Ανάπτυξη στρατηγικής αλγοριθμικής διαπραγμάτευσης με την χρήση μηχανικής μάθησης

Abstract

Η παρούσα διπλωματική εργασία εξετάζει τον ρόλο της μηχανικής μάθησης στην ανάπτυξη τεχνικών αλγοριθμικής διαπραγμάτευσης και αναλύει πως αυτός ο συνδυασμός επηρεάζει καθοριστικά τη συμπεριφορά των χρηματοοικονομικών αγορών ως σύνολο. Αρχικά παρουσιάζεται μια εκτενής ανασκόπηση βιβλιογραφίας, όπου αναλύονται οι βασικές έννοιες της αλγοριθμικής διαπραγμάτευσης και των διαφόρων ευφυών τεχνικών, οι διαφορετικές κατηγορίες αγορών, καθώς και οι διάφοροι χρηματοοικονομικοί όροι που σχετίζονται με τις συναλλαγές. Παράλληλα, εξετάζονται οι κύριες προκλήσεις που προκύπτουν κατά τη διάρκεια υλοποίησης αυτοματοποιημένων στρατηγικών, καθώς και τα ισχύοντα λειτουργικά πλαίσια και μηχανισμούς ελέγχου που έχουν αναπτύξει οι ρυθμιστικές αρχές παγκοσμίως με στόχο τη διασφάλιση της διαφάνειας και της σταθερότητας. Η ερευνητική συνεισφορά της εργασίας επικεντρώνεται στην τεχνική ανάλυση και συγκεκριμένα στην σχεδίαση και υλοποίηση μιας αυτοματοποιημένης signal sased στρατηγικής, που βασίζεται στη λογική της trend following και της mean reversion και εφαρμόζεται σε τέσσερα διαφορετικά χρηματοοικονομικά προϊόντα. Στη συνέχεια, τα σήματα διάσπασης που προκύπτουν, σε συνδυασμό με έναν τεχνικό δείκτη, χρησιμοποιούνται ως είσοδοι για την εκπαίδευση ενός μοντέλου ταξινομητή XGBoost, με στόχο την πρόβλεψη της μελλοντικής κατεύθυνσης της αγοράς. Τα αποτελέσματα που προέκυψαν από τα τέσσερα αυτά χρηματοοικονομικά προϊόντα τόσο από την αυτοματοποιημένη αλγοριθμική στρατηγική όσο και από το μοντέλο μηχανικής μάθησης, αξιολογήθηκαν μέσω γραφημάτων, συγκριτικών πινάκων και διαφόρων μετρικών απόδοσης.