Predicciones a partir del reconocimiento de patrones de precios para estrategia de trading

Abstract

Multiple predictive methods can be used as tools to try to anticipate the price movement of some asset and use it as trading strategy. This has been done previously with regressions, with models of neural networks, with Arima models, among other methodologies. This work explores the utility of finding repeating price patterns to make price prediction. The model was evaluated, not only statistically but also financially, for the Euro-Dollar market. Using a Python code capable of searching the current price pattern in the price history. This algorithm gives the order to buy or sell if the pattern has a certain percentage of repeating patterns that lead to a rise or fall. Finally, the model was evaluated and contrasted with three other predictive methods to determine its usefulness, accomplishing a satisfactory result that shows a possible potential of the tool developed especially due to the level of predictive accuracy of the 75% obtained with the tested data.

Diferentes métodos predictivos o de regresión pueden ser empleados como herramientas para intentar anticipar el movimiento del precio de algún activo y utilizarlo como estrategia de trading. Esto se ha hecho anteriormente con regresiones, con modelos de redes neuronales, con modelos Arima, entre otras metodologías. En este trabajo se buscó explorar la utilidad de encontrar patrones de precios repetidos para predicción del precio siguiente y se evaluó el modelo, no solo estadísticamente sino también financieramente, para el mercado del Euro-Dólar. Utilizando un código en Python capaz de buscar el patrón actual de precios en el histórico de precios. Este, da la orden de compra o venta si el patrón tiene cierto porcentaje de patrones repetidos que llevan a un alza o a la baja. Finalmente, el modelo fue evaluado y contrastado con otros tres métodos predictivos para determinar su utilidad, llegando a un resultado satisfactorio que muestra un posible potencial de la herramienta desarrollada en especial por un nivel de acierto predictivo del 75% que obtuvo con los datos probados.