🤖 machine learning

Machine Learning and the Random Walk Puzzle: Forecasting the CAD/USD Exchange Rate with Expanding Window Evaluation and SHAP Interpretability

Este estudio evalúa cinco modelos de aprendizaje automático frente a un punto de referencia de paseo aleatorio ingenuo para pronosticar el tipo de cambio mensual USD/CAD de 2017 a 2026, encontrando que si bien la regresión lineal supera estadísticamente al paseo aleatorio, la mayoría de los modelos de aprendizaje automático ofrecen solo mejoras marginales y dependen fuertemente de rezagos recientes, confirmando la dificultad inherente de predecir los tipos de cambio.

Autores originales: Louis Agyekum, Edmund Fosu Agyemang, Obu-Amoah Ampomah, Kofi Acheampong, Emmanuel Boadi, Priscilla Yaa Amakye, Fafa Shalom Tchorly, Enock Adu Bonsu, Eric Nyarko

Publicado 2026-06-16

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Louis Agyekum, Edmund Fosu Agyemang, Obu-Amoah Ampomah, Kofi Acheampong, Emmanuel Boadi, Priscilla Yaa Amakye, Fafa Shalom Tchorly, Enock Adu Bonsu, Eric Nyarko

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 estás intentando adivinar el precio de una taza de café mañana. Podrías analizar patrones climáticos complejos, cadenas de suministro globales de granos de café y el estado de ánimo de los baristas en todo el mundo. O, simplemente podrías asumir que el precio de mañana será exactamente igual al de hoy.

Este documento es esencialmente una competencia de alto nivel entre esos dos enfoques, pero en lugar de café, el "precio" es el tipo de cambio entre el dólar canadiense (CAD) y el dólar estadounidense (USD). Los investigadores se hicieron una pregunta sencilla: ¿Pueden los programas informáticos modernos y sofisticados (Aprendizaje Automático o Machine Learning) predecir los precios de las divisas mejor que la simple suposición de que "el mañana se verá como el hoy"?

Aquí está el desglose de sus hallazgos utilizando analogías cotidianas:

1. Los contendientes: El "Inteligente" contra el "Simple"

Los investigadores organizaron una carrera con dos equipos:

El Equipo "Inteligente" (Machine Learning): Estos son modelos computacionales complejos como Random Forest, XGBoost y AdaBoost. Piensa en ellos como un equipo de detectives superinteligentes que pueden detectar patrones diminutos y ocultos en una enorme pila de pistas. Están diseñados para encontrar relaciones no lineales y complicadas que los humanos podrían pasar por alto.
El Equipo "Simple" (Los puntos de referencia o Benchmarks):
- El Paseo Aleatorio (Random Walk): Esta es la suposición "naíf". Asume que la mejor predicción para mañana es simplemente el valor de hoy. Es como adivinar que el clima de mañana será exactamente igual al de hoy.
- El Estadístico Tradicional (ETS): Un modelo matemático clásico y de la vieja escuela que intenta encontrar patrones estacionales (como "siempre hace más calor en julio").

2. Las reglas del juego

Para asegurar que el equipo "Inteligente" no hiciera trampa echando un vistazo al futuro, los investigadores utilizaron una estricta regla de "Ventana Expansiva" (Expanding Window).

La Analogía: Imagina tomar un examen donde solo se te permite estudiar los libros de historia hasta ayer. Haces una predicción para hoy, luego se te permite leer el periódico de hoy, y luego haces una predicción para mañana. Nunca puedes mirar el periódico de la próxima semana para ayudarte a adivinar lo de hoy. Esto garantiza que los modelos sean probados sobre cómo funcionarían en el mundo real, no solo en una simulación computacional.

3. Los resultados: El equipo "Simple" gana (en su mayoría)

Después de ejecutar la carrera durante 18 meses de datos, esto fue lo que sucedió:

El pronóstico "Simple" (Paseo Aleatorio) es una bestia: El resultado más sorprendente es que la suposición simple ("mañana se ve como hoy") fue increíblemente difícil de vencer. Fue el predictor más preciso durante la mayor parte del tiempo. Esto confirma un famoso misterio económico llamado el Acertijo de Meese-Rogoff, que sugiere que los mercados de divisas son tan eficientes que los patrones complejos son difíciles de encontrar.
El equipo "Inteligente" tropieza: Los sofisticados modelos de Machine Learning (los superdetectives) no vencieron a la suposición simple. De hecho, fueron ligeramente peores que la suposición simple, aunque no por un margen amplio. Se quedaron tan atrapados intentando encontrar patrones complejos que empezaron a "sobreanalizar" los datos.
La única excepción: Hubo un modelo que sí venció a la suposición simple: la Regresión Lineal. Piensa en esto como un modelo "Simple Inteligente". No es un detective complejo; es solo una línea recta que conecta los puntos. Ganó porque, en este caso específico, la mejor manera de predecir el futuro es realmente mirar el pasado muy reciente. Los modelos complejos eran demasiado complicados para un trabajo que requería simplicidad.
El modelo de la vieja escuela perdió: El modelo estadístico tradicional (ETS) fue el que peor se desempeñó, fallando incluso en vencer a la suposición simple.

4. ¿Por qué falló el equipo "Inteligente"? (Explicación de la "Caja Negra")

Los investigadores utilizaron una herramienta llamada SHAP para abrir la "caja negra" del modelo de Machine Learning con mejor desempeño (Random Forest) y ver qué estaba pensando realmente.

La Analogía: Imagina preguntarle a una supercomputadora: "¿Por qué adivinaste que el precio sería de $1.36?".
La Respuesta: La computadora dijo: "Bueno, ayer era $1.36, y anteayer era $1.36".
La Conclusión: Los modelos "Inteligentes" se dieron cuenta de que la pista más importante era simplemente el precio más reciente. Ignoraron los patrones complejos a largo plazo para los que fueron diseñados porque los datos no los tenían. La divisa se comportaba como un "Paseo Aleatorio": simplemente derivaba al azar, y lo único que importaba era el último paso dado.

5. Los cambios estructurales (Los "Giros de Trama")

Los investigadores también analizaron la línea de tiempo y encontraron cuatro grandes "giros de trama" donde las reglas del juego cambiaron:

2018: Comenzó la guerra comercial entre EE. UU. y China.
2020: La pandemia golpeó y el mundo entró en pánico.
2022: El Banco de Canadá aumentó las tasas de interés para combatir la inflación.
2024: El Banco de Canadá comenzó a recortar las tasas.

Incluso con estos grandes eventos, el modelo simple de "Paseo Aleatorio" siguió siendo el oponente más difícil de vencer.

Resumen

Si quieres predecir el tipo de cambio USD/CAD para el próximo mes:

No confíes en una IA supercompleja que intente encontrar secretos ocultos en los datos; probablemente complicará demasiado las cosas.
Sí observa lo que pasó ayer.
Tal vez usa un modelo matemático lineal muy simple, que es lo único que logró superar ligeramente la estrategia de "adivinar que es lo mismo que ayer" en este estudio específico.

El documento concluye que para este par de divisas específico, el mercado es tan eficiente que el enfoque "simple" sigue siendo el rey, y los sofisticados modelos de Machine Learning no han encontrado una solución mágica para predecir el futuro mejor que simplemente observar el presente.

Resumen Técnico: El Aprendizaje Automático y el Enigma del Paseo Aleatorio en el Pronóstico del USD/CAD

Planteamiento del Problema
Este estudio aborda el persistente "enigma de Meese-Rogoff" en las finanzas internacionales: la dificultad empírica de pronosticar tipos de cambio fuera de la muestra utilizando modelos macroeconómicos estructurales, los cuales fallan consistentemente al intentar superar un benchmark de paseo aleatorio ingenuo. Específicamente, el artículo investiga si los métodos de ensamble de aprendizaje automático (ML) modernos pueden superar esta limitación en el pronóstico del tipo de cambio mensual USD/CAD. Los autores se centran en el par USD/CAD debido a su importancia económica para Canadá y su estatus como moneda vinculada a materias primas, bajo la hipótesis de que sus características estructurales (por ejemplo, la correlación con los precios del petróleo) podrían ofrecer dinámicas predictibles ausentes en monedas puramente financieras.

Metodología
La investigación emplea un marco de evaluación riguroso y libre de filtraciones de datos (leakage-free) utilizando datos diarios del Banco de Canadá (enero de 2017 – mayo de 2026), remuestreados a 113 observaciones mensuales.

Preprocesamiento de Datos: La serie diaria se agregó a medias mensuales. El conjunto de datos se dividió en un periodo de entrenamiento (enero de 2017 – noviembre de 2024, $T_0=95$ ) y un periodo de prueba estrictamente fuera de la muestra (diciembre de 2024 – mayo de 2026, $H=18$ ).
Ingeniería de Características: Para evitar la filtración de datos, todos los predictores para los modelos de ML se construyeron exclusivamente a partir de información disponible antes del origen del pronóstico ( $\mathcal{F}_{t-1}$ $F_{t - 1}$ ). Las características incluyeron:
- Valores rezagados ( $y_{t-1}$ a $y_{t-12}$ ).
- Estadísticos móviles (medias y desviaciones estándar) sobre ventanas de 3, 6 y 12 meses.
- Media expansiva (promedio histórico).
- Diferencias de primer orden y codificaciones cíclicas (seno/coseno) para la estacionalidad.
Modelos Evaluados:
- Benchmarks: Paseo Aleatorio (RW) ingenuo sin deriva y Suavizamiento Exponencial con estacionalidad de Holt-Winters (ETS).
- Aprendizaje Automático (ML): Regresión Lineal, Random Forest (RF), Gradient Boosting, XGBoost y AdaBoost.
Protocolo de Evaluación:
- Ventana Expansiva: Los modelos se reestimaron en cada paso utilizando un conjunto de entrenamiento expansivo para reflejar las condiciones de pronóstico en tiempo real.
- Métricas: El desempeño se evaluó mediante MAE, RMSE, MAPE, SMAPE y el estadístico U de Theil.
- Pruebas Estadísticas: Se utilizó la prueba de Diebold-Mariano (DM) para determinar si los errores de pronóstico diferían significativamente del benchmark de paseo aleatorio.
- Interpretabilidad: Se aplicaron valores SHAP (explicaciones aditivas de Shapley) al modelo de ML con mejor desempeño para descomponer las contribuciones de las características.
Análisis Estructural: Se utilizó el algoritmo PELT para detectar rupturas estructurales, identificando cuatro cambios de régimen significativos correspondientes a eventos macroeconómicos mayores (guerra comercial de 2018, recuperación de la pandemia de 2020, alzas de tasas de 2022, recortes de tasas de 2024).

Resultos Clave

Dominancia del Paseo Aleatorio: El paseo aleatorio ingenuo (equivalente a ARIMA(0,1,0)) siguió siendo el benchmark más robusto. Logró el RMSE más bajo (0.0158) y el MAPE más bajo (0.92%) entre todos los modelos.
Desempeño Limitado del ML:
- La Regresión Lineal fue el único modelo que superó estadísticamente al paseo aleatorio (estadístico DM = 3.0585, $p = 0.0071$ ). Los autores atribuyen esto a la capacidad del modelo para aproximar el paseo aleatorio con baja varianza bajo condiciones de raíz unitaria cercana.
- Modelos de Ensamble: Todos los modelos complejos de ML (Random Forest, Gradient Boosting, XGBoost, AdaBoost) arrojaron estadísticos DM negativos, lo que indica que fueron marginalmente peores que el paseo aleatorio, aunque no siempre de manera estadísticamente significativa al nivel del 5%.
- Desempeño de ETS: El modelo tradicional ETS fue el que tuvo el peor desempeño, subestimando significativamente al paseo aleatorio, probablemente debido a ajustes estacionales espurios en una serie carente de una estacionalidad fuerte.
Importancia de las Características (SHAP): El análisis SHAP del modelo Random Forest reveló que los rezagos de corto plazo (lag_1, lag_2) y las medias móviles recientes dominaron las predicciones. El lag_1 representó aproximadamente el 21% de la importancia de las características. Los rezagos de largo horizonte y las características estacionales contribuyeron mínimamente, confirmando que la serie se comporta mayoritmente como un paseo aleatorio con impulso de corto plazo.
Precisión del Pronóstico: A pesar de no superar estadísticamente al paseo aleatorio, todos los modelos de ML lograron una "Alta Precisión" (MAPE < 10%) y superaron al benchmark de ETS. Random Forest logró el MAPE más bajo (1.17%) entre los modelos que no son de paseo aleatorio.

Significancia y Reivindicaciones
El artículo afirma proporcionar una respuesta directa y estadísticamente rigurosa al enigma de Meese-Rogoff para el par USD/CAD dentro del periodo de muestra especificado. Sus contribuciones principales son:

Refuerzo del Enigma: El estudio confirma que incluso con métodos de ensamble avanzados y protocolos estrictos de ventana expansiva, los tipos de cambio en economías desarrolladas siguen siendo mayormente impredecibles más allá del paseo aleatorio utilizando únicamente datos históricos endógenos.
Rigor Metodológico: Al utilizar un marco de ventana expansiva y la prueba de Diebold-Mariano, el estudio evita los errores comunes de filtración de datos y sobreajuste (overfitting) frecuentes en la literatura de pronóstico de ML.
Interpretabilidad: La aplicación de valores SHAP aborda la crítica de la "caja negra" del ML en economía, demostando que los modelos están aprendiendo comportamientos económicamente sensatos y cercanos al paseo aleatorio en lugar de patrones espurios.
Matiz Práctico: Aunque los modelos de ML no vencieron al paseo aleatorio estadísticamente, superaron a los modelos estadísticos tradicionales (ETS). Los autores sugieren que, para los profesionales, la Regresión Lineal y Random Forest (bajo ventanas expansivas) pueden servir como herramientas de pronóstico condicional útiles, particularmente en comparación con los benchmarks clásicos, aunque advierten contra la interpretación de estas ganancias como reglas de trading fiables.

Los autores concluyen que los beneficios del ML en el pronóstico de tipos de cambio son probablemente episódicos y dependientes del modelo, estando fuertemente limitados por la naturaleza de casi paseo aleatorio de los datos, y que las ganancias futuras podrían requerir la incorporación de fundamentos macroeconómicos (por ejemplo, diferenciales de tasas de interés, precios de materias primas) en lugar de depender únicamente de los datos de precios históricos.