💰 quantitative finance

Sequential Structure in Intraday Futures Data: LSTM vs Gradient Boosting on MNQ

Este artículo demuestra que ni los modelos de gradient boosting ni los modelos LSTM pueden lograr una precisión predictiva estadísticamente significativa por encima de una tasa base del 51,8% al pronosticar la dirección intradiaria de los futuros MNQ utilizando cuatro años de datos OHLCV de cinco minutos, lo que sugiere que tales conjuntos de datos de un solo instrumento son insuficientes para el aprendizaje automático financiero secuencial confiable.

Autores originales: Mathias Mesfin

Publicado 2026-05-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mathias Mesfin

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 intentas predecir el clima de una ciudad específica, pero solo tienes cuatro años de registros diarios del clima. Quieres saber: "¿Si llueve en la primera hora del día, lloverá todo el día?"

Este artículo es un informe de un investigador llamado Mathias Mesfin, quien intentó responder esa pregunta, pero en lugar del clima, examinó los futuros del mercado de valores (específicamente el MNQ, que rastrea el Nasdaq 100). Quería ver si cerebros informáticos modernos y de alta tecnología (Aprendizaje Automático) podían encontrar patrones ocultos en el "latido" del mercado que los humanos pasan por alto.

Aquí está la historia de lo que hizo, cómo lo hizo y qué encontró, explicado de manera sencilla.

La Gran Idea: El "Kronos" frente a la "Tienda Local"

Recientemente, se lanzó un modelo masivo de IA llamado Kronos. Fue entrenado con millones de gráficos de acciones de muchos mercados diferentes. Aprendió que el orden en que aparecen las barras de precios (la secuencia) en realidad contiene pistas sobre lo que sucederá después. Es como un chef maestro que ha probado millones de platos y sabe exactamente cómo sabrá una secuencia específica de ingredientes.

Mathias se hizo una pregunta sencilla: "¿Si tomamos esa misma idea, pero la aplicamos a solo un mercado (MNQ) durante solo cuatro años, ¿seguirá funcionando?"

Organizó una carrera entre dos tipos de aprendices informáticos:

El "Escopeta" (Gradient Boosting): Este modelo examina una lista de hechos (como "ayer hizo calor", "la brecha fue amplia"), pero los trata como un montón de elementos no relacionados. No le importa el orden en que ocurrieron.
El "Narrador" (LSTM): Este modelo está diseñado para leer una historia. Examina las 12 barras de cinco minutos de la mañana e intenta entender la secuencia de eventos, tal como se lee una palabra por palabra en una oración.

El Experimento: Una Prueba Estricta

Mathias no dejó que las computadoras simplemente adivinaran. Estableció una prueba muy estricta llamada Validación Progresiva (Walk-Forward Validation).

La Regla: La computadora aprende de 2022, luego intenta predecir 2023. Después, aprende de 2022–2023 y predice 2024. Finalmente, aprende de 2022–2024 y predice 2025.
El Objetivo: Predecir si el mercado cerrará más alto de lo que abrió a las 10:30 AM en al menos 10 puntos.
La Línea Base: Si simplemente lanzaras una moneda, tendrías razón aproximadamente el 51,8 % de las veces (porque el mercado sube ligeramente con más frecuencia de lo que baja). Para ganar, la computadora tenía que superar este lanzamiento de moneda.

Los Resultados: Las Computadoras se Perdieron

Los resultados fueron honestos y decepcionantes para la esperanza de la "alta tecnología", pero muy informativos para la ciencia:

El "Escopeta" (Gradient Boosting): Intentó encontrar patrones en los datos diarios. A veces tuvo suerte (54 % de precisión en un año), pero en otros años se equivocó más a menudo que una moneda. Cuando Mathias verificó por qué tomaba decisiones, las razones cambiaban cada año. Un año le importaban los "huecos nocturnos", al siguiente le importaba el "volumen". Fue como un estudiante que memorizó las respuestas del examen del año pasado pero no logró aprender las matemáticas reales.
El "Narrador" (LSTM): Esta fue la gran prueba. ¿Importaba la secuencia de las barras de la mañana? La respuesta fue no. El modelo esencialmente se rindió. Predijo una probabilidad del 50/50 para cada día, independientemente de cómo se veía la mañana. Su "confianza" fue plana. No aprendió nada.

El Veredicto: Ninguno de los modelos pudo predecir el mercado mejor que un lanzamiento de moneda. El "Narrador" no encontró una historia; solo encontró ruido.

El "Por Qué": La Analogía de la Biblioteca

¿Por qué falló la IA de alta tecnología? El artículo ofrece una excelente explicación usando una Analogía de la Biblioteca:

El Modelo Kronos (El Ganador): Imagina una biblioteca con 9 millones de libros. Si quieres aprender un idioma raro, puedes leer millones de ejemplos y encontrar las reglas.
El Conjunto de Datos de Mathias (El Perdedor): Imagina que solo tienes 944 páginas (un día por año durante cuatro años).
- Si un patrón específico ocurre solo el 5 % de las veces, aparece solo 47 veces en toda tu biblioteca.
- Intentar enseñar a una IA compleja a encontrar un patrón que solo aparece 47 veces es como intentar enseñarle a un niño a reconocer un tipo específico de nube mostrándole una imagen de esa nube una vez cada dos semanas durante cuatro años. Simplemente no hay suficiente "combustible de datos" para que el motor funcione.

La IA no falló porque fuera "tonta". Falló porque estaba hambrienta de datos. Necesitaba millones de ejemplos para aprender la "gramática" del mercado, pero solo se le dieron unos cientos.

La Conclusión: Un "No" Honesto

La parte más importante de este artículo no es que los modelos fallaran; es que el investigador admitió que fallaron y explicó exactamente por qué.

La Afirmación: No se puede utilizar IA avanzada para predecir la dirección diaria de un único mercado de valores utilizando solo cuatro años de datos de 5 minutos. Los datos son demasiado escasos.
La Lección: Para que estos modelos funcionen, necesitas:
1. Mucho más historial (décadas, no años).
2. Datos mucho más rápidos (datos tick a tick, que multiplican la cantidad de puntos de datos por 50 veces).
3. Más mercados (entrenar en Nasdaq, S&P y Dow Jones al mismo tiempo para darle a la IA más ejemplos).

En resumen: La super-IA "Kronos" funciona porque ha leído toda la enciclopedia del mercado. Mathias intentó enseñar a una IA similar usando solo una página de un diccionario y, sin sorpresa, no pudo aprender el idioma. Este artículo es un mapa valioso que muestra a los investigadores exactamente dónde está el "acantilado de datos", para que no pierdan tiempo intentando saltarlo con datos insuficientes.

Resumen Técnico: Estructura Secuencial en Datos de Futuros Intradía

Enunciado del Problema
Esta investigación aborda una brecha crítica en las finanzas cuantitativas: determinar si la estructura secuencial a nivel de barras en datos de futuros intradía contiene información predictiva explotable cuando se procesa a una escala significativamente menor que la de los recientes modelos fundamentales financieros. Motivado por la arquitectura Kronos (Shi et al., 2025), que demostró que los modelos basados en transformadores pueden aprender patrones predictivos a partir de millones de barras de velas en múltiples instrumentos, este estudio investiga si existen dependencias secuenciales similares dentro de un conjunto de datos restringido de un solo instrumento. Específicamente, pregunta si un historial de cuatro años de barras de cinco minutos del Micro E-Mini Nasdaq 100 (MNQ) contiene suficiente señal estructural para la previsión direccional, o si la ventaja "secuencial" es puramente una función del volumen masivo de datos.

Metodología
El estudio emplea un marco riguroso de validación walk-forward a través de tres períodos fuera de muestra (2023, 2024, 2025) utilizando 944 días de negociación de datos de MNQ en Horario de Negociación Regular (RTH) (diciembre de 2021 a septiembre de 2025). La variable objetivo es binaria: si el cierre de la sesión supera la apertura de la barra de las 10:30 AM en más de 10 puntos (un umbral que representa aproximadamente un ATR de línea base).

Se evaluaron cuatro configuraciones de modelos:

Gradient Boosting (Diario): Un HistGradientBoostingClassifier entrenado con 29 características diarias ingenierizadas (rendimientos, brechas, volatilidad, estructura de sesión) tokenizadas en bins de deciles para imitar la cuantización de modelos fundamentales.
Gradient Boosting (Intradía): El mismo clasificador entrenado con 30 características intradía derivadas de los primeros 60 minutos de la sesión, incluyendo una secuencia de retorno de 12 barras tratada como características independientes.
Gradient Boosting (Ajustado por Volatilidad): Un modelo intradía que utiliza un objetivo normalizado por ATR para aislar la señal direccional de los regímenes de volatilidad.
LSTM (Secuencial): Una red mínima de Memoria a Corto y Largo Plazo (capa única, 16 unidades, 0.3 de dropout) diseñada para procesar la secuencia de retorno de 12 barras como una serie temporal genuina, preservando el orden temporal que el gradient boosting descarta.

Todos los modelos utilizaron ventanas de entrenamiento expansivas y fueron sometidos a pruebas de permutación (200 iteraciones) en el pliegue final (2025) para establecer la significancia estadística frente a una distribución nula de etiquetas mezcladas.

Resultados Clave
El estudio no encontró evidencia de poder predictivo fuera de muestra estadísticamente significativo en ninguna configuración:

Precisión: Las precisiones combinadas fuera de muestra oscilaron entre el 50.00% (GB-Diario) y el 50.89% (GB-Ajustado por Volatilidad) para las variantes de gradient boosting, y el 50.59% para el LSTM. Estas cifras son indistinguibles de la tasa base del 51.80% y de una línea base de lanzamiento de moneda al azar.
Significancia Estadística: Las pruebas de permutación arrojaron valores p de 0.135 (mejor GB-Intradía), 0.390 (GB-Ajustado por Volatilidad) y 0.515 (LSTM). Todos fallaron en cumplir el umbral de $p < 0.05$ , lo que indica que los resultados son consistentes con ruido aleatorio.
Estabilidad de Características: El análisis de importancia de características reveló una inestabilidad sistemática a través de los pliegues. Las características dominantes cambiaron completamente entre las ventanas de entrenamiento (por ejemplo, de características de brechas a retornos de barras específicos), confirmando que los modelos estaban ajustando patrones espurios en lugar de capturar señales estructurales.
Comportamiento del LSTM: El modelo LSTM convergió a un clasificador plano y no calibrado, prediciendo la probabilidad de la tasa base (~0.50) para todas las entradas independientemente de la entrada secuencial. Esto sugiere que el modelo no aprendió nada en lugar de sobreajustarse al ruido.

Contribuciones Clave
La contribución principal de este artículo es un límite inferior empírico honesto sobre la escala de conjunto de datos requerida para el aprendizaje automático secuencial en la previsión intradía. Al implementar una aproximación manejable del marco conceptual de Kronos en un conjunto de datos del mundo real y restringido, el estudio demuestra que:

Dependencia de la Escala: Las arquitecturas secuenciales (LSTMs) y las estrategias de tokenización inspiradas en modelos fundamentales fallan en extraer estructura predictiva de datos de un solo instrumento a la escala de ~944 días.
Ruido vs. Señal: La falta de importancia de características consistente y la convergencia hacia una predicción aleatoria indican que la "estructura secuencial" observada en modelos fundamentales a gran escala no está presente, o no es aprendible, a esta resolución y tamaño de muestra específicos.
Documentación Metodológica: El artículo proporciona una tubería completa y reproducible para probar hipótesis secuenciales en finanzas, incluida una validación estricta walk-forward y pruebas de permutación, sirviendo como un contraejemplo a afirmaciones excesivamente optimistas sobre aplicaciones de ML con pocos datos.

Significancia y Afirmaciones
El artículo afirma modestamente que su resultado negativo es una corrección empírica necesaria para el campo. Plantea que la transición del "fracaso" (como se ve aquí) al "éxito" (como se ve en Kronos) probablemente requiere un tamaño de conjunto de datos órdenes de magnitud mayor, potencialmente entre 500,000 y 5,000,000 de barras. El estudio concluye que para los investigadores limitados a datos históricos de acceso minorista estándar (un solo instrumento, barras de 5 minutos), las arquitecturas de ML secuencial actualmente no ofrecen ninguna ventaja sobre la adivinanza aleatoria. El artículo sugiere que el progreso significativo en este dominio requiere ya sea un cambio a datos a nivel de tick, entrenamiento multi-instrumento, o aprendizaje por transferencia desde modelos fundamentales preentrenados, en lugar de simplemente aplicar estas arquitecturas a conjuntos de datos pequeños y aislados.