Aprendizaje automático en predicción de series financieras : caso argentino

Abstract

La predicción sobre el futuro de los precios en los mercados financieros ha sido siempre una tarea de gran interés por su potencialidad en cuanto a las recompensas monetarias que podrían obtenerse y por los desafíos que implica en el mundo de la estadística y la matemática. El presente trabajo de graduación utiliza las series de precios de 16 activos del mercado argentino y se propone entrenar un algoritmo de aprendizaje automático denominado maquinas de vectores de soporte o SVM por sus siglas en ingles. Seguidamente, haciendo uso de las señales del algoritmo se elabora una estrategia de compra y venta de activos que conforman distintos porfolios que se evalúan contra un índice de referencia, en este caso el MERVAL 25. Los resultados arrojan la posibilidad de elaborar una estrategia superadora en términos de retornos al índice de referencia. Sin embargo, se destaca la incidencia negativa que tiene este tipo de estrategias respecto a los costos de transacción y al aumento de la volatilidad que se deriva de la predicción de los diferentes precios. La evaluación de los portafolios se realiza mediante las ratios de Información y de Sharpe.