciones de acuerdo a los objetivos particulares de cada inversor. As´ı, el funcionamiento de cada una de estas t´ecnicas se podr´a categorizar atendiendo a diferentes criterios, tales como rentabilidad, volatilidad, riesgo, etc. La t´ecnica heur´ıstica utilizada deber´ a calcular un valor para cada una de las acciones que conforman el mercado en ese d´ıa d, cuantificando lo recomendable que ser´ıa comprar o mantener en cartera esas acciones. Las acciones se ordenaran de mayor a menor de acuerdo a este valor y se tendr´a que elegir el conjunto de las “mejores acciones”, debi´endose definir hasta que valor una acci´ on se considerar´ıa que pertenece a este conjunto de las mejores, pudi´endose dar el caso que alg´ un
TRADINNOVA: Un algoritmo heur´ıstico de compra-venta inteligente de acciones 659
Figura 3. Toma de Decisiones para la compra-venta para un d´ıa d cualquiera
d´ıa no se recomiende ninguna acci´on (n = 0), o bien que se recomienden muchas porque su an´ alisis ha sido lo suficientemente satisfactorio para todas ellas. Una vez tenemos este conjunto Sd con la selecci´on de las mejores acciones para un d´ıa d, se podr´ıan intentar comprar todas o algunas de estas acciones. Para simplificar el algoritmo se va a intentar comprar solamente una de estas acciones seleccionadas. Para escoger la acci´on a comprar tendr´ıamos dos posibilidades, seleccionar la mejor o bien seleccionar cualquiera aleatoriamente. Una vez que hemos escogido una acci´on, tendremos que dar una orden de compra para el siguiente d´ıa. El precio de compra lo limitaremos a cualquiera de los precios que ha tenido la acci´on durante ese mismo d´ıa (entre pmin y pmax ), o bien se podr´ a comprar al precio que marque la acci´on en la apertura del d´ıa siguiente (pape ). Si ponemos un precio de compra bajo, hay mas posibilidades de que no se llegue a ejecutar la compra en los d´ıas siguientes, pero a cambio la acci´on se habr´ a comprado mas barata. Al d´ıa siguiente (d + 1) se ve si se puede ejecutar la compra de la acci´on, siempre y cuando el precio de compra se encuentre entre el rango de precios que tiene la acci´on en ese d´ıa (entre pmin y pmax ). Para este nuevo d´ıa se vuelven
660
I.J. Casanova y J.M. Cadenas
a seleccionar las mejores acciones, y si ya tenemos una acci´on comprada, entonces comprobamos si la acci´on comprada se sigue encontrando entre las mejores (Sd+1 ), en cuyo caso no har´ıamos nada o en caso contrario dejar´ıamos que pasaran M d´ıas sin que la acci´on se encontrara entre las mejores para dar una orden de venta. Si no tenemos ninguna acci´ on comprada porque no se ha podido ejecutar la orden de compra, entonces eliminamos esta orden de compra, y dar´ıamos una nueva orden de compra, seleccionando una acci´ on de entre las mejores (Sd+1 ) de ese d´ıa. Una orden de venta se da cuando han pasado M d´ıas sin que la acci´on se encuentre entre las mejores en esos d´ıas. Una orden de venta tendr´ıa tambi´en un precio limitado, al igual que la orden de compra. Cuanto mas alto sea este precio, mas dif´ıcil ser´a que se ejecute. En caso de que durante V d´ıas no se logre vender a este precio, porque seguramente la acci´on se encuentre en un periodo bajista, entonces se bajar´ıa el precio de esta orden de venta. A partir de la l´ ogica de compra-venta explicada, proponemos el siguiente algoritmo heur´ıstico, que denominaremos TRADINNOVA, que simula el comportamiento de un inversor en el mercado continuo: FUNCTION TRADINNOVA (fecha_desde, fecha_hasta, tipo_seleccion, dinero_inicial): dinero_final; BEGIN fecha=fecha_desde; dinero=dinero_inicial); WHILE (fecha
