Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Deep learning neural networks based algorithmic trading strategy for colombian financial market using tick by tick and order book data

Niño Peña, Jaime Humberto (2019) Deep learning neural networks based algorithmic trading strategy for colombian financial market using tick by tick and order book data. Doctorado thesis, Universidad Nacional de Colombia - Sede Bogotá.

Texto completo

[img] PDF - Versión Aceptada
Available under License Creative Commons Attribution No Derivatives.

3MB

Resumen

This work presents an innovative and highly competitive Algorithmic Trading (AT) Strategy, based on a Convolutional Neural Network price direction predictor that uses High Frequency (HF) transactions and Limit Order Book (LOB) data. Information used includes data from US and Colombian market. Data processing include more than 5 million raw data files of 21 stocks from different industries (Energy, Finance, Technology, Construction, among others). Since data include two different sources (Transaction and LOB), applying feature engineering is necessary to homogenize inputs. For transaction data, an image-like representation (Grammian Angular Field GAF) is used. It converts Financial Time Series (FTS) to polar coordinates and creates a kernel based on cosine differences. Additionally, this work proposes a transformation for LOB data. This representation includes all available information deviated from LOB raw data and it will create an image-like representation of LOB. These two sources will feed up into a proposed 3D-Convolutional Neural Network (3D-CNN) architecture that generates price direction predictions. These predictions will serve as a trading signal generator for two Algorithmic Trading Strategies. Both of them take real market constrains into consideration, such as liquidity provision, transaction costs, among others. The two proposed strategies works under different risk aversion constrains. Results from the proposed 3D-CNN predictor present a strong performance, ranging between 70% and 74% in Directional Accuracy (DA), while reducing model parameters as well as making inputs time invariant. Moreover, trading strategies results illustrate that the proposed CNN predictor can lead to profitable trades and liquidity improvement in the Colombian Market. Testing results for both AT strategies on Colombian Market Data lead to interesting findings. Under different constrains of take profit, stop loss and transaction cost, both strategies aggressive and conservative lead to positive returns over the same period of time. Moreover, results of number of trades performed by the aggressive AT helps to understand how AT may impact positively liquidity provision in developing financial markets., Resumen: Este trabajo presenta dos estrategias algorítmicas de trading, basadas en un método innovador y altamente competitivo de redes convolucionales para predecir de la dirección en los precios de series financieras de tiempo de alta frecuencia, tanto del Libro de Ordenes como en las Transacciones. La información usada incluye datos del mercado americano y colombiano. Se procesaron más de cinco millones de archivos con información de 21 acciones de diferentes sectores (energía, financiero, tecnología, construcción, entre otros). La información de entrada incluye dos fuentes de datos diferentes (Transaciones y Libro de Ordenes), por lo cual se hace necesario aplicar ingeniería de características para homogenizarla. Para la información de las transacciones, se usó una representación basada en imágenes con una transformación conocida como Gramian Angular Field (GAF). ésta convierte una serie de tiempo en coordenadas polares y crea un kernel basado en diferencia de cosenos. Además, este trabajo propone una transformación del Libro de órdenes. Esta representación incluye toda la información disponible del Libro de órdenes y la transforma a una imagen. La información representada se pasa a una arquitectura de red convolucional propuesta, la cual genera predicciones de la dirección de los precios. Las predicciones servirán de señales de negociación para dos estrategias de trading algorítmico. Ambas incluyen restricciones reales de mercado, como niveles de liquidez y costos de transacción. Las dos estrategias propuestas trabajan bajo differentes condiciones de riesgo. Los resultados de predicción de la red convolucional propuesta presenta un desempeño entre el 70% al 74% de precición direccional; a la vez que reduce los paramétros del modelo y hace las entradas invariantes en el tiempo. Adicionalmente, los resultados de las estrategias de negociación ilustran que el predictor convolucional puede liderar a generación de ganacias y mejoras de liquidez en el mercado colombiano. Las pruebas realizadas para las dos estrategias de trading en el mercado colombiano conllevan interesantes hallazagos. Bajo diferentes condiciones de take profit, stop loss y costos de transacción, tanto la estrategia agresiva como la conservadora reportaron retornos positivos para el mismo período de tiempo. Adicionalmente, la estrategia agresiva permite entender el impacto positivo en liquidez para mercados financieros emergentes.

Tipo de documento:Tesis/trabajos de grado - Thesis (Doctorado)
Colaborador / Asesor:Hernández Pérez, German
Información adicional:Doctorado en Ingeniería de Sistemas y Computación. Línea de investigación: Aprendizaje Automático, Finanzas Computacionales.
Palabras clave:Algorithmic Trading, Deep Learning, Convolutional Neural Networks, Computational Finance, High Frequency Trading, Financial Time Series, Finanzas computacionales, Aprendizaje profundo, Redes convolucionales, Aprendizaje de representación, Libro de órdenes, Transacciones, Estrategias de Negociación algorítmica, Negociación de alta frecuencia
Temática:0 Generalidades / Computer science, information & general works
0 Generalidades / Computer science, information & general works > 02 Bibliotecología y ciencias de la información / Library & information sciences
3 Ciencias sociales / Social sciences > 33 Economía / Economics
5 Ciencias naturales y matemáticas / Science
6 Tecnología (ciencias aplicadas) / Technology
6 Tecnología (ciencias aplicadas) / Technology > 62 Ingeniería y operaciones afines / Engineering
Unidad administrativa:Sede Bogotá > Facultad de Ingeniería > Departamento de Ingeniería de Sistemas e Industrial
Código ID:72209
Enviado por : Jaime Humberto Niño Peña
Enviado el día :13 May 2019 13:33
Ultima modificación:13 May 2019 13:33
Ultima modificación:13 May 2019 13:33
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox