Resumen Técnico: Auditoría de Sesgo en Regímenes Latentes para la Predicción de la Volatilidad

1. Planteamiento del Problema

Los pronósticos de volatilidad son críticos para la gestión de riesgos, la cobertura (hedging) y la asignación de carteras, particularmente durante periodos de inestabilidad de mercado. Sin embargo, las prácticas de evaluación estándar dependen en gran medida de métricas de precisión agregada como el Error Cuadrático Medio (RMSE) y el Error Absoluto Medio (MAE). Los autores argumentan que estas métricas comprimen la distribución temporal y condicional de los errores, lo que potencialmente enmascara fallos sistemáticos que ocurren en estados de mercado específicos y económicamente significativos. Un modelo puede exhibir un error promedio bajo pero ser condicionalmente poco fiable —específicamente, al subestimar sistemáticamente la volatilidad durante regímenes de estrés, que es el error más costoso para la gestión de riesgos. El artículo postula que la predicción de la volatilidad debe tratarse como un probleente de fiabilidad condicional, preguntando no solo si un modelo es preciso en promedio, sino dónde y cuándo sus errores se vuelven sesgados o inestables.

2. Metodología

El artículo propone un marco de auditoría agnóstico al modelo diseñado para detectar sesgos ocultos específicos de cada régimen sin alterar los modelos de predicción mismos. La metodología avanza a través de las siguientes etapas:

A. Aprendizaje de Representación Relativa al Activo

Para evaluar los pronósticos a través de diferentes activos (criptomonedas y ETFs) sin que los resultados estén dominados por escalas persistentes específicas de cada activo, el marco aprende representaciones de series temporales de ventanas de estado de mercado:

1. Normalización: Las características (retornos, volatilidad basada en rangos, volatilidad implícita, volumen, drawdown, etc.) se normalizan dentro de cada activo utilizando estadísticas robustas (mediana y Rango Intercuartílico - IQR) derivadas del periodo de entrenamiento.
2. Incrustación (Embedding): Un codificador contrastivo (estilo TS2Vec) aprende incrustaciones de ventana ($z_{i,t}$) para alinear vistas temporalmente superpuestas.
3. Invarianza Adversaria: Para evitar que las incrustaciones codifiquen la identidad estática del activo (lo que confundiría la detección de regímenes), se emplea un clasificador de activos adversario con inversión de gradiente. El codificador se entrena para que la predicción del activo sea difícil, preservando así la información dinámica del estado del mercado mientras se suprime la estructura identificadora del activo.

B. Construcción de Regímenes Alineados

En lugar de tratar los regímenes como estados de mercado universales, el marco construye particiones de auditoría relativas al activo:

1. Clustering: Se aplica K-means clustering a las incrustaciones de entrenamiento para cada activo individualmente con el fin de identificar $K$ estados latentes.
2. Alineación: Dado que las etiquetas de los clusters son arbitrarias entre activos, se alinean utilizando una puntuación de estrés del periodo de entrenamiento. Esta puntuación combina volatilidad realizada, drawdown, retornos absolutos y variables de proximidad de estrés.
3. Etiquetado: Los clusters se ordenan por su puntuación de estrés promedio y se etiquetan como Calma (Calm), Intermedio (Intermediate) y Estrés (Stress). Esto asegura que el "Estrés" en un activo corresponda a un nivel de estrés comparable en otro, creando un espacio de auditoría unificado.

C. Métricas de Auditoría

El marco evalúa los pronosticadores ($M$) utilizando varias métricas más allá del RMSE/MAE estándar:

• Sesgo Condicional al Régimen: El error con signo promedio dentro de cada régimen alineado.
• Estadísticas de Sesgo Oculto:
  • $RBA^{stable}_m$: Cuantifica cuánto el sesgo agregado subestima el mayor sesgo de régimen relativo al activo.
  • $RCRG^{norm}_m$: Normaliza la brecha entre el sesgo agregado y el del peor caso respecto al RMSE.
• Cola y Pérdida Económica:
  • Subestimación de la Cola: La tasa de subestimación en el decil superior de los resultados de volatilidad realizada.
  • Pérdida Asimétrica: Una función de pérdida cuadrática asimétrica ($\ell_\lambda$) que penaliza la subestimación ($e < 0$) con mayor severidad que la sobreestimación, reflejando el costo económico de la subestimación del riesgo.
• Inferencia Estadística: Se utilizan intervalos de confianza de bootstrap de bloques para determinar si los sesgos específicos de régimen son estadísticamente significativos.

3. Principales Contribuciones

El artículo detalla cinco contribuciones primarias:

1. Encuadre del Problema: Reencuadrar la predicción de la volatilidad como un problema de auditoría de fiabilidad condicional y relativa al activo, en lugar de una tarea pura de optimización de precisión.
2. Herramientas de Diagnóstico: Introducir diagnósticos agnósticos al modelo para el sesgo de régimen oculto, la subestimación de la cola y la pérdida económica sensible a la subestimación.
3. Construcción de Regímenes: Desarrollar un método para construir regímenes relativos al activo utilizando incrustaciones de series temporales normalizadas, invariancia de activo adversaria y alineación de puntuación de estrés económico.
4. Auditoría Integral: Aplicar el marco a un amplio conjunto de modelos, incluyendo baselines históricos, especificaciones HAR/IV, modelos lineales, modelos basados en árboles, redes recurrentes (LSTM/GRU) y arquitecturas tipo Transformer (iTransformer, PatchTST).
5. Evidencia Empírica: Demostrar que las clasificaciones basadas en la precisión agregada (RMSE) a menudo divergen de las clasificaciones basadas en la fiabilidad condicional y la pérdida económica, indicando que los modelos "precisos" pueden seguir siendo condicionalmente poco fiables.

4. Resultados Experimentales

El marco se aplicó a pronósticos de volatilidad realizada diaria para BTC, ETH, SPY, QQQ, IWM, GLD y USO durante el periodo 2021–2026.

• Validez de los Regímenes (RQ1): Se demostró que los regímenes alineados (Calma, Intermedio, Estrés) son económicamente significativos. Los regímenes de estrés exhibieron mayor volatilidad realizada/implícita, mayores drawdowns y una mayor concentración de eventos de cola en comparación con los periodos de calma.
• Sesgo Oculto (RQ2): Se encontró que las métricas agregadas enmascaran sesgos significativos específicos de cada régimen. Por ejemplo, varios modelos con RMSE agregados competitivos exhibieron subestimación o sobreestimación estadísticamente significativa en regímenes específicos (por ejemplo, los modelos LSTM y GRU mostraron una subestimación significativa en regímenes de estrés intermedio).
• Clasificaciones Divergentes (RQ3 y RQ4):
  • Fiabilidad vs. Precisión: Los modelos que ocupan puestos altos por RMSE (por ejemplo, modelos recurrentes) a menudo bajaron en su clasificación cuando fueron evaluados por métricas de fiabilidad condicional ($RBA^{stable}$). Por el contrario, algunos modelos lineales y nativos de finanzas (por ejemplo, HAR-RV) mejoraron en sus clasificaciones de fiabilidad.
  • Pérdida Económica: Las clasificaciones se desplazaron aún más al utilizar una pérdida asimétrica ponderada por la cola. Los modelos tipo Transformer (PatchTST, iTransformer), aunque competitivos en algunas métricas agregadas, se desempeñaron pobremente bajo criterios de pérdida económica, mostrando una menor capacidad de respuesta a los extremos de volatilidad y una mayor subestimación de la cola.
• Robustez (RQ5): Los hallazgos se mantuvieron a través de diferentes horizontes de pronóstico y variantes de construcción de regímenes (incrustaciones simples frente a adversarias), confirmando que las brechas de fiabilidad condicional observadas no son artefactos de una única elección de clustering.

5. Significación y Reivindicaciones

El artículo afirma que su marco desplaza el paradigma de evaluación de "¿qué modelo es más preciso en promedio?" a "identificar los regímenes de mercado en los cuales los pronósticos aparentemente precisos fallan condicionalmente".

• Limitaciones: Los autores son modestos en cuanto al alcance, señalando que los regímenes son particiones de auditoría dependientes de la muestra en lugar de estados de mercado universales. El análisis se limita a objetivos de volatilidad realizada diaria y a un panel específico de múltiples activos.
• Perspectiva Central: La principal significación es la demostración de que la complejidad arquitectónica no garantiza la fiabilidad condicional. Un modelo puede ser altamente preciso en promedio y, sin embargo, peligrosamente poco fiable en los estados de estrés específicos donde la gestión de riesgos es más crítica.
• Implicación: El artículo sugiere que la evaluación de la predicción de la volatilidad debe ir más allá de las métricas de error agregadas para incluir diagnósticos condicionados al régimen para asegurar que los pronósticos sean fiables donde más importan. No propone un nuevo modelo de predicción, sino que proporciona una herramienta de diagnóstico para auditar los existentes.