Algoritmos genéticos versus filtro del Kalman en la predicción de acciones e índices norteamericanos

Abstract

Utilizando valores de cierres semanales, correspondientes al período comprendido entre el 28 de Agosto de 2000 al 14 de Agosto de 2006, se analiza la eficiencia de modelos multivariables dinámicos, optimizados por algoritmos genéticos y filtro de kalman, para predecir el signo de las variaciones semanales en la cotización bursátil de GE, GM, IBM, UTX, VZ, DJI e IPC. Los resultados fueron comparados con los de un modelo AR(1) y de un modelo multivariable ARIMAX(2,2,2). Los mejores modelos producidos por el algoritmo genético arrojaron un porcentaje de predicción de signo (PPS), para un conjunto extramuestral de 52 datos semanales, de un 77%, 71%, 81%, 75%, 75%, 81% y 77%, para las acciones GE, GM, IBM, UTX, VZ, DJI e IPC, respectivamente. La capacidad predictiva resultó significativa en cada una de las acciones, de acuerdo al test de acierto direccional de Pesaran & Timmerman (1992). Al analizar el PPS de los modelos de filtro de kalman, se encontró que estos fueron menores, resultando significativos en el caso de GE, GM, IBM, UTX y DJI. Por otro lado, el PPS de los modelos AR(1), se encontró que estos fueron no significativos para todas las acciones en estudio. Los modelos multivariables ARIMAX(2,2,2) registraron un PPS más alto que, los de filtro de kalman para el caso de UTX e IPC, siendo el primero no significativo. Además, los modelos construidos por el algoritmo genético generaron en promedio el mayor retorno acumulado corregido por riesgo, medido por los índices de Sharpe y Treynor, a excepción de GM e IPC, donde la rentabilidad más alta fue registrada por el modelo de filtro de kalman. Los resultados se confirman en las series generadas a través de un proceso bootstrap. De esta manera, se presenta evidencia de que, para el caso norteamericano, los modelos de algoritmos genéticos pueden predecir el cambio direccional del precio, junto con generar mayores retornos que un modelo ingenuo y una estrategia buy & hold. Lo anterior apoya las conclusiones del estudio de Leung, Daouk y Chen (2000), según el cual la predicción de la dirección del movimiento puede arrojar mayores ganancias de capital que la proyección del valor de cierre.