| dc.description.abstract | La predicción de los precios y la dirección del movimiento de las acciones ha sido
un tópico interesante para entes de diferente formación tales como finanzas, economía,
estadísticas, data science, inversionistas institucionales e inversionistas retailers. En
Estados Unidos ya a contar del año 2012, el 85 % de las operaciones se ejecutaban a través
de algoritmos computacionales.
Esta investigación propone la utilización de nuevas arquitecturas de redes
neuronales empleando LSTM (Long Short Term Memory) para el modelamiento de los
precios y retornos de las acciones del IPSA. Estos resultados son comparados con modelos
tradicionalmente utilizados en la literatura, a saber, ARIMA (Autoregressive integrated
moving average) y MLP (Multilayer perceptron).
La aplicación se lleva a cabo en acciones pertenecientes al IPSA durante el periodo
2010-2021, y los modelos son comparados tanto en la predicción del signo de la variación
de precio usando la métrica DA (directional accuracy) como través de la métrica de RMSE
(Root Mean Square Error). Finalmente, los modelos son evaluados en su capacidad de
generar rentabilidad al seguir diferentes estrategias de inversión. Para lo anterior se realiza
un backtesting en el periodo del 2019 -2021
Con respecto a la capacidad de acierto (directional accuracy) de los modelos, en el
70% de las acciones modeladas se logra imponer la arquitectura LSTM, en un 20% el
modelo ARIMA, y en el restante el modelo MLP. La acción con mayor capacidad de
acierto (directional accuracy) corresponde a la acción SMU que logró la mayor capacidad
de predicción con un 59.7% y 58.8% de modelo de precios y modelo de retornos,
respectivamente.
A pesar de la destacada capacidad de acierto de los modelos, en términos del
RMSE, en un 80% de las acciones la arquitectura de LSTM no logra mejores predicciones
estadísticamente significativas que el modelo ARIMA de acuerdo con el test
Diebold-Mariano. Incluso, el modelo ARIMA alcanza mejores predicciones
estadísticamente significativas en un 20% de las acciones.
Al realizar simulación de trading y backtesting, y a pesar de que los modelos
obtenidos son inferiores en capacidad predictiva a los mejores modelos de la literatura
(capacidad predictiva por sobre el 80%), se obtiene en que todas las acciones superan en
rentabilidad a su propia estrategia buy-hold, y además superan la estrategia buy-hold del
IPSA. | |
