💰 quantitative finance

Overparametrized models with posterior drift

Este documento demuestra que la deriva posterior degrada significativamente la precisión de las predicciones fuera de la muestra de los modelos de aprendizaje automático sobreparametrizados, particularmente en los mercados financieros donde ocurren cambios de régimen, aconsejando finalmente precaución al utilizar modelos lineales grandes para predicciones del mercado de valores debido a su sensibilidad a las elecciones de parámetros y a los subperíodos.

Autores originales: Guillaume Coqueret, Martial Laguerre

Publicado 2026-05-13

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Guillaume Coqueret, Martial Laguerre

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

El Panorama General: El "Chef Sobreconfiado"

Imagina que eres un chef intentando aprender una receta secreta para la sopa perfecta (predecir los rendimientos del mercado bursátil).

En el mundo del aprendizaje automático moderno, existe una idea popular llamada "Doble Descenso". Sugiere que si haces tu receta increíblemente compleja —añadiendo cientos de especias, hierbas e ingredientes secretos (parámetros)— tu sopa podría saber mejor que una sencilla, incluso si no tienes suficientes ingredientes para todos. Esto se llama sobreparametrización.

Un estudio famoso (Kelly et al., 2024) afirmó que, para predecir los mercados bursátiles, "más es más". Dijeron que utilizar modelos masivos y complejos con miles de variables era la clave para vencer al mercado.

Este artículo dice: "Espera un momento. Eso solo funciona si el mundo se mantiene igual".

Los autores argumentan que en el mundo real, la "receta" del mercado bursátil cambia constantemente. Lo llaman Deriva Posterior. Es como si el chef aprendiera la receta en enero, pero para julio los ingredientes hubieran cambiado, el clima fuera diferente y los gustos de los clientes se hubieran desplazado. Si sigues cocinando con la receta antigua y compleja, tu sopa sabrá terrible.

Concepto Clave 1: La "Deriva" (El Blanco en Movimiento)

En estadística, hay dos formas en que un modelo puede fallar:

Cambio de Covariables: Los ingredientes que te dan cambian (por ejemplo, antes recibías tomates, ahora recibes patatas).
Deriva Posterior: La relación entre los ingredientes y el plato final cambia.

El Enfoque del Artículo: Los autores se centran en la Deriva Posterior.

Analogía: Imagina que aprendes que "añadir sal hace que la sopa esté salada". Esa es una regla estable. Pero en el mercado bursátil, la regla podría ser: "En 2010, las altas tasas de interés significaban que las acciones subirían. En 2020, las altas tasas de interés significaban que las acciones bajarían".
Las "cargas" (las reglas o coeficientes que el modelo aprende) se están desviando. El modelo aprende las reglas del pasado, pero el futuro juega bajo reglas diferentes.

Concepto Clave 2: La "Trampa de la Complejidad"

El artículo investiga qué sucede cuando utilizas un modelo supercomplejo (uno con más parámetros que puntos de datos) en un mundo donde estas reglas están desviándose.

El Hallazgo: Cuando las reglas cambian (deriva), los modelos complejos se vuelven extremadamente frágiles.
La Analogía: Piensa en un modelo complejo como un coche de carreras de alto rendimiento con 1.000 piezas personalizadas y afinadas. Gana fácilmente en una pista suave y predecible (un mercado estable). Pero si la pista se convierte repentinamente en un campo fangoso con rocas móviles (deriva posterior), ese coche de carreras se estrella espectacularmente. Un camión simple y resistente (un modelo simple) podría no ser tan rápido, pero maneja el barro mucho mejor.

Los autores descubrieron que el rendimiento de estos modelos complejos depende totalmente de cuándo los pruebas.

En un período de 15 años, el modelo complejo podría hacerte rico (un rendimiento mensual del 7%).
En otro período de 15 años, podría hacerte perder casi todo (un rendimiento del -50%).
El rendimiento "promedio" oculta esta aterrorizante volatilidad.

Concepto Clave 3: El Problema de la "Relación Señal-Ruido"

El artículo explica que los datos financieros son "ruidosos". La señal verdadera (la razón real por la que se mueven las acciones) es muy débil.

La Analogía: Imagina intentar escuchar un susurro (la señal) en un estadio ruidoso (el ruido).
Si el estadio está en silencio (reglas estables), un modelo complejo puede filtrar el ruido y escuchar el susurro.
Si las reglas del estadio cambian (deriva), el modelo complejo se confunde. Comienza a amplificar el ruido y los susurros equivocados. Los autores muestran que en estos casos, un modelo complejo puede rendir peor que simplemente adivinar o ignorar los datos por completo.

El Dilema del "Ancho de Banda"

Los investigadores probaron una herramienta específica llamada Características de Fourier Aleatorias (RFF), que es una forma de hacer que los datos simples parezcan complejos. Tenían que elegir un parámetro de "ancho de banda" (piensa en esto como el "nivel de zoom" o la "sensibilidad" del modelo).

Bajo Ancho de Banda (Alta Sensibilidad): El modelo es muy sensible a los pequeños cambios. Encontró rendimientos enormes en algunos períodos, pero se estrelló en otros. Fue una montaña rusa.
Alto Ancho de Banda (Baja Sensibilidad): El modelo suavizó el ruido. Fue más consistente, pero los rendimientos fueron tan bajos (cercanos a cero) que no valía la pena el riesgo.

La Conclusión: No hay un "punto dulce". No puedes simplemente elegir una configuración que funcione para siempre.

La Verificación de Realidad del "Inversor de 15 Años"

Los autores examinaron qué sucede si un inversor promedio mantiene una estrategia durante 15 años (un horizonte típico de jubilación).

El Resultado: Los rendimientos fueron enormemente diferentes dependiendo de cuáles 15 años eligieras.
- Si elegías 2005–2019, la estrategia compleja parecía de genio.
- Si elegías 1975–1989, parecía un desastre.
La Lección: No puedes confiar en una única "prueba retrospectiva" (una prueba del rendimiento pasado) para decirte si un modelo complejo funcionará en el futuro. El modelo es demasiado sensible a la época específica en la que fue entrenado.

Resumen del Consejo de los Autores

El artículo concluye con una advertencia para cualquiera que intente predecir el mercado bursátil utilizando modelos de IA grandes y sofisticados:

Sé Cauteloso: Solo porque un modelo es complejo y "inteligente" no significa que funcionará cuando la economía cambie.
Vigila la Deriva: El mayor enemigo no es la falta de datos; es el hecho de que la relación entre los indicadores económicos y los precios de las acciones cambia con el tiempo.
La Simplicidad Gana (A veces): Aunque los modelos complejos pueden funcionar, a menudo son demasiado riesgosos para el inversor promedio porque su rendimiento es tan inestable. Un enfoque más simple y robusto podría ser más seguro, incluso si pierde algunas ganancias potenciales.

En resumen: El artículo argumenta que la "magia" de los modelos sobreparametrizados se desmorona cuando el mundo cambia. En el mercado bursátil, el mundo siempre cambia. Por lo tanto, confiar en estos modelos complejos para la inversión a largo plazo es una apuesta con stakes muy altos y resultados impredecibles.

Resumen Técnico: Modelos Sobreparametrizados con Deriva Posterior

Enunciado del Problema

Este artículo investiga el impacto de la deriva posterior (también conocida como deriva de concepto) en la precisión de las predicciones fuera de muestra de modelos lineales sobreparametrizados (modelos donde el número de parámetros $p$ supera el número de observaciones $n$ ). Aunque la literatura reciente, destacando a Kelly et al. (2024), ha sugerido que aumentar la complejidad del modelo (la relación entre parámetros y observaciones) puede ser beneficioso para la predicción de la prima de riesgo, estos hallazgos a menudo se basan en la suposición de que el proceso generador de datos (DGP) permanece invariante entre las fases de entrenamiento y prueba.

Los autores argumentan que en los mercados financieros, esta invarianza rara vez se cumple debido a cambios de régimen. Específicamente, distinguen entre dos tipos de desplazamientos distribucionales:

Desplazamiento de covariables: Cambios en la distribución de los predictores ( $P_X$ ).
Deriva posterior: Cambios en la relación condicional entre los predictores y la variable objetivo ( $P_{y|X}$ ), lo que significa que los coeficientes de regresión (cargas) cambian con el tiempo.

El problema central es cuantificar cómo la deriva posterior degrada el rendimiento de modelos complejos y sobreparametrizados, particularmente en el contexto de estrategias de timing de mercado.

Metodología

El artículo emplea una combinación de teoría asintótica de alta dimensión, simulaciones Monte-Carlo y análisis empírico sobre datos financieros históricos.

Marco Teórico

Los autores extienden los resultados de "isotropía mal especificada" de Hastie et al. (2022) a un escenario con datos no i.i.d. y deriva posterior.

Proceso Generador de Datos (DGP): El modelo asume una relación lineal $y_i = x_i'\beta + w_i'\theta + e_i$ , donde $x_i$ son características observadas y $w_i$ son características no observadas. El modelo está "mal especificado" porque el agente solo observa $x_i$ .
Mecanismo de Deriva: Los autores modelan explícitamente un cambio en los parámetros reales entre los períodos de entrenamiento (intra-muestra) y prueba (fuera de muestra). Sean $(\beta_{is}, \theta_{is})$ los parámetros durante el entrenamiento y $(\beta_{oos}, \theta_{oos})$ los parámetros durante la prueba.
Régimen Asintótico: El análisis tiene lugar en el régimen proporcional donde $n, p, q \to \infty$ tal que $p/n \to c_\phi$ y $(p+q)/n \to c$ .
Estimadores: El estudio se centra en estimadores Ridge (con parámetro de regularización $z$ ) y su límite cuando $z \to 0$ (sin ridge).

Protocolo Empírico

Datos: Los autores utilizan el mismo conjunto de datos que Kelly et al. (2024), derivado de Goyal et al. (2024), que consta de 14 indicadores macroeconómicos y rendimientos rezagados.
Expansión de Características: Para crear un escenario sobreparametrizado, emplean Características de Fourier Aleatorias (RFF) para expandir los 14 predictores a $p=600$ características, resultando en una relación de complejidad $c=50$ (con $n=12$ meses de datos rodantes).
Validación: Prueban la estrategia en varios subperíodos de 15 años y a través de una gama de parámetros de ancho de banda ( $\gamma$ ) que controlan la no linealidad de los RFF.
Detección de Puntos de Cambio: Para validar empíricamente la existencia de deriva posterior, aplican un algoritmo de detección de puntos de cambio multivariado no paramétrico (Londschien et al., 2023) a la serie temporal de betas estimadas.

Contribuciones Clave

1. Extensión Teórica a la Deriva Posterior

El artículo deriva expresiones analíticas para el rendimiento esperado y la varianza de una estrategia de timing de mercado bajo deriva posterior.

Rendimiento Esperado: Se demuestra que el rendimiento esperado fuera de muestra en el límite es proporcional al producto escalar de los vectores de carga intra-muestra y fuera de muestra: $E[r] \propto \langle \beta_{is}, \beta_{oos} \rangle$ .
Degradación del Rendimiento: Los autores prueban que si las cargas intra-muestra y fuera de muestra están desalineadas (específicamente, si $\langle \beta_{oos} - \beta_{is}, \beta_{is} \rangle < 0$ ), el rendimiento esperado de la estrategia se deteriora. En el peor de los casos (cargas ortogonales), el rendimiento esperado cae a cero.
Rendimientos Ajustados al Riesgo: Se demuestra que el ratio de Sharpe es altamente sensible a la relación señal-ruido. En regímenes con señales débiles (típicas de datos financieros), la deriva posterior provoca un colapso significativo del ratio de Sharpe, particularmente para modelos de baja regularización (alta complejidad).

2. Verificación por Simulación

Mediante simulaciones Monte-Carlo, los autores verifican que los límites teóricos derivados para los momentos primero y segundo del rendimiento de la estrategia se mantienen. Demuestran que:

El rendimiento esperado es lineal en el producto escalar $\langle \beta_{is}, \beta_{oos} \rangle$ .
Una mayor regularización (mayor $z$ ) reduce la volatilidad pero también reduce los rendimientos esperados, creando una compensación.
El fenómeno de "doble descenso" (donde el rendimiento mejora a medida que la complejidad aumenta más allá del umbral de interpolación) aún se mantiene en presencia de deriva, pero el rendimiento máximo es significativamente menor que en escenarios sin deriva.

3. Evidencia Empírica de Inestabilidad

El análisis empírico revela que el rendimiento de los modelos sobreparametrizados es altamente sensible tanto al período de tiempo como al parámetro de ancho de banda:

Sensibilidad al Período: Una estrategia que generó un rendimiento mensual del 7,24% en el período 2005–2019 colapsó al 0,52% en el período 1975–1989 bajo los mismos ajustes de ancho de banda.
Sensibilidad al Ancho de Banda: El ancho de banda óptimo no es estático; varía entre diferentes regímenes económicos.
Puntos de Cambio: El algoritmo de detección de puntos de cambio identifica rupturas estructurales significativas en la serie temporal de betas (por ejemplo, en 1982, 1963 y 2002), confirmando que el DGP no es estable.

Resultados

Pérdida de Rendimiento: Los resultados teóricos indican que la pérdida en el rendimiento financiero está directamente vinculada a la desalineación entre las cargas de entrenamiento y prueba. Cuando la señal es débil (bajo $R^2$ ), el impacto de la deriva posterior es severo, a menudo haciendo que los modelos complejos sean peores que los benchmarks simples.
Rendimientos Ajustados al Riesgo: Aunque los modelos complejos pueden generar altos rendimientos brutos en subperíodos favorables específicos, sus rendimientos ajustados al riesgo (ratios de Sharpe) a menudo son irracionalmente bajos o negativos cuando se tiene en cuenta la volatilidad. El artículo señala que un rendimiento mensual de 0,03 implica una volatilidad anualizada superior al 100%, lo cual es prohibitivamente alto.
Compensación de Regularización: Aumentar el parámetro de regularización (ancho de banda) reduce la incertidumbre y la varianza de los rendimientos de la estrategia, pero simultáneamente impulsa el rendimiento promedio hacia cero, haciendo que la complejidad sea menos atractiva desde una perspectiva ajustada al riesgo.
Análisis Contrafactual: Cuando los autores generan rendimientos "contrafactuales" asumiendo que no hay deriva posterior (es decir, las cargas permanecen constantes), la estrategia funciona significativamente mejor. Esta brecha cuantifica el costo específico de los cambios de régimen.

Significado y Afirmaciones

El artículo concluye que, aunque la sofisticación en los modelos de pronóstico puede aportar valor, los modelos sobreparametrizados no son beneficiosos incondicionalmente. Los autores afirman:

Sensibilidad a los Cambios de Régimen: La eficacia de los modelos lineales complejos en la predicción de la prima de riesgo está severamente comprometida por los entornos económicos cambiantes. La "virtud de la complejidad" reportada en la literatura anterior (por ejemplo, Kelly et al., 2024) puede ser un artefacto de subperíodos específicos y estables o una subestimación del impacto de la deriva posterior.
Precaución para los Practicantes: Los analistas que confían en modelos sobreparametrizados deben prestar especial atención a la estabilidad y sensibilidad del rendimiento en las pruebas retrospectivas. Los resultados sugieren que los períodos de tenencia de 15 años pueden generar rendimientos altamente heterogéneos dependiendo del régimen específico y del ancho de banda elegido.
Recomendación: Los hallazgos recomiendan precaución al recurrir a grandes modelos lineales para predicciones del mercado de valores. Los autores sugieren que los beneficios de la complejidad a menudo son superados por los riesgos de la deriva posterior, especialmente en los mercados financieros donde las señales son débiles y los cambios de régimen son frecuentes.

En resumen, el artículo proporciona una explicación teórica y empírica para la ambigüedad que rodea el papel de la sobreparametrización en las finanzas, atribuyendo la inestabilidad de los modelos complejos a la no estacionariedad del proceso generador de datos subyacente.