Resumen de Nuevas perspectivas del análisis técnico de los mercados bursátiles mediante el aprendizaje automático: aplicaciones al índice general de la bolsa de Madrid
Diversos trabajos han puesto de manifesto que las conclusiones sobre la falta de poder predictivo de las reglas técnicas eran, cuanto menos, precipitadas. Debido a que la eficiencia e integración pueden variar considerablemente de unos mercados a otros, tiene elevado valor empírico las investigaciones en mercados bursátiles de tamaño mediano como ocurre con el caso de la Bosla de Madrid.
Esta Tesis presenta diversas aportaciones sobre la capacidad de generar beneficios de determinadas metodologías para crear reglas técnicas sobre el IGBM, que dan pie al siguiente primer grupo de conclusiones.
Por una parte, se ha examinado la capacidad de obtener beneficios de una simple regla técnica de contratación basada en redes neuronales aplicada sobre el IGBM.
Asímismo, se ha investigado la capacidad de obtener beneficios de las reglas técnicas de contratatación más comúnmente usadas por los inversores como son las de cruce de medias móviles o la de ruptura de rango, pero realizando una aportación metodológica en el sentido de optimziar los valores de los parámetros que aparecen en tales reglas mediante un algoritmo genético.
Se ha estudiado la posibilidad de implementar en el IGBM nuevas reglas técnicas de contratación creadas mediante la programación genética, que permite diseñar reglas técnicas óptimas distitnas a las más comúnmente usadas en el mercado.
Por último, se ha diseñado un procedimiento para ajustar, mediante la validación cruzada, los parámetros claves de una regla técnica simple basada en las predicciones por ocurrencias análogas. En este sentido, los parámetros se obtienen mediante optimización con un algoritmo genético de la función de pérdida dada por el exceso rendimientos sobre la estrategia de "comprar y mantener" ajustada por riesgo.
