Uso de técnicas de agrupamiento para mejorar el pronóstico de rentabilidad de las acciones

Artículo  -  Miércoles, 2 de agosto de 2023

Vásquez Sáenz, J., Quiroga, F.M., & Bariviera, A.F. (2023): "Data vs. information: Using clustering techniques to enhance stock returns forecasting", International Review of Financial Analysis

Este estudio muestra que los modelos de agrupación pueden ayudar a los inversores a predecir los precios de las acciones y aumentar los rendimientos de sus algoritmos de negociación.

Usamos un método llamado agrupación de k-medias (con diversas métricas de distancia) para agrupar acciones en función de sus índices financieros trimestrales, precios y rendimientos diarios. Luego se entrenaron modelos de predicción para cada grupo utilizando dos algoritmos diferentes, ARIMA y LSTM, para predecir el precio diario de las acciones.

El estudio encontró que los modelos LSTM superaron tanto a ARIMA como a los modelos de referencia, proporcionando rendimientos de inversión positivos en varios escenarios. El uso de métodos de agrupamiento mejoró la precisión del pronóstico al seleccionar datos relevantes durante la etapa de preprocesamiento. Curiosamente, el uso de información de la muestra completa de acciones disminuyó la capacidad de predicción de los modelos LSTM. Estos hallazgos sugieren que los modelos de agrupamiento pueden ser una herramienta valiosa para inversores a fin de predecir los precios de las acciones y mejorar sus rendimientos.

Subir