Con una precisión de hasta el 83%: una red neuronal que predice crisis en el mercado de valores fue creada en la HSE

Científicos de la HSE han creado una red neuronal capaz de advertir, con una precisión de más del 83% y 24 horas antes del evento, sobre la proximidad de una crisis bursátil a corto plazo.

El trabajo tiene una alta importancia práctica para el sector financiero nacional: ofrece herramientas eficaces para la detección oportuna de las turbulencias del mercado, lo cual es especialmente relevante para un entorno macroeconómico inestable.

Tamara Teplova, profesora de la Facultad de Ciencias Económicas de la HSE

Para obtener tal pronóstico, se creó un modelo híbrido. Combina tres arquitecturas de aprendizaje automático: mecanismo de atención, redes convolucionales temporales y LSTM, lo que permite que la IA tenga memoria a corto plazo. Esta innovación en la aplicación de estructuras complejas a los datos bursátiles rusos no había sido utilizada anteriormente por los economistas.

Para entrenar el modelo, los investigadores analizaron datos desde 2014 hasta 2024, incluyendo indicadores de mercado y macroeconómicos, como el índice MOEX de la Bolsa de Moscú IMOEX e indicadores del sentimiento de los inversores. Los científicos tuvieron que tener en cuenta la rareza de las crisis y la influencia de los sentimientos subjetivos en el comportamiento de los inversores.

Para resolver estos problemas, se desarrollaron índices compuestos del sentimiento inversor interno y externo utilizando el método de componentes principales. Estos índices complementan las variables macroeconómicas y de mercado tradicionales, lo que permite captar señales emocionales ocultas de los participantes en las operaciones en horizontes temporales más amplios. Gracias a esto, el modelo alcanzó una alta precisión de predicción, lo que permite predecir una crisis a corto plazo en el mercado de valores un día antes de su inicio.

El modelo procesa eficazmente datos irregulares y alcanza una precisión del 78,70% al predecir eventos de crisis en el día de la observación y del 78,85% en el siguiente día de negociación. El uso del reentrenamiento mensual y las ventanas temporales adaptativas permitieron aumentar la precisión hasta el 83,87%. Los factores clave que influyen en las predicciones resultaron ser los indicadores bursátiles, la capitalización de las empresas emisoras de acciones y los tipos de cambio del mercado de divisas.

Tamara Teplova, profesora de la Facultad de Ciencias Económicas de la HSE

Anteriormente, www1.ru informó que Smart Engines creó una nueva red neuronal morfológica bipolar.