Redes de similitud de acciones y predicción de riesgo financiero

Un enfoque combinado de aprendizaje automático y de red para la previsión del mercado de productos

Jingfang Fan, Keren Cohen, Louis M. Shekhtman, Sibo Liu, Jun Meng, Yoram Louzoun, Shlomo Havlin

Subjects:	Physics and Society (physics.soc-ph); Social and Information Networks (cs.SI)
Cite as:	arXiv:1811.10273 [physics.soc-ph]
	(or arXiv:1811.10273v1 [physics.soc-ph] for this version)

Los mercados financieros sostenibles desempeñan un papel importante en el funcionamiento de la sociedad humana. Sin embargo, la detección y predicción del riesgo en los mercados financieros sigue siendo un reto y atrae mucha atención de la comunidad científica. Aquí desarrollamos un nuevo enfoque basado en la teoría de redes combinadas y el aprendizaje automático para estudiar la estructura y las operaciones de los mercados de productos financieros. Nuestros enlaces de red se basan en la similitud de los productos de las empresas y se construyen utilizando los registros de la Comisión de Bolsa de Valores (SEC) de las empresas que cotizan en Estados Unidos. Encontramos que varias características en nuestra red pueden servir como buenos precursores de los riesgos del mercado financiero. Luego combinamos la topología de la red y los métodos de aprendizaje automático para predecir empresas exitosas y fallidas. Encontramos que los pronósticos hechos usando nuestro método son mucho mejores que otras técnicas de regresión bien conocidas. El marco presentado aquí no solo facilita la predicción de los mercados financieros, sino que también proporciona información y demuestra el poder de combinar la teoría de redes y el aprendizaje automático.

1811 10273

Leer más publicaciones en Calaméo

Prediciendo Wall Street con Twitter

Predecir indicadores del mercado de valores a través de Twitter "Espero que no sea tan malo como temo"

Hemos estado trabajando en tratar de predecir los indicadores del mercado durante bastante tiempo analizando Web Buzz, prediciendo quién ganará un Oscar, o qué tan bien las películas lo hacen en taquilla. Entre otras cosas, hemos correlacionado publicaciones sobre una acción en Yahoo Finance y Motley's Fool con el precio real de las acciones, prediciendo el precio de cierre de las acciones al día siguiente en base a lo que la gente dice hoy en Yahoo Finance, en la Web y Blogs sobre un título de acciones.



La creciente popularidad de Twitter nos brinda una nueva forma de capturar la mente colectiva hasta el último minuto. En nuestro proyecto actual, analizamos el estado de ánimo positivo y negativo de las masas en Twitter, y lo comparamos con índices bursátiles amplios como Dow Jones, S & P 500 y NASDAQ. Recopilamos los feeds de Twitter de una IP de la lista blanca durante seis meses desde el 30 de marzo de 2009 hasta el 4 de septiembre de 2009, que van desde 5680 a 42820 tweets por día. Según Twitter, esto corresponde a una submuestra aleatorizada de alrededor de un centésimo del volumen total de todos los tweets, ya que el volumen total en 2009 fue de aproximadamente 2,5 millones de tweets por día. Intentamos medir la esperanza colectiva y el miedo cada día aplicando la métrica simple de contar todos los tweets que contenían las palabras "esperanza": había 54 a 467 tweets por día y "miedo" o "preocupación": había de 9 a 100 tweets por día. Esto nos dice que las personas prefieren las palabras optimistas (esperanza) a las palabras pesimistas (miedo o preocupación).


Como punto de referencia externo del temor de los inversionistas utilizamos el Chicago Board Options Exchange Volatility Index VIX, que tiene una fuerte correlación negativa con Dow, S & P 500 y NASDAQ, lo que no es sorprendente, ya que el margen de opciones de acciones en un día determinado se usa para calcular VIX. Inicialmente, esperábamos la cantidad de tweets con la esperanza de que se correlacionen negativamente con VIX, y la cantidad de tweets con miedo o preocupación se correlacionen positivamente con VIX. Sorprendentemente, encontramos una correlación positiva débil pero insignificante para "esperanza" (0.135) y "miedo" o "preocupación" (0.172) con VIX, y una correlación negativa significativa con "miedo" y "preocupación" y "esperanza" con Dow NASDAQ y S & P500 (Esto significa que las personas comienzan a usar palabras más emocionales como esperanza, miedo, preocupación en tiempos de incertidumbre económica. Por lo tanto, creamos un índice simple de volatilidad de Twitter combinando menciones de esperanza, miedo y preocupación, normalizándolo con la cantidad total de tweets por día como referencia. Este índice muestra fuertes correlaciones negativas significativas con Dow, NASDAQ y S & P500, y una fuerte correlación positiva significativa con VIX (consulte la tabla a continuación).



La siguiente imagen muestra la correlación negativa entre Dow (azul) y "esperanza, miedo y preocupación" (verde) en el período del 30 de marzo de 2009 al 4 de septiembre de 2009.



Para poner esto en palabras simples, cuando las emociones en Twitter vuelan alto, es cuando las personas expresan mucha esperanza, miedo y preocupación, el Dow cae al día siguiente. Cuando las personas tienen menos esperanzas, temores y preocupaciones, sube el Dow. Por lo tanto, parece que el simple hecho de consultar en Twitter los estallidos emocionales de cualquier tipo da un pronosticador de cómo se comportará la bolsa de valores al día siguiente.

Para ser claros, lo que hemos presentado aquí son resultados preliminares muy tempranos, y se necesita mucho más trabajo para verificarlo científicamente.

Swarm Creativity

Estados de ánimos en Twitter predicen el precio de las acciones

El estado de ánimo de Twitter predice el mercado de valores

Un análisis de casi 10 millones de tweets de 2008 muestra cómo se pueden usar para predecir los movimientos del mercado de valores hasta 6 días antes
MIT Technology Review




No faltan personas que dicen saber cómo predecir si la bolsa subirá o bajará un día en particular. Pero hay pocos, si es que hay alguno, que puedan hacerlo consistentemente mejor que lanzar una moneda.

Para muchos economistas es fácil de explicar. La teoría económica convencional sostiene que el movimiento de los precios en un mercado perfecto debe seguir una caminata aleatoria y debe ser imposible de predecir con una precisión superior al 50 por ciento.

Sin embargo, hay una mosca en este ungüento económico. Numerosos estudios muestran que los precios en el mercado bursátil no son aleatorios y esto implica que deben ser predecibles. La pregunta es cómo hacerlo de manera consistente.

Hoy, Johan Bollen, de la Universidad de Indiana, y un par de amigos dicen que encontraron justo ese predictor enterrado en la corriente de palabras aparentemente sin sentido que emana del Twitterverse.

Desde hace algún tiempo, los investigadores han intentado extraer información útil de este firehose. Una idea es que la corriente de pensamiento es representativa del estado mental de la humanidad en cualquier instante. Varios grupos han ideado algoritmos para analizar este flujo de datos con la esperanza de utilizarlo para tomar la temperatura de varios estados humanos.

Un algoritmo, llamado Google-Profile of Mood States (GPOMS), registra el nivel de seis estados: felicidad, amabilidad, estado de alerta, seguridad, vitalidad y calma.

La pregunta que hacen Bollen y sus colegas es si alguno de estos estados se correlaciona con los precios del mercado de valores. Después de todo, dicen, no es del todo inconcebible que el aumento y la caída de los precios bursátiles estén influenciados por el estado de ánimo del público.

Así que estos chicos tomaron 9.7 millones de tweets publicados por 2.7 millones de tweeters entre marzo y diciembre de 2008 y buscaron correlaciones entre los índices de GPOMS y si Dow Jones Industrial Average subía o bajaba cada día.

Su conclusión extraordinaria es que realmente existe una correlación entre el Dow Jones Industrial Average y uno de los índices de GPOMS: la calma.

De hecho, el índice de calma parece ser un buen predictor de si el Promedio Industrial Dow Jones sube o baja entre 2 y 6 días después. "Encontramos una precisión del 87,6% en la predicción de los cambios diarios de subida y bajada en los valores de cierre del Promedio Industrial Dow Jones", dicen Bollen y compañía.

Es un resultado increíble, que un estado de ánimo de Twitter puede predecir el mercado de valores, pero las cifras parecen apuntar de esa manera.

¿Es realmente posible que el índice de calma esté correlacionado con el mercado de valores? Tal vez. En abril vimos algunos trabajos que muestran cómo se pueden usar los tweets sobre películas para predecir las recaudaciones de taquilla.

Pero hay al menos dos buenas razones para sospechar que este resultado puede no ser todo lo que parece. El primero es la falta de un mecanismo plausible: ¿cómo podría el estado de ánimo de Twitter medido por el índice de calma afectar realmente el promedio industrial Dow Jones hasta seis días después? Nadie lo sabe.

El segundo es que los feeds de Twitter que Bollen y sus colegas usaron no fueron solo de los EE. UU. sino de todo el mundo. Aunque es probable que se suponga que una buena proporción de estos tweeters se basaron en los EE. UU. En 2008, no hay forma de saber qué proporción. Según este cálculo, los tweeters en Timbuktu de alguna manera ayudan a predecir el Promedio Industrial Dow Jones.

De cualquier forma, este trabajo seguramente atraerá interés. Y tomado al pie de la letra, podría ser muy influyente. Si la tranquilidad tiene un valor predictivo real del mercado accionario, veremos una explosión de interés en el análisis financiero de Twitter. Y Bollen y compañía pronto se convertirán en individuos extremadamente ricos.


Ref: arxiv.org/abs/1010.3003: Twitter Mood Predicts The Stock Market