Optimization of dynamic crypto portfolios via deep reinforcement learning against supervised learning under transaction costs
Este artículo demuestra que un enfoque de Aprendizaje por Refuerzo Profundo utilizando PPO supera significativamente a los modelos de aprendizaje supervisado como LSTM, Random Forest y XGBoost en la optimización de una cartera de criptomonedas dinámica bajo costos de transacción, logrando retornos ajustados al riesgo y neutralidad de mercado superiores al priorizar la eficiencia de negociación sobre la precisión direccional.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
El mundo de la moneda digital opera en una escala de movimiento que desafía la intuición financiera tradicional. A diferencia de los mercados relativamente estables de acciones o bonos, el panorama de las criptomonedas se define por una volatilidad extrema, donde los precios pueden oscilar salvajemente en un solo día y las reglas que rigen esos precios cambian sin previo aviso. Durante décadas, los inversores han confiado en modelos matemáticos diseñados para equilibrar el riesgo y la recompensa, pero estas herramientas clásicas a menudo fallan cuando se aplican a activos que no se comportan como bienes económicos normales. Estos modelos asumen que los patrones del mercado se repiten y que las relaciones entre diferentes activos permanecen constantes, suposiciones que se desmoronan en el caótico entorno de las finanzas digitales. Para navegar esta turbulencia, los investigadores han recurrido a la inteligencia artificial, con la esperanza de construir sistemas que puedan aprender del ruido en lugar de intentar predecir el futuro con una precisión perfecta. El desafío central no es solo encontrar una operación rentable, sino hacerlo sin perder dinero debido a los costos ocultos de la propia negociación, como las comisiones que merman las ganancias cada vez que se ajusta una cartera.
En un estudio reciente, un equipo de investigadores de universidades de Marruecos abordó este problema específico probando un nuevo enfoque para gestionar una cartera de diez de las principales criptomonedas. Se propusseron ver si un tipo de inteligencia artificial conocida como aprendizaje por refuerzo profundo podría superar a los métodos establecidos de aprendizaje automático que han sido el estándar durante años. Los investigadores crearon un entorno digital donde un agente artificial tenía que tomar decisiones diarias sobre cómo dividir su dinero entre diez monedas diferentes, incluyendo Bitcoin, Ethereum y otras, manteniendo también una parte en un activo seguro y de riesgo cero similar al efectivo. Crucialmente, cada vez que el agente decidía mover dinero de una moneda a otra, tenía que pagar una pequeña comisión, imitando el costo real de la negociación. El objetivo era ver qué método podía hacer crecer más el valor de la cartera mientras sobrevivía a las inevitables caídas del mercado y evitaba la trampa del exceso de operaciones.
El equipo comparó su nuevo enfoque contra tres modelos conocidos de aprendizaje supervisado, que funcionan intentando primero predecir el precio futuro de un activo y luego decidiendo qué comprar basándose en esa predicción. Estos modelos tradicionales incluían redes de Memoria a Largo Corto Plazo (LSTM), que son buenas recordando patrones pasados; Bosques Aleatorios (Random Forests), que utilizan muchos árboles de decisión para encontrar respuestas; y XGBoost, una herramienta poderosa para detectar relaciones complejas en los datos. Los investigadores descubrieron que estos métodos tradicionales tenían dificultades significativas cuando se introducían las comisiones de transacción. Debido a que estos modelos se centran en predecir la dirección exacta de un precio, incluso un error minúsculo en su predicción hacía que operaran con demasiada frecuencia. Este constante comprar y vender, impulsado por ligeros errores de cálculo, significaba que las comisiones consumían rápidamente cualquier ganancia potencial, dejando las carteras estancadas o incluso en números rojos. Uno de los modelos tradicionales incluso perdió dinero, al no poder cubrir el costo de las operaciones que realizó.
En contraste, el agente de aprendizaje por refuerzo profundo, que fue entrenado utilizando un método llamado Optimización de Política Próxima (PPO), adoptó un enfoque fundamentalmente diferente. En lugar de intentar adivinar el próximo precio, este agente aprendió directamente de las consecuencias de sus acciones. Se le recompensaba por ganar dinero, pero se le penalizaba fuertemente por mover su dinero innecesariamente. Esto le enseñó al agente una lección vital: era mejor mantenerse estable que operar a menos que la ganancia esperada fuera lo suficientemente grande como para justificar la comisión. Cuando el mercado se volvía peligroso, este agente aprendía a retirarse hacia su posición segura de efectivo, protegiendo su capital de las peores caídas. Cuando el mercado estaba tranquilo, permanecía invertido para capturar el crecimiento. Esta estrategia le permitió navegar el periodo volátil de 2021 a 2024 con una eficiencia notable.
Los resultados del experimento fueron contundentes. El agente de aprendizaje por refuerzo profundo logró un rendimiento anual del 37.22 por ciento, superando ampliamente a los otros métodos. Mientras que los modelos tradicionales lograron rendimientos que variaban desde un modesto 6.75 por ciento hasta un -1.48 por ciento negativo, el nuevo agente no solo hizo crecer la cartera, sino que también gestionó el riesgo de manera efectiva. Sufrió una pérdida máxima del 28.74 por ciento durante las peores caídas del mercado, lo cual fue menos severo que las pérdidas experimentadas por las otras estrategias. Quizás lo más importante es que el agente demostró ser neutral respecto al mercado, lo que significa que su éxito no dependía de si el mercado general subía o bajaba. Generó un valor específico conocido como alfa, que representa la habilidad de la estrategia en sí misma, independiente de la tendencia general del mercado. Los modelos tradicionales, en comparación, estaban fuertamente ligados a la dirección del mercado y no lograron generar este valor extra, a menudo destruyendo la riqueza en lugar de crearla.
Este estudio sugiere que el futuro de la gestión de activos digitales volátiles puede residir en sistemas que comprendan el costo de la acción, no solo la promesa de la recompensa. Al integrar la realidad de las comisiones de transacción directamente en el proceso de aprendizaje, los investigadores crearon un agente que se comporta más como un inversor humano prudente que como una máquina reactiva. Aprendió que la paciencia y la disciplina son a menudo más rentables que la actividad constante. Si bien el estudio se realizó utilizando datos históricos y simulaciones, los hallazgos ofrecen un argumento convincente para alejarse de los simples modelos de predicción hacia sistemas que optimicen la experiencia completa de negociación, incluyendo la fricción del propio mercado. El éxito de este enfoque resalta que, en un mundo financiero caótico, la capacidad de saber cuándo no operar es tan valiosa como saber cuándo comprar.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.