Resumen Técnico: Aprendizaje de Dinámicas de Markov No Homogéneas en el Tiempo en Series Temporales Financieras mediante Parametrización Neuronal

1. Planteamiento del Problema

El artículo aborda el desafío de modelar sistemas estocásticos no estacionarios, específicamente series temporales financieras, donde tanto los modelos de Markov clásicos como los enfoques modernos de aprendizaje profundo sufren limitaciones significativas.

• La Barrera de la Escasez: El modelado de Markov clásico se basa en el conteo empírico de transiciones entre estados discretos. Para capturar la sutileza de los rendimientos financieros con colas pesadas, se requiere una discretización fina (un gran número de contenedores, $n$). Sin embargo, el número de transiciones posibles escala cuadráticamente ($n^2$). En conjuntos de datos financieros finitos y ruidosos, esto conduce a una severa escasez de datos donde la gran mayoría de las celdas de transición no se observan (por ejemplo, el 99.9% de las celdas tienen menos de 5 observaciones en $n=55$). Esto provoca que los estimadores empíricos colapsen en operadores degenerados llenos de ceros y ruido de alta varianza, volviéndolos inútiles para el análisis estructural.
• La Brecha de Interpretabilidad: Si bien los modelos de secuencia neuronales pueden manejar dependencias complejas, generalmente operan mediante representaciones latentes opacas, lo que impide la aplicación de diagnósticos clásicos de teoría de operadores (por ejemplo, mapas de calor de transición, heterogeneidad de filas, consistencia de Chapman–Kolmogorov).

Los autores proponen un punto medio: un marco que utiliza la flexibilidad de las redes neuronales para parametrizar operadores de transición de Markov explícitos y variables en el tiempo, superando así la escasez del conteo empírico mientras se mantiene la transparencia matemática.

2. Metodología

La contribución central es una parametrización neuronal de operadores de Markov no homogéneos en el tiempo.

2.1 Formulación del Marco

El sistema se modela como una cadena de Markov no homogénea en el tiempo condicionada por características.

• Espacio de Estados: Los rendimientos se discretizan en un espacio de estados finito $S = \{s_1, \dots, s_n\}$ mediante agrupamiento por cuantiles.
• Condicionamiento por Características: Las probabilidades de transición dependen de covariables observables $F_t$ (indicadores macroeconómicos, fundamentales de la empresa) y del estado actual $X_t$.
• Construcción del Operador: En lugar de contar transiciones, una red neuronal $f^{(h)}_\theta$ aprende el mapeo desde $(X_t, F_t)$ hacia una distribución de probabilidad sobre el siguiente estado.
  $$\hat{A}^{(h)}_t(i, \cdot) = f^{(h)}_\theta(s_i, F_t)$$
  Para construir la matriz de transición completa $\hat{A}^{(h)}_t$ en el tiempo $t$, la red se evalúa para cada estado posible $s_i \in S$ bajo la misma instantánea de características $F_t$. Esto asegura que la salida sea un operador estocástico válido y suave, incluso para transiciones no observadas.

2.2 Arquitectura del Modelo y Entrenamiento

• Arquitectura: Un Perceptrón Multicapa (MLP) toma la concatenación de una codificación de estado one-hot y el vector de características. Produce una distribución de probabilidad a través de una capa softmax.
• Objetivo de Entrenamiento: Los modelos se entrenan utilizando optimización Adam para minimizar la verosimilitud negativa logarítmica. Para manejar el ruido en los rendimientos discretizados, se emplea opcionalmente un objetivo de destino suavizado, asignando masa parcial a los contenedores vecinos.
• Líneas Base:
  • Ablación Libre de Estado: Un modelo condicionado solo a las características $F_t$ (eliminando $X_t$), produciendo operadores invariantes de fila.
  • Contadores Empíricos: Estimadores clásicos (marginales, condicionales, suavizados con retroceso) para demostrar el fracaso del conteo a alta resolución.

2.3 Herramientas de Diagnóstico

Dado que la salida es una matriz de operador explícita, el marco habilita diagnósticos específicos:

• Heterogeneidad de Filas: Mide la distancia de variación total entre filas para cuantificar la dependencia del estado.
• Entropía de Filas: Mide la dispersión/incertidumbre de la distribución de transición.
• Consistencia de Chapman–Kolmogorov (CK): Compara el operador de $h$ pasos estimado directamente contra la composición de $h$ operadores de un paso. Esto sirve como un diagnóstico localizado para identificar ventanas temporales donde la suposición de Markov de primer orden se rompe.

3. Resultados Clave

Los experimentos se centran en una sola acción (JPM) con $n=55$ contenedores y varios horizontes de pronóstico.

3.1 Fracaso del Conteo Empírico

En la resolución objetivo ($n=55$), las matrices de transición empíricas están efectivamente vacías. Más del 57% de las celdas no se observan en absoluto, y el 99.9% contiene menos de 5 observaciones. Esto confirma que la tabulación no puede apoyar el análisis a nivel de operador con esta granularidad.

3.2 Validez Estructural y Dependencia del Estado

• Condicionamiento por Estado: El modelo condicionado por estado produce operadores con una estructura no trivial, logrando una heterogeneidad media de filas de $\bar{\rho} = 0.0073$. En contraste, la ablación libre de estado colapsa exactamente a $\rho = 0.0000$ (filas idénticas), confirmando que el estado discretizado $X_t$ porta información de transición única.
• Volatilidad y Homogeneización: Un hallazgo contraintuitivo es que los regímenes de alta volatilidad homogeneizan las dinámicas de transición en lugar de diversificarlas.
  • La entropía de filas se correlaciona fuertemente y negativamente con la varianza realizada ($r = -0.62, p \approx 10^{-251}$).
  • Durante períodos de estrés (top 20% de la varianza realizada), las filas de transición colapsan hacia una distribución similar y concentrada. Durante períodos tranquilos, las filas son más diversas.

3.3 Diagnósticos de Chapman–Kolmogorov

El diagnóstico CK revela que la suposición de Markov de primer orden no se viola uniformemente, sino que falla en ventanas temporales específicas.

• El modelo condicionado por estado exhibe una mayor discrepancia CK (divergencia KL media de 0.140 frente a 0.022 para la línea base) porque aprende dinámicas genuinas dependientes del estado que un simple producto de operadores de un paso no puede reconstruir perfectamente.
• Las violaciones de CK se concentran en ventanas específicas (por ejemplo, $t \in [2120, 2200]$), correlacionándose con períodos de dinámicas concentradas y de baja entropía. Esto permite al modelo identificar dónde se rompen las suposiciones de "memoria".

3.4 Rendimiento Predictivo

El artículo reporta ganancias predictivas modestas, consistentes con la eficiencia de forma débil de los datos diarios de un solo activo y las limitaciones de las características de baja frecuencia.

• En el horizonte $h=10$, el modelo condicionado por estado logra un $\Delta$NLL de $+0.025$ relativo a una línea base marginal (IC 95%: $[-0.020, +0.028]$).
• Horizontes más cortos muestran un rendimiento cercano o inferior a la línea base marginal.
• La calibración es razonable, con el modelo condicionado por estado logrando un Error de Calibración Esperado (ECE) de 0.079 para rendimientos negativos.

4. Significado y Afirmaciones

El artículo afirma que su principal significado no radica en lograr una precisión predictiva de vanguardia, sino en restaurar la interpretabilidad estructural al modelado complejo de series temporales.

• Cerrando la Brecha: Demuestra que las redes neuronales pueden restringirse para producir formas estructurales matemáticamente coherentes (operadores estocásticos explícitos), haciendo viable el análisis riguroso de operadores clásicos para datos no estacionarios de alta resolución.
• Capacidad Diagnóstica: Al exponer el operador de transición, el marco permite el uso de herramientas clásicas (mapas de calor, métricas de heterogeneidad, verificaciones CK) que son imposibles con modelos de secuencia de caja negra.
• Perspectiva sobre la Dinámica del Mercado: El marco revela comportamientos estructurales específicos, como la homogeneización de las dinámicas de transición durante la alta volatilidad y el colapso localizado de las suposiciones de Markov, proporcionando un "microscopio transparente y calibrado" para estudiar los regímenes del mercado.

Los autores se mantienen modestos respecto a la utilidad predictiva inmediata, señalando que el entorno actual de un solo activo y granularidad diaria limita la relación señal-ruido. Sugieren que escalar a universos de múltiples activos y alta frecuencia es el camino necesario para realizar mejoras predictivas materiales mientras se mantienen estos beneficios de interpretabilidad.