🤖 machine learning

FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting

Este artículo presenta FinTSB, un punto de referencia integral y práctico para la previsión de series temporales financieras diseñado para superar las limitaciones de evaluación existentes al abordar las brechas de diversidad de datos, estandarizar los protocolos de evaluación e incorporar restricciones del mercado real para permitir una comparación y selección de modelos más fiables.

Autores originales: Yifan Hu, Yuante Li, Peiyuan Liu, Yuxia Zhu, Naiqi Li, Tao Dai, Shu-tao Xia, Dawei Cheng, Changjun Jiang

Publicado 2026-05-12

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yifan Hu, Yuante Li, Peiyuan Liu, Yuxia Zhu, Naiqi Li, Tao Dai, Shu-tao Xia, Dawei Cheng, Changjun Jiang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando enseñar a un robot a ser un trader de acciones exitoso. Quieres ver si el robot puede predecir qué acciones subirán o bajarán mañana.

Durante mucho tiempo, los investigadores han estado construyendo diferentes "cerebros" (algoritmos) para estos robots, que van desde fórmulas matemáticas simples hasta Inteligencia Artificial compleja. Sin embargo, había un gran problema: nadie acordaba cómo probarlos.

Era como tener un montón de coches diferentes (los modelos de IA) y probarlos en pistas diferentes (conjuntos de datos) con reglas diferentes. Un equipo probó su coche en una autopista lisa, otro en un camino de tierra lleno de baches, y todos afirmaron que su coche era el "más rápido". Como las pruebas eran diferentes, no podías decir realmente qué coche era realmente el mejor.

Este artículo presenta FinTSB, una nueva "Escuela de Conducción" y "Pista de Pruebas" superjusta, específicamente para la previsión de series temporales financieras. Así es como funciona, usando analogías simples:

1. El Problema: Las "Tres Fugas" en las Pruebas Antiguas

Los autores dicen que los métodos de prueba antiguos tenían tres grandes agujeros (fugas) que permitían que pasaran resultados deficientes:

La Brecha de Diversidad (El Problema del "Un Solo Clima"): Las pruebas antiguas a menudo solo utilizaban datos de unos pocos años o de un solo tipo de mercado (como un día tranquilo y soleado). Pero los mercados reales tienen tormentas, huracanes y repentinas ventiscas. Si solo entrenas a tu robot en días soleados, se estrellará cuando llegue una tormenta.
El Déficit de Estandarización (El Problema de las "Reglas Diferentes"): Todos usaban herramientas de medición diferentes. Un equipo medía la velocidad en millas por hora, otro en kilómetros y otro por cuánto combustible ahorraban. No podías comparar los resultados de manera justa.
La Discrepancia con el Mundo Real (El Problema del "Videojuego"): Muchas pruebas ignoraban las reglas de la vida real. Olvidaban las comisiones de transacción (como el dinero para la gasolina), los límites de negociación (como los baches) o el hecho de que no siempre puedes vender una acción instantáneamente. Era como jugar un videojuego donde nunca te quedas sin combustible ni chocas contra un muro, haciendo que el robot pareciera perfecto cuando en realidad fallaría en el mundo real.

2. La Solución: La "Super-Pista" FinTSB

Para solucionar esto, los autores construyeron FinTSB, una referencia integral. Piensa en ello como un enorme circuito de conducción multipropósito.

Las Cuatro Zonas de "Clima": En lugar de una sola pista, FinTSB divide el mercado en cuatro "patrones climáticos" distintos basados en cómo se mueven las acciones:
1. Tendencias Alcistas: El mercado está subiendo (una autopista lisa).
2. Tendencias Bajistas: El mercado está bajando (una pendiente pronunciada hacia abajo).
3. Volatilidad: El mercado está saltando arriba y abajo salvajemente (un camino de tierra lleno de baches).
4. Eventos Cisne Negro: Caídas o picos repentinos y extremos (un tornado).
  Los investigadores tomaron 15 años de datos reales de acciones, los cortaron y los clasificaron en estas cuatro categorías para asegurar que los robots se prueben en todo, no solo en lo fácil.
El "Reglamento" Unificado: FinTSB obliga a cada robot a jugar con exactamente las mismas reglas.
- La Canalización: Construyeron un sistema "ligero" (como una línea de montaje estandarizada) donde solo conectas tu robot y ejecuta las mismas pruebas automáticamente. Ya no hay que manipular configuraciones diferentes.
- Las Métricas: Miden el rendimiento de tres maneras:
  1. Clasificación: ¿Adivinó correctamente el robot qué acciones eran las mejores?
  2. Cartera: Si realmente compraras las acciones que eligió el robot, ¿ganarías dinero? (Esto incluye calcular comisiones y riesgos).
  3. Error: ¿Qué tan cerca estuvo la suposición del robot del número real?
La Simulación del "Mundo Real": El sistema añade fricción del mundo real. Cobra una pequeña comisión por cada operación (costos de transacción) y respeta reglas como los "límites de subida" (donde una acción no puede subir más de cierta cantidad en un día). Esto asegura que el robot no sea solo bueno en matemáticas, sino bueno en negociar.

3. Los Resultados: ¿Quién Ganó la Carrera?

Los autores probaron docenas de diferentes "cerebros" (desde modelos matemáticos simples hasta enormes modelos de IA) en esta nueva pista.

No Hay Un Único Ganador: Al igual que en los deportes, no hubo un robot que ganara cada evento. Algunos fueron geniales en mercados tranquilos, otros en mercados volátiles.
La Sorpresa de la IA: Descubrieron que los modelos de IA más grandes y complejos (Modelos de Lenguaje Grandes) no ganaron automáticamente. De hecho, a veces empeoraban a medida que crecían, hasta alcanzar un cierto "tamaño crítico" donde de repente mejoraron mucho. Parece que estos modelos masivos necesitan mucha "potencia cerebral" para desenredar el ruido desordenado del mercado de valores.
La Magia del "Zero-Shot": El hallazgo más emocionante fue que los robots entrenados en esta diversa pista FinTSB podían ser introducidos en un mercado completamente nuevo (el mercado de acciones chino de 2024) sin ningún entrenamiento adicional, y aún así funcionaban muy bien. Esto demuestra que la pista les enseñó a conducir en cualquier clima, no solo en el clima específico en el que practicaron.

Resumen

FinTSB es un nuevo campo de pruebas justo y realista para la IA de selección de acciones. Evita que los investigadores elijan datos fáciles, les obliga a usar las mismas reglas de medición y asegura que los robots tengan en cuenta los costos del mundo real como las comisiones y los límites de negociación. Es la primera vez que la comunidad de IA financiera tiene unas "Olimpiadas" estándar para ver realmente qué modelos están listos para el mundo real.

Resumen Técnico: FinTSB: Un Benchmark Exhaustivo y Práctico para la Predicción de Series Temporales Financieras

1. Declaración del Problema

La Predicción de Series Temporales Financieras (FinTSF) es un dominio crítico en las finanzas cuantitativas, sin embargo, el campo sufre tres limitaciones sistémicas que obstaculizan la evaluación fiable y el despliegue práctico de los modelos de predicción:

Brecha de Diversidad: Los conjuntos de datos de evaluación existentes a menudo no capturan el espectro completo de patrones de movimiento de las acciones (por ejemplo, tendencias alcistas, tendencias bajistas, volatilidad y eventos cisne negro) o cubren rangos temporales insuficientes. Esto conduce a modelos que carecen de capacidades de generalización cuando se enfrentan a regímenes de mercado no vistos. Además, muchos estudios se centran en mercados individuales, ignorando las diferencias estructurales distintas entre mercados (por ejemplo, la alta participación minorista en las acciones A chinas frente a la mezcla institucional en EE. UU.).
Déficit de Estandarización: Existe una falta de protocolos de evaluación unificados. Las discrepancias en las métricas de evaluación (clasificación vs. cartera vs. error) y la ausencia de una tubería estandarizada y fácil de usar hacen que las comparaciones de rendimiento entre estudios sean inválidas. Volver a ejecutar modelos del Estado del Arte (SOTA) en configuraciones propietarias suele ser laborioso y propenso a sesgos.
Desajuste con la Realidad: Muchas evaluaciones ignoran restricciones críticas del mercado, como las comisiones de transacción, las restricciones de venta en corto (por ejemplo, en las acciones A chinas) y las suspensiones de negociación (límites de subida). Esto resulta en métricas de rendimiento infladas que no se traducen en rentabilidad real en entornos de negociación en vivo.

2. Metodología: El Marco FinTSB

Para abordar estas limitaciones, los autores proponen FinTSB, un benchmark exhaustivo y práctico diseñado para estandarizar la evaluación y alinearse con las condiciones de negociación del mundo real.

2.1 Construcción del Conjunto de Datos y Tokenización

Fuente de Datos: El benchmark utiliza 15 años de datos históricos de acciones de múltiples mercados financieros.
Categorización de Patrones: Los datos se segmentan en períodos de 250 días no superpuestos. Basándose en las tasas de cambio diario ( $\delta$ $δ$ ), las acciones se categorizan en cuatro patrones de movimiento distintos:
1. Tendencias Alcistas: Alta frecuencia de rendimientos positivos.
2. Tendencias Bajistas: Alta frecuencia de rendimientos negativos.
3. Volatilidad: Fluctuaciones frecuentes sin una tendencia direccional clara.
4. Eventos Cisne Negro (Extremos): Fluctuaciones de precios significativas y bruscas.
Estrategia de Selección: Para cada patrón, se seleccionan las 300 acciones principales (por tasa de cambio positiva para tendencias alcistas, las 300 inferiores para tendencias bajistas, y las restantes para volatilidad). Los valores atípicos extremos se clasifican por separado.
Preprocesamiento: La información sensible se tokeniza (anonimiza). La normalización se realiza en la dimensión de la acción para cada día de negociación para prevenir la fuga de información futura.
Estructura: El benchmark final consta de 20 conjuntos de datos (5 por patrón), cada uno conteniendo 300 acciones durante 250 días, divididos en conjuntos de entrenamiento/validación/prueba (7:1:2).

2.2 Análisis de Características de la Secuencia

FinTSB evalúa la calidad de los datos y las propiedades intrínsecas utilizando cuatro características de secuencia:

Patrones de Movimiento: Definidos por la frecuencia de rendimientos positivos/negativos y la magnitud de la fluctuación.
No Estacionariedad: Medida mediante la prueba de Dickey-Fuller Aumentada (ADF) para confirmar la presencia de raíces unitarias, típicas en datos financieros.
Autocorrelación: Mide la influencia de los precios pasados en el comportamiento futuro.
Previsibilidad: Evaluada utilizando propiedades del dominio de la frecuencia (entropía) para determinar la predictibilidad teórica de una serie.

2.3 Tubería de Evaluación Unificada

FinTSB introduce una tubería ligera y fácil de usar que consta de cuatro capas:

Capa de Datos: Gestiona la tokenización, la normalización y la carga dinámica de datos para patrones de movimiento específicos.
Capa de Entrenamiento: Integra modelos de seis arquitecturas base:
- Estrategias Clásicas (por ejemplo, CSM, BLSW)
- Aprendizaje Automático (por ejemplo, XGBoost, LightGBM, ARIMA)
- Aprendizaje Profundo (por ejemplo, LSTM, Transformer, Mamba, GNNs)
- Aprendizaje por Refuerzo (por ejemplo, PPO, DDPG)
- Modelos Generativos (por ejemplo, Difusión, VAEs)
- Métodos Basados en LLM (por ejemplo, TimeMoe, Chronos)
Capa de Backtesting: Simula la negociación del mundo real utilizando estrategias Top-K-Drop. Esta estrategia retiene las acciones de mejor rendimiento y solo reemplaza a las de bajo rendimiento, reduciendo la rotación. Crucialmente, incorpora comisiones de transacción (0.1%) y respeta las restricciones del mercado (por ejemplo, sin venta en corto en contextos específicos).
Capa de Retroalimentación: Archiva registros y proporciona herramientas de visualización para el seguimiento del rendimiento.

2.4 Métricas de Evaluación

El benchmark emplea 11 métricas en tres dimensiones para asegurar una evaluación holística:

Métricas de Clasificación: Coeficiente de Información (IC), Ratio de Información IC (ICIR), RankIC y RankICIR. Estas miden la alineación entre las puntuaciones predichas y los rendimientos reales.
Métricas Basadas en Cartera: Ratio de Rendimiento Anualizado (ARR), Volatilidad Anualizada (AVol), Máxima Caída (MDD), Ratio de Sharpe Anualizado (ASR) y Ratio de Información (IR). Estas evalúan la rentabilidad y los rendimientos ajustados al riesgo.
Métricas de Error: Error Cuadrático Medio (MSE) y Error Absoluto Medio (MAE). Los autores señalan que un error menor no garantiza la rentabilidad, pero se incluye por completitud.

3. Contribuciones Clave

El artículo describe cuatro contribuciones principales:

Inclusión de Diversidad: La creación de FinTSB, que tokeniza y preprocesa datos históricos para capturar todos los patrones de movimiento principales a través de mercados diversos, abordando la brecha de diversidad.
Consistencia de Estandarización: La propuesta de un marco de evaluación unificado que cubre métricas de clasificación, cartera y error, permitiendo comparaciones justas y reproducibles.
Alineación con la Realidad: El diseño de estrategias de inversión que se adhieren estrictamente a las restricciones del mercado (comisiones, suspensiones de negociación, reglas de venta en corto), cerrando la brecha entre las métricas teóricas y la aplicabilidad práctica.
Evaluación en Profundidad: Una evaluación exhaustiva de una amplia gama de métodos FinTSF, proporcionando insights críticos sobre el rendimiento del modelo bajo condiciones de mercado variables.

4. Resultados Experimentales

Se realizaron experimentos extensos en FinTSB utilizando la tubería unificada:

Heterogeneidad del Rendimiento: Ningún método único logró el mejor rendimiento en las tres dimensiones de métricas. Existe una heterogeneidad significativa incluso dentro de la misma categoría base, lo que sugiere que capturar dependencias temporales y relaciones transversales es altamente dependiente del método.
Rendimiento de LLM: Los métodos basados en LLM exhibieron un patrón de escalado "paradójico". El rendimiento inicialmente se deterioró con la escalada del modelo, pero mostró una mejora marcada a escalas mayores (por ejemplo, Chronos-boltBase). Esto sugiere que las capacidades de series temporales financieras pueden emerger solo más allá de umbrales críticos de parámetros necesarios para desentrañar el ruido complejo del mercado.
Aprendizaje Profundo vs. Tradicional: Contrariamente a las expectativas, las técnicas modernas de aprendizaje profundo no superaron universalmente a las estrategias cuantitativas tradicionales o a los modelos basados en árboles (por ejemplo, XGBoost, LightGBM) en términos de rendimientos de cartera.
Aprendizaje por Transferencia: Los modelos preentrenados en FinTSB demostraron una consistencia notable al transferirse en cero-shot al mercado CSI 300 de 2024, logrando rendimientos ajustados al riesgo superiores. Esto valida la capacidad del benchmark para capturar patrones robustos y generalizables a través de diferentes regímenes de mercado (alcista, bajista y transicional).
Eficiencia: El estudio incluyó un análisis de la eficiencia de inferencia, equilibrando el rendimiento ASR con el costo computacional y la huella de memoria.

5. Significado y Afirmaciones

Los autores afirman que FinTSB proporciona una plataforma novedosa y exhaustiva para mejorar y evaluar los métodos FinTSF. Al abordar la Brecha de Diversidad, el Déficit de Estandarización y el Desajuste con la Realidad, el benchmark tiene como objetivo:

Establecer una base sólida para la evaluación de modelos en la comunidad FinTSF.
Guiar a los investigadores en la selección de modelos apropiados bajo condiciones de mercado variables.
Avanzar el campo hacia estrategias de inversión más prácticas y aplicables al mundo real.

El artículo concluye que la evaluación rigurosa es esencial para ir más allá de resultados fragmentados y que FinTSB sirve como un paso necesario hacia la alineación de los modelos de predicción teóricos con las complejidades de los mercados financieros reales. El código y el conjunto de datos están disponibles públicamente para facilitar futuras investigaciones.