💰 quantitative finance

Cross-Sectional Heterogeneity in LSTM Networks for Financial Time Series

Este artículo propone una arquitectura LSTM mejorada que integra covariables macrofinancieras y embeddings de sectores aprendibles para capturar eficazmente la heterogeneidad transversal en los rendimientos del S&P 500, demostrando un rendimiento predictivo e interpretabilidad superiores sobre los estándares de referencia mediante una estrategia impulsada por factores de reversión a corto plazo y de momentum de la industria.

Autores originales: Julius Döbelt

Publicado 2026-08-07

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Julius Döbelt

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 predecir el clima, pero en lugar de mirar las nubes, estás mirando el mercado de valores. Este es el mundo de la predicción de series temporales financieras, un campo donde los científicos intentan adivinar si el precio de una acción subirá o bajará mañana basándose en su historia. Es un juego notablemente difícil. Piensa en el mercado de valores como un océano gigante y ruidoso. La "señal" es la dirección real del viento que te indica hacia dónde van las olas, pero el "ruido" es el salpicar del agua, las gaviotas gritando y las ondulaciones aleatorias que dificultan ver el patrón real. Debido a que el mercado es tan eficiente —lo que significa que todo el mundo conoce las noticias al instante—, encontrar un patrón fiable es como intentar escuchar un susurro en medio de un huracán.

Para abordar esto, los investigadores utilizan el aprendizaje automático (machine learning), específicamente un tipo de cerebro computacional llamado LSTM (Long Short-Term Memory o Memoria de Largo y Corto Plazo). Puedes pensar en un LSTM como un bibliotecario súper organizado que lee la historia del precio de una acción día tras día, recordando las partes importantes y olvidando el ruido, para hacer una conjetura sobre el futuro. Durante mucho tiempo, estos bibliotecarios fueron entrenados para tratar a cada acción como si fuera la misma persona, solo que con un sombrero diferente. Miraban la historia de Apple y la historia de una empresa de servicios públicos exactamente de la misma manera. Pero en el mundo real, una empresa tecnológica y una empresa de energía reaccionan de forma muy distinta a las noticias. Este artículo plantea una pregunta sencilla: ¿Qué pasaría si le enseñáramos a nuestro bibliotecario a reconocer que las acciones pertenecen a diferentes "vecindarios" (sectores) y que estos vecindarios tienen sus propias personalidades únicas?

El Gran Sombrero Seleccionador del Mercado de Valores

En este estudio, el autor, Julius Döbelt, decide actualizar al bibliotecario estándar de la LSTM. La versión antigua era buena, pero era un poco torpe porque trataba a una acción tecnológica de alto vuelo exactamente igual que a una acción estable de servicios públicos. Döbelt introduce un nuevo truco: Embeddings de Sector (Representaciones de Sector).

Imagina que estás en una fiesta masiva con cientos de invitados. El viejo bibliotecario miraría a cada invitado e intentaría adivinar quién bailará después basándose solo en cómo se movieron en la última hora. Pero el nuevo bibliotecario de Döbelt recibe un "sombrero seleccionador" especial. Antes de que el bibliotecario siquiera mire el baile, el sombrero etiqueta instantáneamente a cada invitado con su grupo: "Tecnología", "Salud", "Energía", etcétera. El bibliotecario aprende que los invitados de "Tecnología" tienden a bailar con un ritmo específico, mientras que los de "Energía" tienen un estilo totalmente diferente. Al darle a la computadora estas "etiquetas de sector" como una entrada especial, el modelo puede finalmente entender que el rendimiento pasado de una acción no depende solo de su propia historia, sino también de la vibra de todo su vecindario.

El Experimento: Un Viaje en el Tiempo de 30 Años

Para probar esta idea, Döbelt construyó una máquina del tiempo. Tomó datos del S&P 500 (las 500 empresas más grandes de EE. UU.) desde 1995 hasta 2024. No se limitó a mirar un solo año; realizó una simulación en la que entrenó el modelo con tres años de historia y luego lo probó en el año siguiente, repitiendo este proceso 27 veces. Esto es como entrenar a un estudiante durante tres años y luego evaluarlo en un nuevo año escolar, una y otra vez, para ver si realmente aprendió o si simplemente memorizó las respuestas.

Comparó su nuevo "Sector LSTM" contra otros tres competidores:

La LSTM Básica: El viejo bibliotecario que ignora los vecindarios.
El Random Forest: Un tipo diferente de cerebro computacional que toma decisiones haciendo muchas preguntas pequeñas (como un comité de expertos).
La Estrategia de Comprar y Mantener (Buy-and-Hold): El inversor que simplemente compra todo el mercado y espera.

Los Resultados: El Truco del Vecindario Gana (Mayormente)

Los resultados fueron claros y emocionantes. El nuevo Sector LSTM superó consistentemente a los demás. Cuando el modelo utilizó las etiquetas de sector, realizó más predicciones correctas sobre qué acciones superarían al promedio y cuáles perderían.

El Ganador: El Sector LSTM tuvo el mejor equilibrio entre ganar dinero y asumir bajos riesgos. Logró un ratio de Sharpe (una puntuación que mide cuánto beneficio obtienes por el riesgo que asumes) de 0.69, que fue significativamente mejor que el de la LSTM básica (0.39) y el del Random Forest (0.53).
El Perdedor: Curiosamente, añadir datos "macro-financieros" adicionales —como los precios del petróleo, los futuros del oro y las tasas de interés— no ayudó. De hecho, el modelo que intentó usar todas esas noticias económicas adicionales fue el que peor funcionó. Parece que para esta tarea específica de predicción diaria, saber el vecindario (sector) era mucho más importante que conocer el reporte meteorológico global.

Abriendo la "Caja Negra"

Una de las mayores quejas sobre la IA es que es una "caja negra": sabemos que funciona, pero no sabemos por qué. Döbelt decidió echar un vistazo dentro de la caja. Descubrió que el modelo había aprendido secretamente dos reglas famosas del mercado de valores sin que nadie se lo dijera:

Impulso de la Industria (Industry Momentum): El modelo aprendió que si todo un vecindario (como la Tecnología) ha estado funcionando bien durante los últimos meses, tiende a seguir funcionando bien durante un tiempo. Las "etiquetas de sector" actuaron como un potenciador de impulso, empujando al modelo a apostar por los vecindarios ganadores.
Reversión a Corto Plazo (Short-Term Reversal): El modelo también aprendió que si una sola acción tuvo un gran salto ayer, es probable que dé un pequeño paso atrás hoy. Es como una banda elástica que vuelve a su posición original.

Sin embargo, el artículo también encontró una trampa. Este truco de "impulso de vecindario" funciona de maravilla en tiempos estables, como en 2007, donde el modelo apostó correctamente por los ganadores. Pero en tiempos de caos, como justo después del estallido de la burbuja dot-com en el año 2000 o la pandemia de 2020, el truco salió mal. Cuando el mercado entró en pánico, los "perdedores" del año anterior se convirtieron repentinamente en los "ganadores", y la dependencia del modelo en las tendencias de los vecindarios hizo que apostara por los caballos equivocados. Esto sugiere que, aunque el modelo es inteligente, no es mágico; todavía lucha cuando las reglas del mercado cambian de repente.

La Conclusión

Este artículo sugiere que enseñar a la IA a reconocer que "una acción es más que un número; es parte de un equipo" es una forma poderosa de mejorar las predicciones. Al añadir simples "etiquetas de sector", el modelo se volvió mejor para navegar en el ruidoso mercado de valores. Pero el autor también nos advierte que los días de ganancias masivas y fáciles probablemente han terminado. El éxito del modelo es modesto y depende en gran medida de que el mercado se comporte con normalidad. Es un paso sólido hacia adelante, demostiendo que incluso en un océano ruidoso, saber en qué bote estás marca una gran diferencia.

Resumen Técnico: Heterogeneidad Transversal en Redes LSTM para Series Temporales Financieras

Planteamiento del Problema
La predicción de los rendimientos de los activos financieros es un desafío central pero aún no resuelto en la finanzas empíricas, caracterizado por una baja relación señal-ruido y la eficiencia de mercado de forma semifuerte. Aunque las redes de Memoria de Largo Corto Plazo (LSTM) han demostrado potencial para capturar dependencias temporales, las arquitecturas estándar a menudo no logran contabilizar la heterogeneidad transversal. Los enfoques tradicionales, como la LSTM de una sola capa aplicada a datos transversales agrupados por Fischer y Krauss (2018), asumen implícitamente que todos los activos se derivan de un proceso generador de rendimientos común. Esta suposición contradice la evidencia establecida de que la pertenencia a sectores y las características de la firma inducen diferencias sistemáticas en la dinámica de los rendimientos. Además, la naturaleza de "caja negra" de los modelos de aprendizaje profundo limita su interpretabilidad, lo que dificulta validar si las representaciones aprendidas se alinean con factores económicos conocidos como el momentum o la reversión.

Metodología
El artículo propone una novedosa extensión arquitectónica al modelo LSTM básico, diseñada para mejorar la precisión predictiva y la interpretabilidad, mitigando al mismo tiempo el sobreajuste (overfitting).

Datos y Protocolo de Validación: El estudio utiliza un universo libre de sesgo de supervivencia compuesto por los constituyentes del S&P 500 desde enero de 1995 hasta diciembre de 2024. La evaluación sigue un protocolo de ventana rodante con 27 períodos de estudio no superpuestos. Cada período consta de un conjunto de entrenamiento de 3 años y un conjunto de prueba fuera de la muestra de 1 año. Para evitar la filtración de datos (data leakage), la secuencia de entrada se limita a 60 días rezagados (en comparación con los 240 de trabajos previos), asegurando que no haya superposición entre las secuencias de entrenamiento y de prueba.
Tarea de Predicción: El problema se plantea como una tarea de clasificación binaria: predecir si el rendimiento de una acción en el día $t+1$ estará por encima o por debajo de la mediana transversal de rendimientos del S&P 500. Esto transforma el problema de regresión en una señal direccional adecuada para una estrategia de cartera long-short.
Extensiones Arquitectónicas:
1. Embeddings de Sector Aprendibles: La innovación central es la integración de embeddings de sector TRBC (The Refinitiv Business Classification) aprendibles. En lugar de tratar a todas las acciones de forma idéntica, el modelo mapea cada acción a un vector específico de su sector ( $e_c$ ) en un espacio latente continuo. Este vector se concatena con el estado oculto final de la LSTM antes de la capa de clasificación. Esto permite que el modelo aprenda una representación de baja dimensión de las estructuras a nivel de sector, incorporando efectivamente un intercepto transversal que desplaza las probabilidades de clasificación según el grupo industrial.
2. Covariables Macro-Financieras: El modelo se extiende para incluir secuencias de variables macro-financieras (rendimientos del petróleo, VIX, futuros de oro y diferenciales de rendimientos de los bonos del Tesoro) junto con los rendimientos de las acciones para capturar señales económicas más amplias.
3. Regularización: Para abordar el sobreajuste en el ruidoso entorno financiero, el modelo emplea suavizado de etiquetas (label smoothing —suavizando los objetivos a 0.05/0.95—), recorte de gradiente (gradient clipping), decaimiento de pesos (weight decay), parada temprana (early stopping) y tanto dropout de entrada como recurrente.
Benchmarks: El desempeño se evalúa contra una LSTM básica, un modelo de Bosque Aleatorio (Random Forest, utilizando rendimientos acumulados como características) y una estrategia tradicional de compra y retención (buy-and-hold) del mercado.

Resultados Clave

Métricas de Desempeño: La Sector LSTM supera consistentemente a todos los referentes (benchmarks). Logra los mayores rendimientos diarios y la mayor precisión de clasificación. En términos de desempeño ajustado por riesgo, la Sector LSTM genera un ratio de Sharpe anualizado significativamente mayor (0.69) en comparación con la Base LSTM (0.39) y la Covariate LSTM (0.27). Aunque el Random Forest es competitivo en el ratio de Sharpe, la Sector LSTM supera significativamente al primero en precisión predictiva (p < 0.01).
Ineficacia de las Covariables: La inclusión de covariables macro-financieras no mejoró la predicción direccional; la Covariate LSTM fue la que peor desempeño tuvo entre las variantes de aprendizaje profundo, sugiriendo que las señales económicas adicionales no proporcionaron contenido explotable para esta tarea específica.
{% endfilter %}
Validación a Largo Plazo: La extensión de la evaluación hasta 2024 confirma la degradación de los beneficios del arbitraje estadístico basado en LSTM documentada por Fischer y Krauss (2018). Los altos rendimientos y los ratios de Sharpe se concentraron antes de 2008 (con una breve excepción en 2020). Después de 2010, ningún año produjo rendimientos de estrategia cercanos a los de finales de la década de 1990, lo que respalda la literatura sobre la disminución de los rendimientos en el quantitative trading.
Interpretabilidad y Descomposición de la Señal: El artículo descompone con éxito la señal predictiva en dos componentes endógenos:
1. Momentum de Industria: Los embeddings de sector aprendidos funcionan como un factor implícito de momentum de industria. El modelo asigna sesgos positivos a los sectores que fueron ganadores recientes durante la ventana de entrenamiento. Esta señal depende del régimen: impulsa el rendimiento superior en años estables (por ejemplo, 2007), pero provoca pérdidas significativas durante los colapsos de momentum (por ejemplo, 2003, 2021–2024) cuando ocurren rotaciones sectoriales.
2. Reversión de Corto Plazo: El componente temporal de la LSTM (el estado oculto) captura el efecto de reversión de corto horizonte bien documentado, donde los ganadores recientes tienden a rendir por debajo de la media y los perdedores recientes tienden a rendir por encima en la semana siguiente.

Significancia y Reivindicaciones
El artículo reivindica tres contribuciones principales a la literatura:

Innovación Arquitectónica: Introduce la primera aplicación de embeddings de sector continuos dentro de una red recurrente para la predicción de rendimientos transversales. Esto modela explícitamente la heterogeneidad transversal, permitiendo que el modelo se adapte a las dinámicas variables de la industria en lugar de tratar los activos como intercambiables.
Validación a Largo Plazo: Al extender la muestra hasta 2024, el documento proporciona evidencia robusta de que el declive en la rentabilidad de las LSTM después de 2010 es un cambio duradero en la eficiencia del mercado y no un fenómeno transitorio.
Explicabilidad: El estudio demuestra que los modelos de aprendizaje profundo pueden recuperar regularidades conocidas de la valoración de activos de forma endógena. Al visualizar el espacio latente y analizar los pesos, el artículo muestra que la "caja negra" puede abrirse para revelar representaciones económicamente significativas, específicamente que los embeddings de sector actúan como un factor de momentum de industria aprendible.

El autor concluye que, si bien la incorporación de la heterogeneidad transversal mediante embeddings aprendibles es una forma parsimoniosa y efectiva de mejorar la predicción de la LSTM, la señal incremental es modesta, altamente condicionada a los regímenes de mercado y se ha debilitado en la última década.

El Gran Sombrero Seleccionador del Mercado de Valores

El Experimento: Un Viaje en el Tiempo de 30 Años

Los Resultados: El Truco del Vecindario Gana (Mayormente)

Abriendo la "Caja Negra"

La Conclusión

Más como este