Aplicación de deep learning para predicción de índices bursátiles extranjeros usando modelos multivariados recurrentes y convolucionales con mecanismos de atención

Abstract

Este trabajo aplica deep learning, o modelos de redes neuronales profundas, para predecir los precios/retornos y la dirección del movimiento de índices financieros ETF (exchange trade fund) de los fondos de inversión BlackRock, Vanguard, Invesco y State Street, transados entre los años 1993 y 2023 en la Bolsa de Comercio NYSE (new york stock exchange). La aplicación combina modelos de redes neuronales convolucionales ConvNet (convolutional neural network), y redes recurrentes (recurrent neural network), entre las que se incluyen de memoria de largo y corto plazo LSTM (long short term memory), GRUs (gated recurrent units) y Bi-direccionales Bi-LSTM y Bi-GRU (bidirectional networks) con y sin mecanismos de atención del tipo Luong, Badahnau, Soft Attention y MultiHead Attention. Los modelos univariados y multivariados se evalúan mediante métricas clásicas de error MSE (mean square error), RMSE (root mean square error), MAE (mean absolute error), MAPE (mean absolute percentage error) y MDAPE (median absolute percentage error), junto con la métrica de dirección DA (directional accuracy), y se comparan con los modelos benchmark correspondientes a ARIMA (autoregressive-integrated moving average), MLP (multilayer perceptron) y ARIMAX (ARIMA-eXogenous). Finalmente, a los modelos Top10 con mejores métricas se les aplica un proceso de optimización de hiper-parámetros utilizando las librerías AutoKeras y SciKeras, además de re-estimarlos consecutivamente en ventanas deslizantes o rolling windows. Finalmente, los mejores modelos son evaluados en su capacidad de generar rentabilidad y en su relación de riesgo-retorno al seguir diferentes estrategias de trading realizando una simulación del tipo backtesting. El presente trabajo supera el state-of-art de la literatura en relación a las métricas clásicas de error predicción. En específico, en la predicción de precios del ETF Vanguard (VTI) el modelo univariado Bi-GRU con atención Luong(dot-product) obtuvo MAE 0,0013302, MSE 2,681E-06, RMSE 0,0014958 y MAPE 0,01188 (1,188%)