Blog

Estas son nuestras últimas reflexiones sobre el InvestMood y la utilización de la Inteligencia Artificial en los mercados financieros.

Un robot gana el ranking de rentabilidad sobre los alumnos de Mercados Financieros

publicado a la‎(s)‎ 2 dic. 2018 1:48 por InvestMood Fintech   [ actualizado el 2 dic. 2018 22:12 ]

Desde hace ya varios años los profesores de la Universidad Rey Juan Carlos realizan en el marco de sus asignaturas de finanzas relacionadas con los mercados financieros una actividad docente, consistente en simular la gestión de una cartera de valores, utilizando la aplicación de www.labolsavirtual.com. Esta actividad ha sido presentada en varios foros de innovación educativa y en el año 2015 obtuvo el Premio AEDEM Best Paper in "Competency and collaborative learning in higher education" por la ponencia “Game Driven Education in Finance Through Online Trading Tools” del Prof. Dr. Raúl Gómez Martínez, el Prof. Dr. Camilo Prado Román y la Profª Drª Sandra Escamilla Solano, mérito que la hizo ser incluida en el special issue de Springer “Education Tools for Entrepreneurship”.

Con esta actividad docente se observa un mejor asentamiento de los conceptos estudiados en la asignatura, dándole una visión totalmente aplicada, mientras que desarrollan las capacidades de trabajo en equipo, a la vez que provoca una mayor implicación de los alumnos en la asignatura ya que semanalmente se sigue el ranking de la rentabilidad generada por cada cartera.

Este año los alumnos de Mercados Financieros del Grado en Contabilidad y Finanzas tuvieron un compañero infiltrado algo especial. Especial no porque fuese extranjero o tuviese capacidades especiales, era especial porque no era un compañero de carne y hueso, era un robot llamado “Bufalín”. Este robot tomaba semanalmente posiciones largas o cortas en índices, commodities y criptodivisas según las señales de inversión generadas por los modelos big data de inteligencia artificial de InvestMood. Si los modelos Google Weekly Trend y Google Monthly Trend apuntaban en la misma dirección entonces entraba en mercado ya sea en largo o en corto operando con CFDs, si los modelos no apuntaban en la misma dirección el robot no invertía en ese instrumento.

La actividad comenzó a principio de curso, desde el 18 de septiembre de 2018 hasta el 30 de noviembre, antes de la época de exámenes. ¿Quién ha ganado el ranking de rentabilidad de este año? Pues lo curioso es que el robot es el que ha ganado el reto con una rentabilidad bruta del 42,59%. Este es su evolcuión sobre el Ibex 35:




Este es el ranking final de la actividad:


Grupo Rentabilidad
Bufalín 42,59%
carque 17,15%
R.C.M. 6,60%
J.Urjc 6,42%
URJC_2017 3,16%
Urjc2016 0,77%
Adreea24 -0,09%
AMYM_ -1,06%
Brokers2018 -1,87%
Saraclaunai -2,63%
MasterMV -4,06%
Aluna Broker House -7,40%
Broker CYF -9,51%
Moji2018 -10,61%
GuerrerosATM -11,82%
n.moreno2018 -12,82%
VargasAlejandra -17,24%
Mcp98 -20,46%

Los alumnos lo han hecho muy bien, la cartera MasterMV era la del profesor Raúl Gómez Martínez, cartera que replicó la evolución del Ibex, y el objetivo de los alumnos era superar esta cartera y así batir al Ibex 35 que era su benchamnark de referencia. Vemos que 9 de los 16 grupos han sido capaces de batir al mercado con sus estrategias de inversión, la mayoría atendiendo a señales de análisis técnico y noticias.

El robot Bufalín partiendo con un capital virtual de 100.000 € ha realizado 34 operaciones de las cuales 26 han dado beneficios y 9 han dado pérdidas (un 76% de tasa de éxito) generando un beneficio neto de 38.222,67€ lo que implica un profit factor de 3,09. Este rendimiento se ha conseguido con un apalancamiento medio de 2 veces sobre el capital inicial.

Esta actividad pone de manifiesto varios argumentos que apoyamos desde InvestMood:
1. El trading algorítmico es capaz de batir al mercado y ofrecer rentabilidades positivas tanto en contextos alcistas como bajistas.
2. El trading algorítmico es capaz de batir al trading manual con una gestión activa y rigurosamente estadística.
3. El sentimiento del inversor es una herramienta válida para crear estrategias de inversión alternativas al análisis técnico y fundamental

Ahora que Bufalín ha terminado sus estudios se ve abocado a la cola del paro a pesar de su extraordinario expediente académico. ¿Creéis que alguien la dará una oportunidad para crear su propio vehículo de inversión?

Dossier InvestMood Nov-2018

publicado a la‎(s)‎ 8 nov. 2018 2:41 por InvestMood Fintech   [ actualizado el 8 nov. 2018 2:50 ]

Muchos se han interesado por InvestMood en las últimas semanas desde que abrimos nuestro canal de YouTube y participamos en el evento del 30 de Octubre, para intentar aclarar quiénes somos, qué hacemos y cómo podemos ayudar hemos escrito este sencillo dossier que esperamos que os ayude a ubicarnos.

Introducción a la Inteligencia Artificial y Big Data para Gestión de Activos

publicado a la‎(s)‎ 6 oct. 2018 0:31 por Raul Gomez

El pasado mes estuvimos en el IEB compartiendo nuestro enfoque para utilziar la Inteligenciar Artificial y el Big Data para la Gestion de Activos. Durante esa charla, los alumnos se instalaron la versión free de la plataforma de data mining dVelox y fueron capaces de crear su primer modelo de inteligencia artificial para predecir, en este caso, la evolución del Bitcoin. Los datos que utilizaron y el link para descargar la aplicación están en este enlace:


Y esto es lo que ocurrió:



Esperamos que os resulte interesante.

¿Nos vamos a la playa y que nuestro patrimonio lo gestionen los robots?

publicado a la‎(s)‎ 2 sept. 2018 3:07 por Raul Gomez   [ actualizado el 2 sept. 2018 3:23 ]

Ya estamos en septiembre y es momento de afrontar un nuevo curso, con las pilas cargadas y siempre con nuevos restos e ilusiones. Pero también es momento de hacer balance del verano que hemos disfrutado. En junio, en una conversación en uno de los congresos a los que hemos podido asistir, elucubrábamos con catedráticos de la URJC y de la Universidad de Sevilla sobre cómo será la vida tras la irrupción de los robots. ¿Veremos en el futuro que los que trabajarán serán los robots y las personas nos dedicaremos a otras cosas?

No sabemos cómo será la vida en el futuro, pero sí podemos ver que habría pasado este verano si nos hubiésemos ido a la playa tres meses y nuestro patrimonio lo hubiese gestionado un robot invirtiendo en largo o en corto sobre los principales índices mundiales y commodities. Podemos ver que una cartera formada por los sistemas big data de trading algorítmico de InvestMood con un rating Trading Motion de al menos 2 sobre 3 habría generado un rendimiento bruto durante estos últimos tres meses de 28.462 € a partir de unas garantías depositadas de 61.600 € (un ROI del 185% anualizado) y si consideramos el capital sugerido por trading Motion un ROI del 22% anualizado.


Desconocemos si los robots nos ayudarán en todos los ámbitos de nuestro día a día, pero parece ser que, al menos en nuestras inversiones, los robots van a ser de gran ayuda.

Estrategia Google Trends sobre el Bitcoin de InvestMood

publicado a la‎(s)‎ 1 jul. 2018 1:07 por Raul Gomez

La semana pasada publicábamos en nuestro blog una entrada en la que invitábamos a nuevos inversores a entrar en nuestro club de inversión con el objetivo de poder implementar estrategias de inversión basadas en nuestros sistemas big data de trading algorítmico Google Trends sobre Nasdaq, Dax y Oro. Además, el 18 de Marzo, publicamos una entrada sobre la potencia que tiene el sentimiento del inversor para predecir la evolución del precio del Bitcoin (BTC). ¿Y si unimos ambos enfoques?

Desde Febrero llevamos siguiendo en prospectivo (es decir, predecimos antes de conocer el dato) nuestros sistemas Google Trends BTC tanto de frecuencia semanal como mensual. Proponemos una estrategia de inversión en la cual nos ponemos semanalmente largos o cortos sobre el BTC cuando los modelos mensuales y semanales apunten en la misma dirección y nos quedamos fuera del mercado si la señales de ambos modelos no coinciden. El resultado teórico observado siguiendo esta estrategia utilizando CFDs con un apalancamiento x1, es de 9645 USD de beneficio bruto, con una tasa de acierto en las predicciones del 86% y un profit factor ce 16,7 veces. La evolución comparada el BTC con respecto al resultado teórico del sistema Google Trends Weekly BTC y el combinado el semanal y el mensual es el que vemos en este gráfico.



Después de 5 meses testando el sistema en prospectivo creo que es el momento de pasar a la acción. La invitación a unirse al club de inversión está abierta ¿Quién se anima?

Propuesta de estrategia de inversión Google Trends combinada

publicado a la‎(s)‎ 24 jun. 2018 7:49 por Raul Gomez   [ actualizado el 24 jun. 2018 7:50 ]

Los sistemas big data de trading algorítmico de InvestMood basados en Google Trends predicen una tendencia alcista o bajista del índice o commodity de referencia para el próximo mes o semana, a partir de modelos de inteligencia artificial que usan como predictores la actividad de búsquedas en Google de términos económicos y financieros relevantes. Hay algunas semanas que las señales a corto plazo no coinciden con las señales mensuales lo cual provoca que unos sistemas apunten hacia un lado y otros sistemas apunten en sentido contrario. ¿A cuál hacemos caso entonces?

Con un enfoque de analítica prescriptiva, hemos supuesto una estrategia de inversión que combine las señales de inversión mensuales con las semanales, de tal manera que sólo operaríamos cuando los modelos semanales y mensuales apunten en la misma dirección. Por lo tanto:
1.- Abriríamos posición (larga o corta) cuando los sistemas mensual y semanal apunten en la misma dirección.
2.-Mantendríamos la posición abierta hasta que tuviésemos una señal de sentido contrario en ambos modelos, cerrando la posición abierta y abriendo posición contraria.
3.- En el caso de que los modelos semanales y mensuales no coincidan, cerramos posición y permanecemos fuera del mercado.

Para la simulación hemos elegido los sistemas sobre el Nasdaq (NQ), Dax Mini (FDXM) y Oro (GC) (un índice americano, un índice europeo y un commodity) los sistemas más contratados por nuestros clientes en Trading Motion. El resultado de esta estrategia de inversión desde octubre de 2017, fecha en la que publicamos nuestros primeros sistemas Google Trends Weekly, utilizando un enfoque prospectivo, es un beneficio bruto de 21.926 € sobre unas garantías depositadas de 17.100 €, un 128% de rentabilidad (171% de ROI anualizado). La evolución de esta cartera sería la siguiente.



En el club de inversión no tenemos capital suficiente para afrontar esta estrategia, de momento sólo estamos invertidos en el sistema IA 6M Learning Ibex Mood que, tras los ajustes realizados, nos está premitiendo duplicar en lo que va de año pero nos gustaría tener más capital para diversificar nuestra inversión, siempre siguiendo exclusivamente sistemas de trading algorítmico. ¿Alguien se anima y se une al club? Visita nuestra página donde se describen los estatutos y la evolución del club y escríbemos.

El sentimiento del inversor como medida de la legitimidad empresarial

publicado a la‎(s)‎ 14 jun. 2018 3:20 por Raul Gomez   [ actualizado el 14 jun. 2018 21:59 ]

La editorial Springer, líder en publicaciones científicas sobre economía y finanzas ha incluido en su libro “Organizational Legitimacy, Challenges and Opportunities for Businesses and Institutions”, recientemente publicado, el capítulo “Explanation of the Relation Between Organizational Legitimacy and Firms’ Price” en el que han trabajado Raúl Gómez Martínez y Francisco Díez Martín, de la Universidad Rey Juan Carlos, y Loarre Andreu Pérez, de la Universidad de Oklahoma. Este capítulo se basa en los modelos de inteligencia artificial que usan los sistemas de trading “Investors’ Mood Daily Trend” para demostrar que el precio de las acciones de las empresas cotizadas aumenta cuando en los medios se habla bien de ellas y por tanto se consideran más legitimadas.

El resumen del capítulo es: "This research’s objective is to define what is the effect of organizational legitimacy on the price of a company’s stock. To meet the objective, researchers studied both stock index and legitimacy of Ibex 35 in 19 mass media, during a 15-month period. Natural language processing (NLP) was used to process data, which was modeled using Bayesian networks. Results show how the probability of increase of firm’s stock price depends on the legitimacy variation obtained by the firm the day before. Also, they highlight the importance of legitimacy management though mass media, principally social media and specialized media".


Aprovechar la volatilidad con el sentimiento del inversor

publicado a la‎(s)‎ 3 jun. 2018 0:45 por Raul Gomez

Las dos últimas semanas han sido bastantes convulsas, hemos visto como volvía la inestabilidad política en Italia, EEUU ha impuesto aranceles y en España hemos tenido cambio de gobierno con una moción de censura. Todo ello provoca incertidumbre que hace que sea complicado hacer hipótesis de cómo evolucionarán las empresas en el futuro y por tanto hacer una valoración precisa de las mismas utilizando los métodos de valoración de empresas dinámicos.

¿Cómo podemos aprovechar este contexto de incertidumbre? Los sistemas de trading que se basan en el sentimiento del inversor y no se fundamentan en el análisis fundamental o técnico son una herramienta muy potente en estos contextos. Nuestro sistema IA 6M Learning Ibex Mood utiliza como predictores el sentimiento de los inversores sobre el Ibex en los últimos 6 meses midiendo con algoritmos de procesamiento de lenguaje natural las noticias que mencionan al Ibex. En las últimas dos semanas de contexto convulso ha registrado una tasa de acierto del 75% y un profit factor de 3,8.


InvestMood RoboAdvisor

publicado a la‎(s)‎ 30 may. 2018 1:19 por Raul Gomez   [ actualizado el 31 may. 2018 1:51 ]

Son muchos los proyectos que tenemos en mente en InvestMood para conjugar la tecnología y la inteligencia artificial con los mercados financieros. Además de nuestros sistemas big data de trading algorítmico basados en modelos de inteligencia artificial sobre el sentimiento del inversor, pensamos que utilizando nuestras capacidades podríamos desarrollar un RoboAdvisor que aporte valor sobre los que ya hay en el mercado. Los RoboAdvisors actuales miden el perfil de riesgo del cliente con un cuestionario y asignan una cartera modelo predeterminada a cada nivel de riesgo resultante medido normalmente en una escala (por ejemplo del 1 al 9). Lo que nos hemos planteado en InvestMood son dos cuestiones:

1.- ¿Los cuestionarios habituales para medir el nivel de riesgo son totalmente eficientes o hay información sociocultural que puede ser relevante a la hora de medir el nivel de tolerancia al riesgo del inversor? ¿Seremos más tolerantes al riesgo los del Atelti que los del Madrid?

2.- ¿Sólo hay una cartera modelo válida para un nivel de riesgo dado (relación biyectiva) o podríamos asignar la cartera al cliente de una forma más eficiente?

En el estudio que hemos iniciado en el seno del M&BE Research de la Universidad Rey Juan Carlos con la colaboración de los alumnos de su Máster en Asesoramiento y Planificación Financiera, pretendemos crear un modelo de inteligencia artificial que asigne de forma eficiente la mejor cartera modelo al cliente, atendiendo a cada variable de su perfil personal, sin que este tenga que ser calificado en una escala del 1 al 9.

Si os gusta nuestra iniciativa, por favor ayudadnos completando el cuestionario que tenéis a continuación, no os llevará más de 2 minutos:

https://goo.gl/forms/mxRCsuWyQoD86sTC2


Por favor, difundidlo y muchas gracias.

Prof. Dr. Raúl Gómez Martínez

13th Annual Global Communication Association Conference

publicado a la‎(s)‎ 20 may. 2018 13:41 por Raul Gomez   [ actualizado el 30 may. 2018 1:21 ]

Esta semana nos hemos apartado un poquito del ámbito de las finanzas y hemos participado en la 13th Annual Global Communication Association Conference que se ha celebrado en Madrid los días 16, 17 y 18 de mayo. ¿Qué podemos aportar nosotros en una conferencia que propone los siguientes temas de discusión?
-    Problemas relacionados con la Convención de Populismo, Media, Política e Inmigración en una palabra Globalizada
-    Global media y metodologías de comunicación, teorías y perspectivas.
-    Global media y sus impactos en la opinión pública. ¿Ha cambiado la naturaleza de las elecciones presidenciales?
-    Problemas relacionados con los responsables de la política, corporativos ejecutivos, representantes de ONG's, y medios de comunicación.
-    Nueva comunicación tecnológica, el Internet y social media.
-    Población mundial, medio ambiente y comunicación intelectual.

Bien, así como nuestros sistemas de trading algorítmico, Google Trends, se basan en las estadísticas de búsquedas en Google de determinados términos económicos y financieros, las búsquedas en Google nos pueden ayudar a predecir otros eventos como por ejemplo el resultado de las elecciones.

Participamos en el congreso describiendo nuestro modelo publicado en 2014 en el artículo “La actividad de búsquedas en Google anticipa los resultados electorales” y cómo desde entonces ha cambiado el contexto político español con la irrupción nuevos partidos en escena. Mientras que antes de 2014 Google era una herramienta muy potente para predecir los resultados electorales, observamos que desde entonces comete errores sistemáticos, infra ponderando el voto de los partidos tradicionales (PP y PSOE) y sobre estimando el voto de los nuevos partidos (Podemos y Ciudadanos).

La naturaleza cambiante del entrono en el que nos movemos es la que provoca que constantemente evolucionemos nuestros sistemas aplicando técnicas de machine learning que optimicen nuestros modelos predictivos de inteligencia artificial.





1-10 of 24