¿Por qué no hay artículos sobre predicción de acciones con aprendizaje automático en las principales revistas financieras?

Question

Estoy escribiendo mi tesis de maestría sobre la predicción del precio de las acciones utilizando métodos de aprendizaje automático. Durante mi revisión de la literatura, me di cuenta de que muchas de las investigaciones realizadas sobre este tema son de baja calidad, publicadas en revistas no relacionadas con las finanzas o no publicadas/revisadas por pares en su totalidad. No hay ningún artículo sobre este tema en las principales revistas, como la revista de finanzas o la revista de economía financiera.

Tengo curiosidad por saber por qué es así. ¿Acaso el mundo académico ha avanzado y simplemente ha aceptado que los mercados son generalmente eficientes hace mucho tiempo? ¿O es que las principales revistas pasan por alto una técnica clave que podría predecir eficazmente el precio de las acciones?

Answer 1

Porque no funcionaría. Hubo un artículo muy antiguo hace varias décadas (no lo recuerdo, pero creo que fue en una revista del IEEE sobre la teoría de la información) que demostró que el mercado de valores es ALEATORIO dentro de un épsilon mucho más pequeño que el vig que cobran los corredores.

La triste verdad es que toda la IA es una auténtica estupidez que asume que la correlación es la causalidad. Y esos resultados están ofuscados por el uso de enormes y rápidos programas complejos que manipulan grandes montones de datos cuestionables que están demasiado sucios e incompletos para ser realmente útiles para una aplicación de este tipo. Lo peor es que la mayoría asume una distribución "normal" que es una falacia lógica. Desgraciadamente, la mayoría de la gente no sabe lo suficiente sobre matemáticas y estadística como para darse cuenta de que algún tipo de distribución beta podría ser correcta, pero que una distribución normal es siempre errónea.

Dicho esto, hay mucha gente que sí escribe programas para predecir los resultados de las acciones y algunos se venden ampliamente, mientras que otros se venden a miembros de grupos específicos. Pero como ninguno de ellos funciona bien, como ha demostrado Taleb y sus resultados apuntados en su libro sobre Cisnes negros ninguna revista de renombre les daría bombo.

Y como otros señalaron arriba, si alguien realmente tuviera un método para predecir las acciones lo mantendría totalmente secreto y lo usaría él mismo.

Answer 2

tl;dr - La gente no publica secretos comerciales.

---

Son secretos comerciales.

Cosas como los algoritmos eficaces de predicción del mercado suelen ser secretos comerciales:

Secretos comerciales son un tipo de propiedad intelectual que componen fórmulas , prácticas , procesa , diseños , instrumentos , patrones o recopilaciones de información que tienen un valor económico porque no son generalmente conocidos o fácilmente determinables por otros, y que el propietario toma medidas razonables para mantener el secreto.

- "Secreto comercial" , Wikipedia [referencias omitidas]

La gente no suele publicar estos secretos comerciales por razones monetarias.

Dicho esto, las publicaciones académicas suelen contener trabajos más sencillos tanto de académicos de carrera como de profesionales en ascenso. Cuando estas investigaciones empiezan a parecer prometedoras, los investigadores pueden recibir ofertas para trabajar en laboratorios de I+D privados y bien financiados, en los que se profundiza. La investigación original de prueba de concepto puede permanecer en la literatura mientras que los secretos comerciales se mantienen en secreto.

Answer 3

Apoyo los puntos de @BobJansen; y añado una pequeña observación adicional.

El escepticismo de los inversores institucionales sobre la cuantificación no es tanto un escepticismo sobre la cuantificación. Es más bien el miedo a que la cuántica describa el régimen actual. Que los inversores creen (tal vez correctamente, tal vez no) que ya entienden. A menos que la cuántica pueda decirles cómo ha cambiado, y lo haga de forma fundamental y no cuantificada, los inversores creen que tienen poca necesidad de aprender de la cuántica. Así que son libres de ignorar...

Mientras tanto, el proceso de revisión por pares para los académicos actúa como cebo negativo para los inversores institucionales. Las instituciones se preocupan hasta la saciedad por los riesgos relativos de posicionamiento, frente a otras instituciones. Así que los beneficios de cualquier alternativa cuántica tienen que ser evaluados contra el riesgo de que esto exponga a la institución a riesgos que otras instituciones no enfrentan, ¡porque no tienen la misma cuántica!

El problema de igual a igual aquí es que los quants que pueden navegar por el espacio de los inversores no tienen ningún incentivo para publicar. Quizá no es que oculten ninguna "salsa secreta". Es más bien que la realidad de sus trabajos les obliga a estar preparados para cambiar sus puntos de vista en un momento dado... lo que es difícil en cualquier revista revisada por pares. "Lo siento - el régimen cambió, así que cambié de opinión, ¿qué haría usted diferente cuando los hechos cambian, señora? (Keynes)" no es un script que las revistas financieras aprecien... pero ocurre con demasiada frecuencia en los parqués...

ahí radica tu problema, me parece. mejor, DEM

Answer 4

Hace unos años, un editor intentó iniciar una publicación seria revisada por pares sobre el aprendizaje automático. En pocas horas, más de 6.000 personas dedicadas al aprendizaje automático firmaron una carta en la que se comprometían a no publicar nunca, ni ayudar de ninguna otra manera, a ningún editor en el actual sistema de revisión por pares con el aprendizaje automático. Yo también la firmé, ya que el campo se mueve muy rápido y todavía los resultados son difíciles de explicar. El aprendizaje automático es un campo en el que la intuición sigue siendo una buena forma de ser mejor en el aprendizaje automático. Y luego tenemos a esos editores que no tienen ni idea de lo que están haciendo. Puede que publiquen, pero el problema es que la editorial tiene problemas para determinar quién está cualificado para revisar un artículo presentado. Los académicos consisten en aproximadamente el 99% de las personas que han hecho su carrera en un campo donde el aprendizaje automático podría ser útil y luego como un doctor de algún tipo han comenzado a interesarse en el aprendizaje automático. El 99% porque siempre hay un cisne negro por ahí.