DART: Domain Aware Relational Transformer for Stock Prediction

Imagina que estás tratando de predecir el clima, pero en lugar de mirar las nubes, estás mirando el mercado de valores. Este es el mundo de las finanzas cuantitativas, donde científicos e inversores intentan adivinar qué acciones subirán o bajarán mañana. Durante mucho tiempo, la gente pensó que el mercado era como el lanzamiento de una moneda perfectamente justa, donde nadie podría realmente predecir el futuro porque todo el mundo ya sabía todo. Pero luego, personas inteligentes se dieron cuenta de que los humanos no somos robots perfectos; nos asustamos, nos emocionamos y seguimos a la multitud, lo que hace que el mercado sea un poco desordenado y, de hecho, predecible en algunos aspectos. Hoy en día, utilizamos computadoras potentes y "aprendizaje profundo" (un tipo de inteligencia artificial que aprende de patrones) para encontrar estas señales ocultas en el ruido. El gran problema, sin embargo, es que hay miles de acciones, y todas influyen entre sí de maneras complicadas. Intentar descubrir cómo cada una de las acciones habla con todas las demás es como intentar escuchar una conversación entre cada persona en un estadio al mismo tiempo: es demasiada información para que una computadora la maneje sin sentirse abrumada.

Aquí es donde entra una nueva investigación con una solución ingeniosa llamada DART (Transformer Relacional con Conocimiento de Dominio). Piensa en el mercado de valores como una fiesta gigante y ruidosa. En el pasado, si querías saber quién estaba hablando con quién, podrías intentar escuchar todas las conversaciones que ocurren al mismo tiempo. Eso toma una eternidad y te deja con dolor de cabeza. Los investigadores detrás de DART se dieron cuenta de que la gente habla principalmente con otros dentro de sus propios grupos, como los niños en la mesa de los bocadillos o los adultos junto a la ponchera. No suelen gritar a través de la habitación a alguien en un grupo completamente diferente. Así que, en lugar de escuchar a todos, DART solo escucha a las personas en el mismo "grupo de industria" (como las empresas tecnológicas hablando con otras empresas tecnológicas). Esto hace que el trabajo de la computadora sea mucho, mucho más rápido.

El artículo sugiere que, al usar esta estrategia de "escucha por grupos", combinada con una forma especial de observar el tiempo (revisando tendencias a corto plazo, de mediano plazo y de largo plazo, todo a la vez), el modelo puede predecir los rendimientos de las acciones mejor que los métodos anteriores. En pruebas utilizando datos reales del NASDAQ, NYSE y S&P 500, el modelo DART demostró que podía tomar decisiones de inversión más inteligentes y gestionar mejor el riesgo. También demostró que, al ignorar el "ruido" de las acciones no relacionadas, la computadora podía realizar su trabajo usando aproximadamente un 84% menos de energía que antes. Aunque el modelo no es una bola de cristal mágica que garantiza ganancias, los autores sugieren que es una herramienta mucho más práctica y eficiente para navegar el complejo y concurrido mundo del mercado de valores.

La historia de DART: Una forma más inteligente de escuchar al mercado

El Problema: Demasiado Ruido, Demasiadas Conexiones

Imagina que estás en un concierto masivo con miles de personas. Si quieres saber qué canción está sonando, podrías intentar escuchar la voz de cada una de las personas a la vez. Pero eso es imposible; es solo una pared de ruido. Este es exactamente el problema que enfrentan las computadoras al intentar predecir las acciones. Hay miles de acciones, y cada una de ellas está conectada con todas las demás. Los modelos informáticos antiguos intentaban escuchar a todos al mismo tiempo. Esto se llama "atención total" (full attention). Es muy preciso en teoría, pero es tan lento y costoso que es prácticamente imposible de usar para el trading en el mundo real con miles de acciones. Es como intentar resolver un rompecabezas revisando cada pieza contra cada otra pieza; el rompecabezas se vuelve demasiado grande y tu cerebro (o computadora) colapsa.

La Solución: La Regla del "Vecindario de la Industria"

Los investigadores propusieron una idea simple pero poderosa: Las acciones en la misma industria son mejores amigas; las acciones en diferentes industrias son solo conocidas.

Piensa en el mercado de valores como una gran ciudad dividida en vecindarios. Hay un "Vecindario Tecnológico", un "Vecindario de Alimentos" y un "Vecindario de Autos". La gente en el Vecindario Tecnológico habla entre sí todo el tiempo porque comparten las mismas noticias y tendencias. Pero la gente en el Vecindario Tecnológico rara vez tiene una conversación directa y urgente con la gente del Vecindario de Alimentos.

El modelo DART utiliza esta regla. En lugar de escuchar a toda la ciudad, solo escucha las conversaciones que ocurren dentro de cada vecindario. Esto se llama Atención Dispersa Guiada por el Conocimiento del Dominio (DSA).

• Cómo funciona: La computadora mira una acción, pregunta: "¿En qué vecindario está esta?", y luego solo presta atención a las otras acciones en ese mismo vecindario.
• El Resultado: Ignora el ruido inútil de las acciones no relacionadas. El artículo muestra que esto reduce la carga de trabajo de la computadora en aproximadamente un 84% (específicamente, de 0.23 GFLOPs a 0.04 GFLOPs en sus pruebas). Es como pasar de intentar escuchar un susurro en un huracán a simplemente escuchar una charla tranquila en una cafetería.

La Máquina del Tiempo: Ver el Pasado en Capas

Predecir el futuro no se trata solo de quién está hablando con quién; también se trata de cuándo suceden las cosas. Las acciones se mueven en diferentes relojes. Algunas se mueven rápido (minuto a minuto), otras de velocidad media (tendencias diarias) y otras de forma lenta (tendencias mensuales o anuales).

Los modelos antiguos a menudo intentaban mirar el tiempo con solo un par de lentes, lo que significaba que perdían la visión general o los detalles pequeños. DART utiliza un módulo de Fusión Temporal Multiescala (MSTF).

• La Analogía: Imagina mirar una película. Tienes un lente de zoom que te permite ver los detalles diminutos del rostro de un actor (corto plazo), un lente gran angular que muestra toda la escena (mediano plazo) y una toma de dron que muestra toda la ciudad (largo plazo). DART usa los tres lentes al mismo tiempo.
• La Magia: Luego utiliza una red de "Fusión Temporal Progresiva" para apilar estas vistas. Es como construir un sándwich donde cada capa añade más sabor, ayudando a la computadora a entender cómo un pequeño cambio hoy podría convertirse en una gran tendencia mañana.

Lo que Encontraron: Más Rápidos y Más Inteligentes

Los investigadores probaron su nuevo modelo, DART, contra varios otros modelos famosos (como LSTM, GCN e incluso más nuevos como MambaStock) utilizando datos reales del mercado de valores de EE. UU. (NASDAQ, NYSE y S&P 500) de 2020 a 2024.

Esto es lo que sugieren los datos:

1. Mejores Rendimientos: DART no solo adivinó mejor; ayudó a construir una mejor "cartera" (una colección de acciones). En las pruebas, logró el Ratio de Sharpe más alto (una puntuación que mide cuánto dinero ganas en relación con el riesgo que tomas) en el NASDAQ y el S&P 500. Por ejemplo, en el NASDAQ, DART obtuvo un Ratio de Sharpe de 2.432, mientras que el siguiente mejor fue de 1.827.
2. Selecciones Principales: Cuando el modelo eligió las 10 mejores acciones que pensaba que tendrían el mejor desempeño, acertó con más frecuencia que los demás (una métrica llamada Precisión@10). En el NYSE, obtuvo un 58.7% de sus selecciones principales correctamente, superando a la competencia.
3. La Zona de "No Ir": El estudio mostró explícitamente que si eliminas la regla del "vecindario" y dejas que la computadora escuche a todos (Atención Total), el modelo se confunde y tiene un desempeño mucho peor. Esto demuestra que ignorar las conexiones irrelevantes es en realidad bueno para el modelo.

La Conclusión

El artículo sugiere que DART es una herramienta práctica y eficiente para el futuro de la inversión. No afirma ser una varita mágica que garantiza que te harás rico, pero sí muestra que, al usar reglas inteligentes (como escuchar solo a tu propio vecindario) y observar el tiempo en capas, las computadoras pueden entender mucho mejor el caótico mercado de valores. Resuelve el problema de "demasiados datos" siendo selectivo, lo que permite usar IA poderosa en miles de acciones sin que la computadora o el presupuesto colapsen.

Como señalan los autores, todavía hay espacio para crecer. Actualmente, el modelo solo observa los "vecindarios" basándose en listas de industrias estáticas. En el futuro, esperan hacer que estos vecindarios sean dinámicos, para que el modelo pueda ver cuando una empresa tecnológica comienza a actuar repentinamente como una empresa de alimentos, o cuando una noticia conecta a dos grupos totalmente diferentes. Pero por ahora, DART es un paso adelante sólido y eficiente para enseñar a las computadoras cómo navegar el mundo financiero.