Resumen Técnico: Predicción de la Curva de Tipos de Interés mediante Aprendizaje Automático y Econométrica

Planteamiento del Problema

El artículo aborda el debate en curso sobre la eficacia de los métodos de aprendizaje automático (ML) y aprendizaje profundo (DL) en comparación con los enfoques econométricos tradicionales y de series temporales para la predicción de series temporales financieras. Específicamente, los autores se centran en la curva de tipos de interés de los Bonos del Tesoro de EE. UU., un indicador crítico para los mercados de bonos (que superan en tamaño a los mercados de acciones) y un predictor de recesiones económicas. Aunque el ML ha revolucionado campos como el procesamiento del lenguaje natural (NLP) y la visión por computadora, su dominio en la predicción de series temporales sigue siendo disputado. La literatura anterior, como la competencia M4, ha demostrado que los modelos puros de ML a menudo tienen un rendimiento inferior al de los híbridos estadísticos o los métodos ingenuos. Además, existe una falta de literatura exhaustiva que compare estos métodos en datos diarios de la curva de tipos, particularmente en lo que respecta al manejo de entradas no estacionarias y al rendimiento de los modelos fundacionales modernos y los transformadores.

Metodología

El estudio utiliza rendimientos diarios de vencimiento constante del Tesoro de EE. UU. para seis plazos (1, 2, 5, 7, 10 y 30 años) de la base de datos FRED, abarcando 47 años (1977–2024). Este conjunto de datos incluye seis períodos de recesión distintos.

Configuración Experimental:

• Horizontes de Predicción: Los modelos se evalúan en horizontes de predicción de 15, 20 y 60 días hábiles.
• Estrategias de Validación: Se emplean dos configuraciones de validación cruzada (CV) para prevenir la fuga de datos:
  1. Ventana Deslizante: Una ventana fija de 1.044 días hábiles (aprox. 4 años) se desliza hacia adelante en 5 días.
  2. Ventana Expansiva: La ventana inicial es de 1.044 días y se expande en 5 días para cada iteración subsiguiente.
• Bloques de Tiempo de Hiperparámetros: Para tener en cuenta los cambios estructurales económicos, los datos se dividen en bloques de tiempo contiguos (ej. Bloque 0: 1977–1986) donde los hiperparámetros se seleccionan una vez por bloque y se aplican a todas las ventanas dentro de ese bloque.
• Estacionariedad: El estudio prueba explícitamente tanto datos de entrada estacionarios (diferenciados) como no estacionarios (crudos) para determinar cuál es más apropiado para los algoritmos de DL.
• Métricas: El rendimiento se mide utilizando el Error Cuadrático Medio Raíz (RMSE) y el Error Porcentual Absoluto Medio (MAPE).

Modelos Evaluados:

• Benchmarks Ingenuos: Predicción por Media, Predicción Ingenua (Caminata Aleatoria) y Predicción Estacional Ingenua.
• Econométrica Tradicional: ARIMA (con selección automática), DHR-ARIMA (ARIMA con términos de Fourier), VAR, VECM y diff+VAR.
• Aprendizaje Automático Clásico: Random Forests, XGBoost y LightGBM (LGBM).
• Aprendizaje Profundo:
  • Redes Neuronales Recurrentes (RNN)
  • Transformadores: Vanilla Transformer, Informer, PatchTST, Temporal Fusion Transformer (TFT).
  • Modelos Fundacionales: TimeGPT (pre-entrenado, zero-shot), NBEATS, NHITS, DeepAR.

Contribuciones Clave

El artículo se distingue mediante cuatro contribuciones principales:

1. Comparación Exhaustiva: Evalúa un amplio espectro de modelos, incluidos modelos fundacionales recientes (TimeGPT) y diversas arquitecturas de transformadores, frente a métodos econométricos tradicionales en datos de la curva de tipos.
2. Frecuencia de Datos: A diferencia de gran parte de la literatura existente que se basa en datos mensuales, este estudio utiliza datos diarios de alta frecuencia.
3. Análisis de Estacionariedad: Investiga sistemáticamente si los modelos de aprendizaje profundo tienen un mejor rendimiento con entradas estacionarias o no estacionarias, un tema con investigación previa escasa.
4. Robustez Temporal: El estudio analiza el rendimiento a través de múltiples horizontes de predicción y bloques de tiempo económicos distintos para evaluar la estabilidad del modelo a lo largo del tiempo.

Resultados

El análisis empírico arroja los siguientes hallazgos:

• Dominio de los Métodos Tradicionales: En general, los modelos de Predicción Ingenua y ARIMA (ambas configuraciones de ventana deslizante y expansiva) superan a todos los demás métodos en toda la muestra de 47 años. Las diferencias en MAPE entre las variantes de ARIMA más exitosas y la Predicción Ingenua son insignificantes (a menudo <0.01%).
• Rendimiento del Aprendizaje Automático:
  • Entre los métodos de ML clásicos, LGBM con una configuración de ventana expansiva tiene el mejor rendimiento, aunque aún no logra superar a ARIMA ni al benchmark ingenuo.
  • Entre los métodos de aprendizaje profundo, TimeGPT (un modelo fundacional) logra el mejor rendimiento, seguido por las RNN con entradas estacionarias deslizantes.
• Estacionariedad vs. No Estacionariedad: No existe un patrón universal; el tipo de entrada óptimo depende del modelo específico. Por ejemplo, las RNN tuvieron un mejor rendimiento con entradas deslizantes estacionarias, mientras que PatchTST y TFT tuvieron un mejor rendimiento con entradas expansivas no estacionarias.
• Variabilidad Temporal: Aunque los métodos tradicionales dominan el promedio agregado, modelos específicos de aprendizaje profundo (por ejemplo, PatchTST y TFT con datos no estacionarios expansivos) superaron a los benchmarks en el bloque de tiempo más reciente (Bloque 8, 2017–2023), aunque los márgenes fueron pequeños (por ejemplo, 0.03%–0.05%).
• Horizontes de Predicción: La superioridad de los métodos de Predicción Ingenua y ARIMA se mantuvo consistente en los horizontes de predicción de 20 y 60 días.

Significado y Afirmaciones

El artículo concluye que, para la predicción de la curva de tipos de interés del Tesoro de EE. UU., los métodos econométricos tradicionales (específicamente ARIMA) y los benchmarks ingenuos siguen siendo los enfoques más efectivos.

Los autores afirman que los modelos de aprendizaje profundo, incluidos los transformadores avanzados y los modelos fundacionales, generalmente no logran superar a estos métodos más simples en esta tarea específica. Sugieren que el proceso diario de la curva de tipos se acerca a una martingala (manteniéndose estable día a día con saltos agudos ocasionales), una característica bien capturada por los modelos ingenuos y lineales. El bajo rendimiento del aprendizaje profundo se atribuye a un posible sobreajuste y a la dificultad de aprender de datos financieros limitados y ruidosos en comparación con los masivos corpus utilizados para los modelos fundacionales en otros dominios.

El estudio enfatiza que, aunque el aprendizaje profundo muestra promesa en bloques de tiempo específicos o con configuraciones específicas, la simplicidad, robustez y rentabilidad de los métodos econométricos tradicionales los convierten en la opción preferida para esta aplicación. El artículo no afirma que el ML sea inútil para las finanzas, sino que, para la predicción de la curva de tipos, aún no ha demostrado una ventaja consistente sobre las líneas base estadísticas establecidas.