Análisis de predictibilidad en activos financieros

Abstract

La presente investigación se centra en la aplicación del método denominado Linear Predictive Coding (LPC) en el ámbito del mercado financiero, específicamente a la predicción de precios de cierre de las acciones pertenecientes al índice S&P500. El objetivo principal de este estudio es explorar la predictibilidad de ciertos activos financieros utilizando este método, además de examinar su viabilidad y eficacia como herramienta predictiva dentro del contexto financiero. Se llevó a cabo una adaptación del método LPC, originalmente empleado para la estimación de señales de voz, con la finalidad de aplicarlo en la predicción de los precios de las acciones. Por otro lado, se recopilan datos históricos que abarcan un período de 12 años desde Agosto el 2010 hasta Agosto del 2022 y en estos se incluyen los precios diarios de cierre de las acciones S&P500 que pertenecen al mercado estadounidense. Una vez obtenidas las predicciones, estas se proceden a evaluar en tres diferentes métricas: Mean Absolute Error (MAE), Directional Accuracy (DA) métricas ampliamente utilizadas en la literatura y se propone una nueva métrica llamada Discriminante (DIS), la cual consta en la relación de las autocorrelaciónes entre la señal original y la predicha. Se otorgó mayor énfasis a la métrica DA, dado su comportamiento y relevancia, donde al predecir la dirección de los activos podría generar un mayor impacto a la hora de invertir dinero. Posteriormente, se realizaron simulaciones de trading, en base a las predicciones obtenidas, donde se observó que; aunque la métrica DA contribuye en términos generales a obtener mayores retornos, no es lo único que se debe considerar para maximizar las ganancias monetarias, debido a que se identificaron otros factores que pueden ser determinantes a la hora de invertir, como lo es su comportamiento a través del tiempo, es decir, su nivel de riesgo. La comparación con el modelo predictivo ARIMA (Autoregressive Integrated Moving Average) permitió demostrar la robustez del modelo LPC, debido a los similares resultados en las métricas, demostrando que mejoró MAE y DIS en comparación a LPC, pero no logró superarlo en DA, demostrando que se logró competir con ARIMA, a pesar de que este último sea una técnica mas compleja y mucho mas utilizada en este campo. En cuanto a robustez y confiabilidad de los resultados, cabe destacar que existe la posibilidad de replicar la técnica empleada en otras acciones, mercados y períodos de tiempo. Si bien no se llevaron a cabo nuevos experimentos en otros mercados, los hallazgos obtenidos indican que podrían aplicarse de forma similar en otros contextos. Asimismo, esta posibilidad se basa en la solidez de los resultados y el enfoque metodológico de la investigación. Asimismo, los resultados y sus respectivas conclusiones en esta investigación proporcionan valiosa información sobre la predictibilidad de las acciones del índice S&P500 utilizando el método LPC. Al identificar los factores determinantes que influyen en la predictibilidad de las acciones, se logró obtener una comprensión más profunda del comportamiento de mercado.