Financial Anomaly Detection for the Canadian Market

Este trabajo evalúa métodos de análisis de datos topológicos, componentes principales y redes neuronales en el mercado canadiense (TSX-60), demostrando que los enfoques basados en redes neuronales y el análisis topológico logran el mejor rendimiento para detectar anomalías financieras y eventos de estrés.

Lo esencial

Imagina que el mercado de valores canadiense es como un gran concierto donde 60 instrumentos (las acciones de las empresas más importantes de Canadá) tocan juntos. Normalmente, tocan una melodía armoniosa. Pero a veces, de repente, el ritmo se rompe, los instrumentos se desincronizan y se acerca una "tormenta" financiera (una crisis).

El objetivo de este trabajo, escrito por Luigi Caputi y Nicholas Meadows, es crear un sistema de alarma que pueda escuchar esa desincronización antes de que la tormenta sea demasiado fuerte.

Aquí te explico cómo lo hicieron, usando analogías sencillas:

1. Los Tres Detectives (Los Métodos)

Los autores probaron tres tipos de "detectives" para escuchar el concierto y encontrar problemas:

• El Detective Lineal (PCA): Imagina a un analista que toma todas las notas de los instrumentos y las aplana en una sola lista larga. Luego, busca patrones simples. Es útil, pero a veces se pierde en los detalles y no ve la "forma" completa de la música.
• El Detective de la Forma (TDA - Análisis Topológico de Datos): Este detective no solo escucha las notas, sino que mira la forma del sonido. Imagina que el concierto es una escultura invisible. Cuando todo va bien, la escultura tiene una forma suave y redonda. Cuando hay una crisis, la escultura se deforma, aparecen agujeros o se rompe. Este detective es muy bueno viendo esos cambios de "forma" global.
• El Detective Inteligente (Redes Neuronales): Estos son como estudiantes geniales que han escuchado miles de conciertos. No solo memorizan las notas, sino que aprenden a "sentir" cuándo algo no encaja. Tienen dos versiones en este estudio:
  • Uno que aprende solo (One-Shot): Aprende qué es "normal" y si algo se aleja de esa norma, suena la alarma.
  • Uno que imita (GlocalKD): Tiene un "profesor" (una red neuronal grande) y un "alumno" (una red más pequeña). El alumno intenta imitar al profesor. Si el alumno falla mucho al imitar un día específico, significa que ese día fue extraño (una anomalía).

2. ¿Cómo escucharon el concierto?

En lugar de mirar solo el precio de una acción, miraron cómo se relacionan entre sí las 60 empresas.

• Usaron una ventana de tiempo de 25 días (como mirar los últimos 25 días de música).
• Crearon un mapa de conexiones: Si la acción de un banco sube y la de una petrolera baja al mismo tiempo, están "conectadas" en su mapa.
• Si el mapa de conexiones cambia drásticamente (por ejemplo, si todos de repente se conectan de forma caótica), eso es una señal de alerta.

3. ¿Qué descubrieron? (Los Resultados)

Los autores probaron estos detectives contra los grandes desastres financieros reales (como la crisis de 2008, la crisis de la deuda griega, la caída del precio del petróleo en 2015 y la pandemia de COVID-19).

• El Detective Lineal (PCA): Fue decente para las crisis gigantes (como 2008), pero a menudo se perdía las crisis más pequeñas o los momentos de tensión leve.
• Los Detectives Inteligentes (Redes Neuronales) y el Detective de la Forma (TDA): ¡Fueron los ganadores!
  • No solo detectaron las grandes catástrofes, sino que también avistaron las tormentas pequeñas.
  • Por ejemplo, detectaron perfectamente el pánico cuando el precio del petróleo canadiense se desplomó en 2015 y 2016, algo que el método lineal se le pasó por alto.

4. La Lección Principal

La conclusión más importante es que la "forma" global de los datos importa más que los datos individuales.

Piénsalo así: Si miras solo una nota de un instrumento, no sabes si la orquesta está fallando. Pero si miras la forma de cómo todos los instrumentos se relacionan entre sí (la topología), puedes ver inmediatamente si la orquesta se está rompiendo.

En resumen

Este estudio nos dice que para predecir crisis financieras en Canadá, no basta con mirar números sueltos. Necesitamos herramientas que entiendan la estructura completa y las conexiones globales del mercado. Los métodos basados en inteligencia artificial (Redes Neuronales) y en la geometría de los datos (TDA) son como tener unos gafas de visión nocturna que nos permiten ver los peligros antes de que sea demasiado tarde.

Nota curiosa: Los autores también probaron esto en el mercado de EE. UU. (Dow Jones) y los resultados fueron los mismos: los "detectives" inteligentes y geométricos ganaron por goleada.

Resumen técnico

Resumen Técnico: Detección de Anomalías Financieras para el Mercado Canadiense

Autores: Luigi Caputi y Nicholas Meadows
Fecha: Marzo 2026
Contexto: Evaluación de métodos para detectar eventos de estrés financiero extremo en el índice TSX-60 de Canadá.

1. El Problema

El objetivo central del trabajo es la detección temprana de crisis financieras y eventos de estrés extremo en el mercado de valores canadiense. Los autores abordan la problemática desde la perspectiva de la detección de valores atípicos (outliers) en series temporales financieras.

• Desafío: Las crisis financieras (como la de 2008, la crisis de la deuda griega o la pandemia de COVID-19) representan riesgos significativos. Identificarlas teóricamente y predecirlas es crucial.
• Enfoque: En lugar de tratar los datos como series temporales univariadas o lineales, el estudio reformula el problema como una detección de anomalías en grafos. La hipótesis subyacente es que el "estado" del mercado en momentos de crisis exhibe propiedades topológicas y estructurales globales distintas a las de un mercado normal.
• Datos: Se utiliza el índice TSX-60 (las 60 empresas más grandes de la Bolsa de Toronto) con datos diarios de precios ajustados entre 2005 y 2021. Tras filtrar por disponibilidad, se trabajó con $N=39$ acciones.
• Etiquetas de Referencia: Los eventos de estrés se validaron contra el Canadian Financial Stress Index (CFSI), identificando 7 picos principales (crisis hipotecaria 2007, crisis 2008, deuda griega 2011, taper tantrum 2013, caída de precios del petróleo 2015-2016 y COVID-19 2020).

2. Metodología

El pipeline de análisis sigue un flujo de trabajo estandarizado que transforma datos de precios en grafos ponderados y aplica tres clases de métodos de detección:

A. Construcción de la Red (Preprocesamiento)

1. Retornos Logarítmicos: Se calculan los retornos logarítmicos diarios ($q_t = \log(p_t/p_{t-1})$).
2. Ventana Deslizante: Se utiliza una ventana de $W=25$ días.
3. Correlación CCM: Para cada par de acciones, se calcula la matriz de correlación utilizando Convergent Cross Mapping (CCM) para capturar causalidad en sistemas no lineales acoplados.
4. Grafo Ponderado: Se construye un grafo dirigido donde los nodos son las acciones y las aristas tienen pesos basados en las correlaciones CCM (los valores negativos se reemplazan por 0).

B. Tres Enfoques de Detección

El estudio compara tres familias de métodos aplicados a estos grafos:

1. Análisis Topológico de Datos (TDA):

   • Se construye el complejo de bandera dirigido (directed flag complex) a partir del grafo ponderado.
   • Se calcula la homología persistente en dimensiones 0 y 1.
   • Características: Se extraen los diagramas de persistencia y se resumen mediante las normas $L_1$ y $L_2$ de las barras persistentes (diferencia entre nacimiento y muerte de características topológicas).
   • Detección: Se aplican Mahalanobis y LOF a estas características topológicas.

2. Redes Neuronales de Grafos (GNN):

   • Se utilizan dos arquitecturas de aprendizaje no supervisado:
     • One-Shot GIN(E): Una variante de OCGIN (One-Class Graph Neural Network) que minimiza la distancia de las representaciones de los grafos a un centroide $c$. Se usa la capa de convolución GINE (Graph Isomorphism Network with Edge attributes) para manejar los pesos de las aristas.
     • GlocalKD (Knowledge Distillation): Un enfoque de destilación de conocimiento donde una red "estudiante" intenta imitar a una red "maestra" congelada. La puntuación de anomalía se basa en el error de reconstrucción (pérdida de nodos + pérdida global).
   • Detección: La puntuación de anomalía se deriva directamente de la función de pérdida de entrenamiento (error de reconstrucción).

3. Análisis de Componentes Principales (PCA):

   • Se aplanan las matrices de correlación en vectores.
   • Se aplica PCA para reducción de dimensionalidad (versiones con 10 y 100 componentes).
   • Detección: Se aplican Mahalanobis y LOF a los vectores reducidos o crudos.

C. Evaluación

• Umbral: Un grafo se considera anómalo si su puntuación supera el percentil 97.5 de la distribución empírica.
• Predicción: Se considera un evento detectado si se identifica un grafo anómalo dentro de una ventana de 50 días hábiles previos al evento de estrés real.
• Métricas: Dado el desbalance de clases, se prioriza la Precisión, el Recall y el F1-Score sobre la exactitud (accuracy).

3. Contribuciones Clave

1. Aplicación de TDA y GNN al Mercado Canadiense: Es uno de los primeros estudios que aplica sistemáticamente homología persistente y redes neuronales de grafos específicas para detectar crisis en el índice TSX-60.
2. Validación de Propiedades Globales: El trabajo demuestra que las propiedades topológicas globales (capturadas por TDA) y las representaciones estructurales profundas (capturadas por GNN) son superiores a las características lineales o crudas para distinguir eventos de estrés.
3. Comparativa Exhaustiva: Se evalúa y compara directamente el rendimiento de TDA, PCA y GNN bajo las mismas condiciones de datos y ventanas temporales.
4. Código Abierto: Se proporciona el código completo en GitHub, facilitando la reproducibilidad y la extensión del trabajo.

4. Resultados

Los experimentos se realizaron en el período 2005-2021.

• Rendimiento General:

  • Los métodos basados en Redes Neuronales (GNN) obtuvieron el mejor rendimiento.
    • GlocalKD (GINE): F1-Score de 0.68 (Recall: 0.56, Precisión: 0.86).
    • One-Shot GIN(E): F1-Score de 0.60 (Recall: 0.47, Precisión: 0.86).
  • Los métodos TDA mostraron un rendimiento intermedio pero sólido, con F1-Scores entre 0.55 y 0.59.
  • Los métodos basados en PCA y características crudas (RAW) tuvieron un rendimiento significativamente inferior (F1-Scores entre 0.28 y 0.45).

• Análisis de Eventos Específicos:

  • Todos los métodos lograron detectar las grandes crisis (2009, Grecia, COVID-19).
  • Diferenciación: La ventaja crítica de GNN y TDA fue su capacidad para detectar eventos de menor escala, específicamente las crisis relacionadas con la caída de los precios del petróleo en Canadá (2015-2016). Los métodos PCA fallaron consistentemente en estos eventos más sutiles.
  • La Precisión de los métodos GNN y TDA fue notablemente superior, indicando menos falsos positivos en comparación con PCA.

• Validación Externa (DJIA):

  • Al replicar el experimento en el índice Dow Jones (EE. UU.), los resultados se mantuvieron: los métodos GNN y TDA superaron sustancialmente a PCA, confirmando la robustez de los hallazgos más allá del mercado canadiense.

5. Significado e Implicaciones

• Importancia de la Estructura Global: El éxito de TDA sugiere que las anomalías financieras no son solo ruido local, sino que implican cambios en la topología global de las interacciones entre activos. La homología persistente captura cambios en la conectividad y los "agujeros" en la estructura de correlaciones que los métodos lineales ignoran.
• Superioridad de los GNN: Las redes neuronales de grafos, especialmente aquellas que incorporan atributos de aristas (GINE) y aprendizaje de conocimiento (GlocalKD), son herramientas superiores para modelar la complejidad no lineal de los mercados financieros.
• Aplicabilidad Práctica: La capacidad de detectar no solo crisis sistémicas mayores, sino también shocks sectoriales (como el del petróleo en Canadá), ofrece a los inversores y reguladores una herramienta de alerta temprana más matizada y precisa.
• Limitación de PCA: El estudio concluye que la reducción de dimensionalidad lineal (PCA) es insuficiente para capturar la complejidad estructural de las crisis financieras, perdiendo información crítica sobre las relaciones no lineales entre activos.

En conclusión, el artículo establece que la integración de análisis topológico y aprendizaje profundo en grafos representa el estado del arte actual para la detección de anomalías financieras, superando significativamente a los enfoques estadísticos tradicionales en el contexto del mercado canadiense y global.