Modelando la dirección del precio y retornos de las acciones chilenas usando redes neuronales recurrentes - LSTM

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.