Resumen de Paper: Aprendizaje adaptativo en series de tiempo: método y aplicaciones financieras

Resumen de Paper: Aprendizaje adaptativo en series de tiempo: método y aplicaciones financieras

[Parley Rougu Yang et al., (2021), doi=https://arxiv.org/abs/2110.11156]

Se introduce formalmente un método de aprendizaje estadístico de series de tiempo, llamado Aprendizaje Adaptativo, capaz de manejar la selección del modelo, el pronóstico e interpretación fuera de la muestra en un ambiente ruidoso. 

A través de estudios de simulación, se demostró que el método puede superar a las técnicas tradicionales de selección de modelos, como AIC y BIC, en presencia de cambio de régimen, además de facilitar la determinación del tamaño de la ventana cuando el proceso de generación de datos varía en el tiempo.

Empíricamente, se usó el método para pronosticar los rendimientos del S&P 500 en múltiples horizontes de pronóstico, aplicando la información de la curva VIX y la curva de rendimiento. 

Donde se halló que los modelos de aprendizaje adaptativo están generalmente a la par, si no mejores, que los modelos paramétricos a posteriori, evaluados en términos de MSE, mientras que también superan en la validación cruzada.

Finalmente, se presentó una aplicación financiera de los resultados del aprendizaje y una interpretación del régimen de aprendizaje durante la caída del mercado del 2020.

Este tipo de estudios pueden extenderse tanto en una dirección estadística como en términos de aplicaciones financieras.