15 artículos
Este artículo presenta un método de aprendizaje por conjuntos basado en regresión de procesos gaussianos que, al reducir la complejidad computacional y aprovechar la naturaleza bayesiana para gestionar la incertidumbre, supera estadística y económicamente a los modelos existentes en la predicción de rendimientos accionarios y en la construcción de carteras óptimas.
Este trabajo propone un nuevo paradigma de fusión de modelos llamado Análisis de Fusión Combinatoria (CFA) para predecir el precio de Bitcoin, logrando un rendimiento superior al de los modelos individuales y otros métodos existentes con un error porcentual absoluto medio (MAPE) de 0,19%.
Este estudio evalúa el impacto del análisis de sentimiento de noticias basado en LLMs (DeBERTa, RoBERTa y FinBERT) en la predicción de movimientos del precio de las acciones, demostrando que DeBERTa supera a los otros modelos individuales y que un enfoque de ensamble alcanza una precisión del 80%, mejorando ligeramente el rendimiento de diversos arquitecturas de predicción.
Este artículo propone un modelo híbrido de Markov oculto que combina estados de mercado discretos definidos por cuantiles Laplace con un mecanismo de saltos de Poisson para generar series temporales financieras sintéticas que superan a los modelos existentes al preservar simultáneamente distribuciones de colas pesadas, agrupación de volatilidad y estructuras temporales realistas.
Este artículo propone un nuevo marco ARCH a nivel de operador para datos en espacios de Hilbert que modela la evolución completa del operador de covarianza condicional, estableciendo condiciones de estacionariedad, derivando estimadores consistentes y validando su utilidad mediante simulaciones y una aplicación a retornos intradía de alta frecuencia.
Este artículo presenta un marco integrado que combina una arquitectura de transformador de nodos con análisis de sentimientos basado en BERT para predecir precios de acciones, logrando una mayor precisión y robustez en comparación con modelos tradicionales al capturar dependencias cruzadas y factores de mercado no cuantitativos.
Este estudio demuestra que la predicción de los rendimientos semanales de los futuros de petróleo crudo WTI mejora significativamente al utilizar señales de sentimiento multidimensionales (más allá de la simple polaridad) extraídas por modelos de lenguaje grande como GPT-4o, las cuales complementan eficazmente a los modelos financieros tradicionales.
Este estudio aplica un marco de teoría de la información para analizar los primeros 100 días del segundo mandato de Donald Trump en 2025, demostrando que la entropía y la entropía acumulada deslizante capturan eficazmente la diversidad de resultados y los eventos extremos en los mercados globales, revelando un impacto de las políticas concentradas que es a corto plazo acoplado globalmente pero modulado regionalmente.
Este artículo aborda la medición de la temperatura en sistemas de agentes más allá de las aplicaciones de mercados de capital, estableciendo una ecuación de medición y un concepto básico para sistemas con dos opciones de decisión en un entorno de noticias, e ilustra su utilidad mediante un ejemplo que incluye una estrategia para influir en la opinión promedio en subsistemas competitivos.
El artículo propone que la asimetría en los rendimientos bursátiles surge de la ruptura de simetría en la volatilidad estocástica de las ganancias y pérdidas, y demuestra que una distribución t sesgada modificada de Jones-Faddy puede modelar eficazmente esta dinámica y sus colas utilizando datos diarios del S&P 500.
El artículo presenta EDINET-Bench, un nuevo benchmark de código abierto basado en informes financieros japoneses que revela que, a pesar de sus avances en otros campos, los modelos de lenguaje actuales apenas superan a métodos estadísticos simples en tareas financieras complejas, lo que subraya la necesidad de marcos de evaluación más sofisticados que simulen el entorno profesional real.
Este artículo presenta el pronóstico de jerarquía temporal (THieF) para predecir los precios de la electricidad al día siguiente, demostrando que la reconciliación de pronósticos de productos horarios y bloques mejora la precisión hasta en un 13% en los mercados alemán y español, independientemente del modelo utilizado.
Este artículo presenta un marco paramétrico robusto basado en el estimador de mínima divergencia de densidad de potencia (MDPDE) para la detección y clasificación consistente de saltos en procesos de difusión CIR y CKLS observados a alta frecuencia, aprovechando la separación asintótica entre las componentes de difusión y salto para establecer un umbral de detección válido y minimizar las falsas alarmas.
Este artículo propone un marco práctico para el análisis de valores extremos en sistemas multivariados, finitos y correlacionados, que mediante la rotación de series temporales financieras a su base de autovectores y el uso del enfoque de picos sobre umbral, permite estimar riesgos de cola no estacionarios a nivel de mercado y sectorial sin necesidad de analizar máximos de bloques.
Este artículo propone una estrategia de optimización de carteras de criptomonedas que integra indicadores técnicos y análisis de sentimiento para mejorar la gestión de riesgos y superar a las estrategias tradicionales, aunque advierte sobre la necesidad de reforzar los componentes de control de riesgo ante periodos de alta volatilidad.