DSLab WNE UW

Cel projektu

Głównym celem tego projektu jest przetestowanie szeregu algorytmicznych strategii inwestycyjnychna danych o wysokiej częstotliwości wykorzystujących narzędzia uczenia maszynowego. Analizy zostaną przeprowadzone z wykorzystaniem danych dla najczęstszych par walutowych oraz kryptowalut począwszy od roku 2009.

Handel algorytmiczny oznacza automatyczną strategię inwestycyjną, która na podstawie monitorowanych w czasie rzeczywistym cen aktywów i obliczonych na ich podstawie różnorodnych wskaźników generuje sygnał kupna lub sprzedaży. Narzędzia statystyczne mogą być wykorzystane do identyfikacji inwestycja w jakie aktywa (pary czy ogólnie grupy aktywów) jest w danym momencie potencjalnie zyskowna albo do określenia, w którym dokładnie momencie i w jakiej skali powinna być wykonana transakcja kupna lub sprzedaży. Algorytmy mogą także określać optymalny w danym momencie sposób wykonania transakcji.

Handel algorytmiczny oznacza automatyczną strategię inwestycyjną, która na podstawie monitorowanych w czasie rzeczywistym cen aktywów i obliczonych na ich podstawie różnorodnych wskaźników generuje sygnał kupna lub sprzedaży.

Przed zaimplementowaniem algorytmicznej strategii inwestycyjnej należy ją przetestować na danych historycznych, walidując w wiarygodny sposób jej dochodowość, ryzyko inwestycji i stabilność zyskowności w czasie.

W analizach przetestowane zostaną różnorodne strategie inwestycyjne, wykorzystujące arbitraż statystyczny, w tym handel parami aktywów (ang. pair trading) oraz arbitraż związany z dostosowaniem cen aktywów po ogłoszeniu danych makroekonomicznych (ang. event arbitrage), na przykład danych o stopach procentowych czy inflacji w Unii Europejskiej i Stanach Zjednoczonych. Jako narzędzia statystyczne wykorzystane zostaną różnorodne algorytmy uczenia maszynowego, w tym analiza tekstu (ang. text mining).