Estrategias de inversión en bolsa basadas en la detección de patrones mediante análisis técnico

Abstract

Este trabajo de fin de grado se centra en el desarrollo de un programa de detección de patrones chartistas en bolsa basado en análisis técnico. Todo esto se hace con el objetivo de brindar a los inversores una herramienta eficiente y dar precisión para la toma de decisiones en el mercado financiero. El análisis técnico se fundamenta en el estudio del comportamiento pasado de los precios de las acciones, buscando patrones repetitivos que puedan ofrecer indicios sobre futuros movimientos del mercado. Está herramienta hace uso del algoritmo Dynamic Time Warping para comparar series temporales entre sí, y tratar de detectar patrones. Tras encontrar patrones con una distancia suficientemente cercana a los patrones predefinidos, estos son revisados para comprobar si efectivamente se parecen al patrón que se intenta identificar. Una vez identificados los patrones, se comprobarán cuantos patrones se cumplen, frente a cuantos no se cumplen, dando como resultado el porcentaje de cumplimiento de cada patrón.

This bachelor’s thesis focuses on the development of a program for detecting chartist patterns in the stock market based on technical analysis. All this is done with the aim of providing investors with an efficient tool and precision for decision-making in the financial market. This final degree project focuses on the development of a program for detecting chartist patterns in the stock market based on technical analysis. All this is done with the aim of providing investors with an efficient tool and precision for decision-making in the f inancial market The technical analysis is based on the study of the past behavior of the prices of the actions, looking for repetitive patterns that can offer indications about future movements of the market. This tool makes use of the Dynamic Time Warping algorithm to compare time series with each other, and try to detect patterns. After finding patterns with a sufficiently close distance to the predefined patterns, these are reviewed to see if they actually resemble the pattern that is trying to be identified. Once the patterns have been identified, it will be checked how many patterns are met, versus how many are not met, resulting in the percentage of compliance of each pattern.