Visual trading system based on technical indicators.

Abstract

En este proyecto se ha llevado un análisis visual de una cartera de acciones, la cual recoge acciones de los mercados español y americano, de empresas de diferentes industrias y que han tenido diferentes tendencias en los últimos años. Este análisis se ha basado en dos indicadores técnicos el RSI y el MACD, con los que tras una profunda explicación de cómo son calculados y sus principales funcionalidades, se han desarrollado diferentes estrategias de inversión, las cuales mejoran el rendimiento de cada uno de los grupos. Hay estrategias concretas para acciones con tendencia alcista, bajista y con movimiento lateral. Esta diversidad de estrategias con ambos indicadores permite alcanzar diferentes objetivos de rendimiento con la cartera general, en función del riesgo que el inversor esté dispuesto a asumir. También se ha llevado a cabo una breve relación de estos indicadores técnicos con noticias que afectan directamente a las empresas de las acciones, donde se puede constatar que dichos indicadores correctamente ajustados pueden ser muy útiles, no para anticiparse a ellas, sino para identificarlos a tiempo y obtener beneficio de las tendencias que estas pueda causar. Finalmente, se ha realizado una optimización de los metaparámetros utilizados en las estrategias de inversión, a través, de algoritmos genéticos, analizando las mejoras que estos suponen con respecto a las estrategias ya planteadas anteriormente, y viendo el gran potencial que el machine learning tiene en el análisis técnico.

In this project has been made a visual trading based on two technical indicators, the RSI and the MACD, of a portfolio. This portfolio is composed by stocks of the S&P 500, the IBEX 35 and the continuous market of Spain, represents a wide range of industries and have been followed different trends during last years. Firstly, have been developed a deep study of each of the technical indicators by an explanation about how they are calculated and the main advantages that they can provide to operate in the stock´s market. Then different investment strategies are developed, each of them adapting to the characteristics of the different group of stocks, which have been classified by trends. These trends are bullish, bearish and stocks with lateral movement. The selection of different strategies not only allow the best adaption to each of the groups if not the possibility of create different financial products that can be selected in function the risk that is able to assume the investor. After the analysis, it has realized a briefly test with each of the stock that explain how these technical indicators, if they are well adjusted, could react to important news that affected directly the business of the companies and achieving great performances of this type of opportunities. It has been showed an indirect relationship that is not able to predict them but that can identify fast enough to make profitable investments. Finally, it has been developed an optimization of the metaparameters of the technical indicators by genetic algorithms. It has been analyzed the improvement that this optimization has supposed to the results and the huge field of this type of machine learning is offering to technical analysis.