Sintesi Tecnica: RG-ResMoE (Regime-Gated Residual Mixture-of-Experts) per la previsione della volatilità cross-sectionale

Definizione del Problema

La volatilità finanziaria è intrinsecamente dipendente dai regimi, con relazioni tra osservazioni storiche e volatilità futura che cambiano attraverso diversi stati di mercato (es. calma, crisi, ripresa). Sebbene le reti neurali profonde abbiano migliorato la previsione della volatilità apprendendo relazioni non lineari da ampi panel azionari cross-sectionali, l'integrazione delle informazioni sui regimi rimane una sfida. Gli approcci esistenti tipicamente introducono le variabili di regime aggiungendole direttamente agli input del modello o alternando diversi predittori in base agli stati di mercato. Tuttavia, questi metodi spesso confondono la presenza dell'informazione sul regime con il percorso di integrazione, rendendo poco chiaro se i guadagni di performance derivino dall'informazione stessa o dal modo in cui essa entra nel modello. Inoltre, l'aggiunta diretta di variabili di regime agli input può destabilizzare l'addestramento e degradare le performance predittive in architetture neurali compatte.

Metodologia

Gli autori propongono RG-ResMoE (Regime-Gated Residual Mixture-of-Experts), un'architettura innovativa progettata per isolare l'effetto del percorso di integrazione. Lo studio impiega un rigoroso framework di confronto con informazioni accoppiate, dove le variabili di regime, la capacità del modello, gli iperparametri e i protocolli di valutazione sono mantenuti costanti, variando solo il punto di integrazione.

Dati e Task

• Dataset: Un panel primario di 1.027 azioni statunitensi (2018–2025) e un panel di replicazione di 1.552 azioni giapponesi.
• Task: Previsione della volatilità realizzata a cinque giorni in avanti (annualizzata) per panel azionari cross-sectionali.
• Input:
  • Caratteristiche del titolo ($x$): 16 caratteristiche che includono volatilità realizzata, rendimenti, RSI e log-rendimenti.
  • Variabili di regime ($z$): Due indicatori — volatilità di mercato (volatilità a 20 giorni dei rendimenti del mercato pesati equamente) e volatilità idiosincratica (volatilità a 20 giorni dei rendimenti residui).

Design dell'Architettura

L'innovazione principale risiede nella separazione della previsione base dalle correzioni dipendenti dal regime:

1. Rete Base Congelata: Un MLP standard a due strati nascosti predice il livello di volatilità base ($\hat{y}_{base}$) utilizzando solo le caratteristiche del titolo ($x$). Questa rete viene addestrata per prima e poi congelata.
2. Esperti Residui: Un insieme di $K=4$ reti esperte (anch'esse MLP) che predicono correzioni residue ($r_k(x)$) piuttosto che previsioni complete. Questi esperti sono inizializzati con strati a output nullo per garantire che il modello parta dalla previsione base.
3. Routing a Gate di Regime (Regime-Gated Routing): Una rete di gating ($g$) riceve in input sia le caratteristiche del titolo ($x$) che le variabili di regime ($z$). Essa produce una distribuzione di probabilità "soft" ($\pi$) sugli esperti.
4. Previsione Finale: La previsione finale è la somma della previsione base e della somma pesata dei residui degli esperti:
   $$\hat{y} = \hat{y}_{base} + \sum_{k=1}^{K} \pi_k r_k(x)$$
   Fondamentalmente, le variabili di regime $z$ influenzano la previsione solo attraverso i pesi di routing $\pi$, non alterando direttamente l'input delle reti di previsione.

Addestramento e Regolarizzazione

L'addestramento procede in due fasi:

1. Addestramento della rete base.
2. Congelamento della base e addestramento congiunto degli esperti e del gate.
   La funzione di perdita include:

• Errore Quadratico Medio (MSE) sulla previsione finale.
• Una penalità di contrazione (shrinkage) sull'ampiezza della correzione residua aggregata per mantenere le previsioni vicine alla base.
• Una penalità di bilanciamento del carico (load-balancing) per prevenire il collasso del routing (concentrazione su un singolo esperto).

Contributi Chiave

1. Scoperta del Percorso di Integrazione: Il paper dimostra che la posizione dell'informazione di regime è decisiva. L'aggiunta delle variabili di regime direttamente agli input degrada l'accuratezza e la stabilità, mentre l'uso di esse esclusivamente per il gating delle correzioni residue migliora entrambi gli aspetti.
2. Architettura MoE Residua: Gli autori dimostrano che nei modelli di previsione finanziaria compatti, il valore di Mixture-of-Experts (MoE) risiede meno nell'aumentare la capacità totale del modello e più nel controllare come l'informazione non stazionaria moduli una previsione base stabile tramite l'apprendimento residuo.
3. Routing Soft vs. Hard: Il routing continuo "soft" (distribuzioni di probabilità apprese) supera costantemente il routing "hard" (assegnazioni discrete basate su top-1 gate appresi o partizioni di mercato predefinite).
4. Stabilità dell'Addestramento: L'architettura RG-ResMoE migliora significativamente la stabilità dell'addestramento rispetto allo standard MoE e ai modelli MLP-L(+z), eliminando le sessioni di addestramento "collassate" in cui i modelli falliscono la convergenza.

Risultati

Valutati su un framework walk-forward rotante (30 finestre di test non sovrapposte) su 1.027 titoli USA:

• Accuratezza della Previsione: RG-ResMoE ha ottenuto il più alto Coefficiente di Informazione (IC: 0,5469), il più basso RMSE (0,2304) e la più alta $R^2$ fuori campione (0,292) tra tutti i modelli neurali. Ha superato significativamente un MLP-L (MLP a grande capacità) e lo standard MoE.
• Stabilità: RG-ResMoE ha registrato 0 seed collassati su 30, mentre lo Standard MoE è collassato in 24/30 sessioni e l'MLP-L(+z) in 30/30 sessioni.
• Calibrazione del Rischio: RG-ResMoE ha fornito una migliore calibrazione del Value-at-Risk (VaR), particolarmente durante i periodi di alta volatilità, mostrando tassi di rifiuto inferiori nei test di copertura di Kupiec rispetto ai baseline.
• Performance in Stress di Mercato: Il vantaggio del modello è stato più pronunciato durante i periodi di elevata volatilità (es. la crisi COVID del 2020, dove il guadagno di IC è stato 6,7 volte la media del campione completo).
• Replicazione Cross-Market: I risultati sono stati replicati con successo sul panel TSE Prime giapponese, confermando che i benefici del routing residuo non sono specifici di un singolo mercato.

Significato e Rivendicazioni

Il paper sostiene che per i previsori di volatilità neurali compatti, il valore primario dei modelli MoE consapevoli del regime non risiede nell'espandere la capacità del modello, ma nel controllare come l'informazione di regime non stazionaria influenzi la previsione.

Gli autori rivendicano un semplice principio di design: l'informazione di regime è più efficace quando guida il routing residuo anziché essere trattata come un comune input predittivo. Questo approccio permette al modello di adattarsi agli stati di mercato modulando le correzioni a una previsione base stabile, migliorando così sia l'accuratezza predittiva che la robustezza dell'addestramento. Lo studio suggerisce che questo principio possa estendersi oltre la specifica architettura RG-ResMoE per guidare l'incorporazione di informazioni sugli stati di mercato in futuri modelli di previsione neurale.

Le limitazioni note dagli autori includono il focus sui mercati azionari e su un backbone MLP compatto; la generalizzabilità ad altri compiti finanziari, a modelli sequenziali più grandi o ad altre definizioni di stato rimane un'area aperta per lavori futuri.