5
El principio en que me baso para realizar esta red neuronal es el siguiente:
No se puede predecir el futuro del SP500
PERO
se puede obtener una pequeña ventaja estadística
sobre el resto del mercado.

Además sabemos que las gráficas muy bonitas y con poco ruido suelen ser teóricas y/o estar manipuladas. Lo más importante de un modelo de inversión y en general de cualquier modelo que utilicemos en la práctica, es saber cuándo no funciona. En el caso de esta red neuronal, he detectado que:

-funciona BIEN en caídas "Lentas": 1973-74, 2000-2001, 2008-2009...
-funciona MAL en caídas "Rápidas": mar-abr 2020

Podemos verlo gráficamente:
Errror Red Neuronal. 1970-2020
Errror Red Neuronal. 1970-2020


Bueno, si reducimos a los últimos años tenemos menor error en la predicción de 2013-2020:

Error(rojo) vs Maxima caida(verde)
Error(rojo) vs Maxima caida(verde)


También podemos ver la correlación entre las predicciones y la realidad:
Correlacion de la Red Neuronal: 1972-2020
Correlacion de la Red Neuronal: 1972-2020

Lo mismo, si reducimos el periodo a los últimos años:
Correlacion RN 2012-2020
Correlacion RN 2012-2020




Esta vez solo he comprobado errores en forma de viejo contra nuevo (old vs new), de tal forma que la red neuronal se construye con los datos anteriores  de una fecha y los errores se miden respecto a la realidad posterior a dicha fecha. Lo cual se aproxima a la realidad.

Además he evitado el riesgo de utilizar datos que tengan delay antes de que los tengamos disponibles. Por ejemplo, la variable "HTRUCKSSAAR" (ventas transportadas en camiones) de la FRED, es una variable mensual y tiene un retraso medio de 40 días. Esto quiere decir que hasta el 10 de febrero no podemos ver el dato de enero, aunque en la base de datos nos aparece el 1 de enero como fecha. Curiosamente, esta variable ha dado buenos resultados a pesar de este delay (retraso medio de 40 días) que tenemos:

Deuda familias vs ventas transportadas por camiones.2005-2020
Deuda familias vs ventas transportadas por camiones.2005-2020

Según esta grafica la probabilidad de tortazo es baja ya que la situación actual(punto negro) esta e una zona rodeada de azul(no tortazo).

Los de Isabelnet(link) también se han dado cuenta de que hay una correlación entre las ventas realizadas (en Toneladas) por transporte en camiones y el SP500:
Toneladas transportadas por camiones y SP500. 2002-2020. IsabelNet
Toneladas transportadas por camiones y SP500. 2002-2020. IsabelNet


También el aumento de masa monetaria M1 afecta a futuras caídas del SP500. Aquí podemos ver una gráfica de M1 vs Yield de los tipos de interés máximo /mínimo:

Masa monetaria M1 vs Yield de tipos de interes.1997-2020
Masa monetaria M1 vs Yield de tipos de interes.1997-2020


Como en todas las gráficas (reales, no manipuladas) hay mucho ruido. Aun así se puede ver que es mejor estar en la zona abajo/izquierda. El punto grande y negro es la situación actual. Según esta grafica la probabilidad de tortazo es baja, vemos que está rodeado el puto negro actual de mucho azul (no tortazo).


Volviendo a la RN, esta vez he preferido tener varias redes que nos den varios resultados, de tal forma que podamos hacer una estadística con los resultados obtenidos:
Distribucion de predicciones de caidas en la actualidad(12,abr,2021)
Distribucion de predicciones de caidas en la actualidad(12,abr,2021)

Segun esta grafica la probabilidad de tortazo es baja, solo unos pocos resultados estan por encima del 12%, que es donde hemos fijado el limite de "Tortazo".
Bueno, pues esto es todo!

  1. en respuesta a Isidrator
    #5
    14/04/21 05:35
    De todas formas tiene algo de sentido. Imagina una empresa: ve algun nubarron en el horizonte-->compra menos suministros-->Menos ingresos para los suministradores--> cae la bolsa.
  2. en respuesta a Isidrator
    #4
    13/04/21 12:39
    Puede ser, pero es raro que haya tanta correlacion. De todas formas en la red neuronal, solo es una variable mas.

  3. #3
    13/04/21 05:17
    ¿No será una relación espuria la de los camiones y el SP500? 
  4. en respuesta a Primuspilus
    #2
    12/04/21 15:41
    Python, Keras sobre Tensorflow, Red neuronal con 3 capas salida float 
  5. #1
    12/04/21 13:16
    Muy top.

    Que usas para el modelo? GMDH, SNSS o alguna otra historia similar?? Me quede en Python, R y Stata

Cookies en rankia.com

Utilizamos cookies propias y de terceros con finalidades analíticas y para mostrarte publicidad relacionada con tus preferencias a partir de tus hábitos de navegación y tu perfil. Puedes configurar o rechazar las cookies haciendo click en “Configuración de cookies”. También puedes aceptar todas las cookies pulsando el botón “Aceptar”. Para más información puedes visitar nuestra política de cookies.

Aceptar