High Frequency trading via convolutional neural networks
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/332052
Correu electrònic de l'autoruncidrashotmail.com
Tutor / directorPérez Palomar, Daniel
Realitzat a/ambHong Kong University of Science and Technology
Tipus de documentTreball Final de Grau
Data2020-05-22
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
L'objectiu d'aquest projecte és desenvolupar i entrenar a una CNN capaç de realitzar intercanvis borsaris dins un HFT. La metodologia seguida va consistir en el disseny de models per pronosticar característiques particulars del LOB. El punt de partida va ser provar mètodes tradicionals en finances per tal de predir els preus de futurs. Aquests mètodes van ser rebutjats a través de l'experimentació.
Posteriorment, es va realitzar un estudi sobre arquitectures de ANN per construir models capaços de predir la direcció de l'preu mitjà. A més, es van dur a terme experiments en diferents models, provant diferents representacions de l'LOB. Els resultats van mostrar com, amb un disseny d'entrada i d'arquitectura adequats, una CNN supera lleugerament a un MLP en la predicció de la direcció de l'preu.
Finalment, es van introduir noves etiquetes per detectar quan l'intercanvi borsària produeix beneficis. Tot seguit, es van realitzar experiments per predir aquestes etiquetes. En aquest cas, tots dos models van tenir resultats positius, però CNN no va superar a MLP. El objetivo de este proyecto es desarrollar y entrenar a una CNN capaz de realizar intercambios bursátiles en un HFT. La metodología seguida consistió en el diseño de modelos para pronosticar características particulares del LOB. El punto de partida fue probar métodos tradicionales en finanzas con el fin de predecir los precios de futuros. Estos métodos fueron rechazados a través de la experimentación.
Posteriormente, se realizó un estudio sobre arquitecturas de ANN para construir modelos capaces de predecir la dirección del precio medio. Además, se llevaron a cabo experimentos en diferentes modelos, probando diferentes representaciones del LOB. Los resultados mostraron como, con un diseño de entrada y de arquitectura adecuado, una CNN supera ligeramente a un MLP en la predicción de la dirección del precio.
Finalmente, se introdujeron nuevas etiquetas para detectar cuándo el intercambio bursátil produce beneficios. Acto seguido, se realizaron experimentos para predecir estas etiquetas. En ese caso, ambos modelos tuvieron resultados positivos, pero CNN no superó a MLP. The objective of this project is to develop and train a CNN capable to trade in a HFT. The methodology followed consisted in design models to forecast particular features of the LOB. The start point was to test traditional methods in finance with the purpose of predicting futures prices. These methods were rejected through experimentation.
Subsequently, a study on ANN architectures was conducted to build models capable of predicting the direction of the mid price. Furthermore, experiments were carried out on different models, testing different representations of the LOB. The results showed how, with proper input and architecture design, a CNN slightly outperforms a MLP in predicting price direction.
Finally, new labels were introduced to detect when the trade has benefits. Thereupon, experiments were conducted to predict these labels. In that case, both models had positive results but CNN did not outperform MLP.
Subsequently, a study on ANN architectures was conducted to build models capable of predicting the
direction of the mid price. Furthermore, experiments were carried out on different models, testing
different representations of the LOB. The results showed how, with proper input and architecture
design, a CNN slightly outperforms a MLP in predicting price direction.
Finally, new labels were introduced to detect when the trade has benefits. Thereupon, experiments
were conducted to predict these labels. In that case, both models had positive results but CNN did
not outperform MLP.
TitulacióGRAU EN ENGINYERIA INFORMÀTICA/GRAU EN MATEMÀTIQUES
Localització
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Tesis(14).pdf | 979,7Kb | Visualitza/Obre |