Predicción de la volatilidad con redes neuronales

Abstract

El proyecto que desarrollamos en este TFG, trata de diseñar un sistema de predicción, utilizando la tecnología de machine learning con una arquitectura RNR (red neuronal recurrente). Inicialmente, el sistema se alimentaba con datos automáticos de los mercados de opciones como CBOE de Chicago y otras bases de datos de pago, aunque para comprobar el modelo de predicción, modificamos el planteamiento inicial para coger los datos directamente de archivos Excel leídos en formato CSV. Como las opciones son derivados sobre un subyacente el sistema ha tenido que considerar el tratamiento de los datos como conceptos que a veces utilizan derivadas, a veces términos relativos y en otras ocasiones números individuales. A esto se une la complejidad de las estructuras de combinación de las opciones donde además hemos intentado a partir de estrategias estándar realizar prototipos modificados; según las variables encontradas, los diferentes escenarios que las RNR (redes neuronales recurrentes) nos definía y la retroalimentando del sistema con los parámetros de la predicción.

The project that we develop in this TFG, tries to design a prediction system, using machine learning technology with a RNR (recurrent neural network) architecture. Initially, the system was fed with automatic data from options markets such as the Chicago CBOE and other payment databases, although in order to test the prediction model, we modified the initial approach to take data directly from Excel files read in CSV format. As options are derivatives on an underlying the system has had to consider the treatment of the data as concepts that sometimes use derivatives, sometimes relative terms and sometimes individual numbers. To this is added the complexity of the combination structures of the options where we have also tried to use standard strategies to create modified prototypes; according to the variables found, the different scenarios that the RNR (recurrent neural networks) defined for us and the feedback of the system with the prediction parameters