Hay muchas disciplinas que han contribuido a la forma de modelar el riesgo y la rentabilidad. La física introdujo el movimiento browniano y el RMT. El aprendizaje automático ha ayudado a resolver problemas complejos de construcción de carteras, la investigación operativa ha contribuido a la creación de mercados y la gestión de riesgos, y la ingeniería aeroespacial ha aportado el filtro de Kalman.
Busco trabajos que utilicen métodos tradicionalmente aplicados a la bioinformática y la genética para modelar el comportamiento de las acciones. Por ejemplo, la epidemiología hace un amplio uso de la regresión canónica: Blackburn et al. aplican la regresión canónica para desentrañar el movimiento conjunto de la renta variable. aquí .
No estoy buscando enlaces a documentos sobre redes neuronales, SVM u otro tipo de aprendizaje automático. Lo que busco es ampliaciones creativas y novedosas de métodos utilizados tradicionalmente en el ámbito de la bioinformática y la genética que se aplican para generar modelos de alfa o riesgo en la renta variable estadounidense?
Por ejemplo, la bioinformática ha desarrollado diversos aloritmos de búsqueda codiciosa que identifican qué tipos de rasgos dan lugar a determinados fenotipos. ¿Existe algún documento que aplique algunos de los algoritmos del ámbito de la bioinformática a la renta variable estadounidense, donde los rasgos podrían ser variables de estados financieros y los fenotipos podrían ser resultados de rentabilidad?
Lo sé. Carlos Carvalho (U. Chicago) ha realizado trabajos innovadores tanto en el campo de la renta variable como en el de la genética y recuerdo que tenía algunas investigaciones en esta línea.
