🤖 machine learning

Deployment-Side Adaptiveness in Multi-Horizon Volatility Forecasting

Este artículo demuestra que en la previsión de volatilidad de múltiples horizontes, la estrategia de despliegue aplicada a un modelo de múltiples salidas entrenado es tan crítica como la propia arquitectura del modelo, mostrando que la selección basada en validación de las reglas de despliegue en tiempo de inferencia puede mejorar significativamente la precisión y la rentabilidad, al tiempo que revela que las políticas óptimas son sensibles tanto a la arquitectura específica como a la métrica de evaluación elegida.

Autores originales: Riku Green, Zahraa S. Abdallah, Telmo M Silva Filho

Publicado 2026-06-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Riku Green, Zahraa S. Abdallah, Telmo M Silva Filho

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 tienes una bola de cristal financiera muy inteligente y altamente entrenada. Has pasado semanas enseñándole a predecir cuánta volatilidad (el "rebote" de los precios) habrá en el mercado de valores durante los próximos 10, 20 o 30 días.

En el pasado, una vez que terminabas de entrenar esta bola de cristal, simplemente la usabas exactamente como fue diseñada: observaría los datos de hoy y escupiría una única y gigante predicción para todo el periodo futuro de una sola vez. Los autores de este artículo llaman a esto el enfoque "MIMO por defecto".

La Gran Idea: La Bola de Cristal Tiene un Menú Secreto

El artículo argumenta que en realidad estás desperdiciando el potencial de tu bola de cristal entrenada. El hecho de que la hayas entrenado para dar una predicción de 30 días de una sola vez no significa que tengas que usarla de esa manera.

Piensa en tu modelo entrenado como un maestro chef que ha aprendido a cocinar un banquete masivo de 30 platos en una sola sentada. La forma "por defecto" es servir todo el banquete a la vez. Pero el artículo sugiere que este mismo chef también podría ser solicitado para:

Cocinar solo los primeros 5 platos, probarlos, ajustar la siguiente tanda basándose en eso, y luego cocinar los siguientes 5.
O cocinar los primeros 10 platos, hacer una pausa y luego continuar.

Aunque el chef (el modelo) tiene exactamente las mismas habilidades y conocimientos (los parámetros entrenados), la forma en que le pides que cocine (la "regla de despliegue" o rollout rule) cambia el sabor final de la comida.

Lo Que Encontraron

Los investigadores probaron esta idea en 20 acciones diferentes utilizando varios tipos de modelos de IA (desde fórmulas matemáticas simples hasta complejas redes "Transformer"). Esto es lo que descubrieron, utilizando analogías sencillas:

La Trampa del "Talla Única": Descubrieron que la forma estándar de usar el modelo (el banquete completo de 30 platos) a menudo no es la mejor manera. A veces, pedirle al chef que cocine en lotes más pequeños (como de 5 platos a la vez) resulta en una comida más sabrosa (predicciones más precisas).
No Existe una Receta Única Ganadora: Sin embargo, no hay un tamaño de lote único que sea el "mejor". Para un tipo de chef (modelo) y para un tipo de banquete (horizonte de pronóstico), cocinar en lotes de 5 puede ser perfecto. Para un chef o un marco temporal diferente, los lotes de 10 podrían ser mejores. Es como decir que "la comida picante siempre es mejor", cuando a veces quieres algo suave y otras veces algo picante. Debido a que la mejor elección cambia tanto, no puedes simplemente elegir una nueva regla y mantenerla para siempre.
La Estrategia de "Probar el Sabor" (Validación): Como no puedes conocer la regla perfecta de antemano, los autores sugieren una estrategia inteligente: Antes de servir la comida final a tus clientes (el mercado real), realizas una "prueba de sabor" en un menú de práctica (datos de validación). Pruebas diferentes tamaños de lote y eliges el que sabe mejor para ese chef específico.
- La Victoria Barata: A veces, simplemente elegir el tamaño de lote único más efectivo (un "singleton") te da una mejor comida con casi ningún esfuerzo adicional.
- El Abrazo Grupal (Ensembles): A veces, mezclar las predicciones de algunos tamaños de lote diferentes (como un comité de chefs votando) da un resultado aún mejor, aunque requiere un poco más de tiempo para calcularlo.
El Desajuste de la "Métrica": Este es un punto crucial. En finanzas, existen diferentes formas de juzgar si una predicción es "buena".
- MSE (Error Cuadrático Medio): Esto es como juzgar una comida por qué tan cerca está la temperatura del objetivo.
- QLIKE: Esta es una métrica específica de finanzas que juzga la comida basándose en qué tan bien maneja el riesgo de los ingredientes.
- El Problema: El tamaño de lote que hace que la comida sepa "perfecta" según la prueba de temperatura (MSE) no siempre es la más segura o rentable según la prueba de riesgo (QLIKE). Si eliges tu estrategia basándote en una prueba, podría fallar en la otra.

La Conclusión Fundamental

El artículo concluye que cómo usas un modelo entrenado es tan importante como el modelo mismo.

En lugar de tratar a un IA entrenada como una herramienta única y rígida que simplemente enciendes, debes verla como un kit de herramientas flexible. Al cambiar la forma en que realizas el "despliegue" (rollout) de las predicciones (los tamaños de lote) y probándolas en una ejecución de práctica, a menudo puedes obtener mejores resultados sin tener que reentrenar la IA o construir una nueva.

Es como darse cuenta de que tu chef entrenado puede hacer una cena mejor si no lo fuerzas a cocinar todo el menú de una vez, sino que le permites cocinar en pasos más pequeños y más inteligentes basados en lo que funcionó mejor durante la práctica.

Resumen Técnico: Adaptabilidad en el Despliegue para el Pronóstico de Volatilidad de Multi-Horizonte

1. Planteamiento del Problema

En el pronóstico financiero, particularmente en la predicción de volatilidad multi-horizonte, el paradigma de evaluación estándar asume que un modelo entrenado define un único predictor desplegable. Este artículo desafía esa suposición, argumentando que para los pronosticadores Multi-Input Multi-Output (MIMO), el proceso de entrenamiento es solo la mitad de la historia. El método utilizado para desplegar el modelo —las reglas de despliegue (rollout) en el tiempo de inferencia— altera fundamentalmente el comportamiento, la precisión y el costo computacional del predictor.

El problema central abordado es si un único pronosticador MIMO entrenado puede generar una familia de distintos predictores desplegables variando la estrategia de inferencia (por ejemplo, cambiando el tamaño del bloque de salidas comprometidas) sin reentrenar. Los autores investigan si el despliegue MIMO directo "por defecto" es óptimo, o si otras reglas de despliegue inducen mejores predictores bajo restricciones específicas (latencia, presupuesto de cómputo) y métricas de evaluación (MSE vs. QLIKE).

2. Metodología

2.1 La Familia de Reglas Inducidas

Los autores proponen ver un modelo MIMO entrenado no como un predictor fijo, sino como un generador de una familia de predictores.

Mecanismo: Un modelo MIMO estándar predice un horizonte completo $H$ en una sola pasada. Los autores introducen un despliegue "bloque-recursivo" donde el modelo compromete solo $s$ pasos ( $1 \le s \le H$ ) por llamada.
Proceso de Despliegue (Rollout): Las $s$ predicciones comprometidas se anexan a la ventana de entrada, el estado se actualiza y se llama nuevamente a la misma función entrenada $f_\theta$ para predecir los siguientes $s$ pasos. Esto se repite hasta cubrir el horizonte completo.
Predictores Inducidos: Al variar el tamaño del bloque $s$ (o la razón de despliegue $r = s/H$ ), los mismos parámetros fijos $\theta$ generan diferentes predictores efectivos $g_{\theta, s}$ . Esto crea una "familia de reglas" de pronósticos desplegables que van desde el totalmente recursivo ( $s=1$ ) hasta el MIMO por defecto ( $s=H$ ).

2.2 Configuración Experimental

Datos: Series de volatilidad de acciones diarias del archivo VOLARE (20 series univariantes). El objetivo es la varianza realizada logarítmica (calculada a partir de datos subsampados de 5 minutos).
Horizontes: Tres horizontes de pronóstico ( $H \in \{10, 20, 30\}$ días).
Arquitecturas: Cinco clases de modelos que van desde lineales hasta aprendizaje profundo: LinearNet, MLP, LSTM, N-BEATS y PatchTST.
Entrenamiento: Todos los modelos se entrenan como pronosticadores directos multi-salida (prediciendo el $H$ completo en una sola pasada) utilizando el optimizador Adam y la pérdida MSE.
Métricas de Evaluación:
- MSE: Error Cuadrático Medio en la escala de log-volatilidad (objetivo principal de entrenamiento).
- QLIKE: Pérdida de Quasi-Likelihood en la escala de varianza original (métrica estándar en finanzas).
- Costo: Tiempo de inferencia, medido por el número de llamadas al modelo ( $\lceil H/s \rceil$ ).

2.3 Políticas de Despliegue

El estudio evalúa varias políticas para seleccionar o combinar reglas de la familia inducida:

MIMO por Defecto: El despliegue estándar $s=H$ .
Singletons: Desplegar una única regla no predeterminada ( $s < H$ ).
Singleton Seleccionado por Validación: Elegir el mejor $s$ único basado en el MSE de validación.
Ensembles de Subconjuntos:
- Simple: Promedio uniforme de un subconjunto de reglas.
- Lineal: Promedio ponderado donde los pesos se aprenden mediante Mínimos Cuadrados Ordinarios (OLS) en los datos de validación.
- La selección se realiza mediante selección hacia adelante codiciosa (greedy forward selection) para optimizar el MSE de validación para un tamaño de subconjunto $k$ fijo.
Ensembles Completos: Agregación de todo el conjunto de reglas.

3. Contribuciones Clave

Visión de Regla Inducida de MIMO: El artículo introduce el concepto de que un único pronosticador MIMO entrenado define una familia de predictores desplegables a través de elecciones de despliegue en el tiempo de inferencia, en lugar de un único predictor estático.
Margen de Mejora en el Despliegue (Deployment Headroom): Los autores demuestran que las reglas de despliegue no predeterminadas frecuentemente superan al despliegue MIMO por defecto en términos de MSE. Sin embargo, la regla óptima fija depende altamente de la arquitectura del modelo y del horizonte de pronóstico, lo que hace que una regla de reemplazo "global" sea poco confiable.
Políticas Basadas en Validación: El estudio muestra que la selección basada en validación (singletons) y los pequeños subconjuntos de ensembles (ej. $k=3$ ) pueden explotar este margen para lograr mejoras significativas de MSE sobre el MIMO por defecto con una fracción del costo de los ensembles completos.
Sensibilidad de la Métrica: Un hallazgo crítico es que las políticas de despliegue son sensibles a la métrica. Las políticas optimizadas para el MSE de validación no se transfieren uniformemente al rendimiento de QLIKE. Específicamente, las combinaciones lineales aprendidas suelen ofrecer fuertes ganancias en MSE pero mejoras menos consistentes en QLIKE en comparación con políticas más simples (singletons o promedio simple).
Eficiencia de Costo vs. Reentrenamiento: El artículo compara las políticas inducidas contra una alternativa de "barrido de reglas" (entrenar modelos separados para cada tamaño de bloque). Las políticas inducidas logran una paridad cercana en el rendimiento predictivo requiriendo sustancialmente menos costo de reentrenamiento (solo un modelo entrenado frente a uno por cada tamaño de bloque candidato).

4. Resultados Clave

Rendimiento a Nivel de Regla: Las reglas singleton no MIMO superan frecuentemente al MIMO por defecto (tasas de victoria a menudo >60-80% para modelos avanzados como PatchTST), pero el tamaño de bloque ganador varía significamente entre arquitecturas y horizontes.
Relación Precisión-Costo:
- Singletons Seleccionados por Validación: Proporcionan mejoras de bajo costo (a menudo <2x el costo de inferencia de MIMO) con ganancias modestas de MSE.
- Subconjuntos Pequeños ( $k=3$ ): Ofrecen un punto medio sólido. Los subconjuntos lineales codiciosos de tamaño 3 logran las mayores reducciones medianas de MSE (a menudo reduciendo el error entre un 5-15% respecto a MIMO) con costos de inferencia moderados (ej. ~10-20x el costo de MIMO, pero aún mucho más baratos que los ensembles completos).
- Ensembles Completos: Aunque ofrecen el error más bajo, la ganancia marginal sobre los subconjuntos pequeños suele ser pequeña en relación con el aumento significativo en el costo de inferencia.
Transferencia de Métricas:
- Las políticas seleccionadas vía MSE no garantizan la mejora de QLIKE.
- Las políticas simples (singletons, promedio simple) muestran una transferencia más confiable entre MSE y QLIKE.
- Las combinaciones lineales aprendidas, aunque poderosas para MSE, son menos robustas cuando la pérdida operativa es QLIKE.
Inducido vs. Entrenado por Separado: Los modelos entrenados por separado para tamaños de bloque específicos ofrecen solo mejoras marginales de MSE sobre las políticas inducidas. La "Razón Oráculo" (costo de inducido vs. entrenado por separado) sugiere que las políticas inducidas requieren solo un ~10-30% del esfuerzo de reentrenamiento para un rendimiento comparable.

5. Significado y Reivindicaciones

El artículo sostiene que el despliegue en el tiempo de inferencia es una fuente significativa de adaptabilidad en el pronóstico financiero. La importancia principal radica en cambiar el enfoque de la evaluación de "qué arquitectura de modelo es mejor" a "cómo se despliega el modelo entrenado".

Implicación Práctica: Los profesionales no deben asumir que la salida MIMO por defecto es el producto final. Al tratar el modelo entrenado como un espacio de despliegue compacto, se puede seleccionar una política (singleton o pequeño subconjunto) que equilibre la precisión, el costo y la pérdida operativa específica (MSE vs. QLIKE) sin el alto costo de reentrenar múltiples modelos.
Diseño de Evaluación: Los autores argumentan que la política de despliegue debe evaluarse junto con la arquitectura del modelo. El verdadero potencial de un modelo solo se realiza cuando la estrategia de despliegue se optimiza para las restricciones y funciones de pérdida específicas del caso de uso financiero.
Modestia: Los autores reconocen limitaciones, señalando que los resultados se basan en volatilidad diaria univariante y que los hallazgos se refieren a la precisión del pronóstico, no al rendimiento de la utilidad de cartera o al control de riesgo. No pretenden proponer una nueva arquitectura de volatilidad, sino una nueva perspectiva para utilizar los modelos existentes.