Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/76151
Author(s): João Pedro Araújo Santos
Title: A Trading Agent Framework Using Plain Strategies & Machine Learning
Issue Date: 2014-07-08
Abstract: The world of online sports betting exchange (trading) is growing every day and with that people are trying to improve their trading by using automated trading. In analogy to the financial markets the buy and sell operations are replaced by betting for and against (Back and Lay).This thesis describes a framework to be used to develop automated trading agents at Betfair sports markets using a Java programming interface. Betfair processes more than five million transactions (such as placing a bet) every day which is more than all European stock exchanges combined. Betfair is available 24 hours a day 7 days a week. For this thesis were developed two trading agents, DealerAgent and HorseLayAgent, accordingly with the presented framework. The agents mentioned above act on To Win horse racing markets in United Kingdom. They use plain strategies together with machine learning methods to improve the profit/loss results. The developed agents were submitted to viability tests using data from Betfair To Win horse racing markets from January, February and March of 2014.
Description: O mundo das mercados de apostas desportivas (trading) está em constante crescimento e com isso as pessoas estão a tentar melhorar os resultados do seu trading usando agentes automáticos de trading. Em analogia com os mercados financeiros, as operações de compra e venda são substituídas por apostas a favor e contra (Back and Lay respetivamente).Esta tese descreve uma framework para ser usada no desenvolvimento de agentes automáticos de trading nos mercados da Betfair, utilizando uma interface de programação escrita em Java. A Betfair processa mais de cinco milhões de transações diárias (como fazer uma aposta) que representa mais do que todas as trocas feitas nas bolsas de ações Europeias combinadas. A Betfair está disponível 24 horas por dia, 7 dias por semana. Neste trabalho foram desenvolvidos dois agentes de trading, DealerAgent e HorseLayAgent, de acordo com a framework supra mencionada.Os agentes mencionados atuam nos mercados "Para Ganhar" em corridas de cavalos do Reino Unido. Usam estratégias planas em conjunto com métodos de machine learning para melhorar os seus resultados de lucro/perda. Os agentes desenvolvidos foram submetidos a testes de viabilidade usando dados dos mercados "Para Ganhar" de corridas de cavalos do mercado de apostas Betfair, de Janeiro, Fevereiro e Maço de 2014.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
Scientific areas: Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
TID identifier: 201308088
URI: https://repositorio-aberto.up.pt/handle/10216/76151
Document Type: Dissertação
Rights: openAccess
License: https://creativecommons.org/licenses/by-nc/4.0/
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
31395.pdfA Trading Agent Framework Using Plain Strategies & Machine Learning4.51 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons