PREDICCIÓN DEL RIESGO DE IBOVESPA MEDIANTE UN ENFOQUE HÍBRIDO AESM-MLCP

Resumen

Este estudio propone y evalúa un modelo híbrido para la predicción del riesgo diario del IBOVESPA, combinando el Análisis Espectral Singular Multivariante (AESM) y redes neuronales de Memoria a Largo y Corto Plazo (LSTM). La investigación se caracteriza como aplicada, cuantitativa, explicativa, documental, computacional y empírico-analítica, utilizando datos diarios de los índices IBOVESPA, IBrX-100 e IBrX-50, obtenidos del portal ADVFN, en el período comprendido entre el 15 de febrero de 2021 y el 27 de marzo de 2026. La variable de riesgo fue construida a partir del logaritmo natural de la razón entre el máximo y el mínimo de cada jornada.Metodológicamente, el estudio se estructuró en dos etapas: en la primera, se realizó una optimización automática de los parámetros de AESM y LSTM; en la segunda, se llevó a cabo el entrenamiento final con la mejor configuración identificada. El AESM se empleó como técnica de filtrado estructural y extracción de componentes comunes entre las series, mientras que el LSTM se utilizó como modelo predictivo para captar dependencias temporales no lineales. Los resultados evidenciaron un rendimiento superior del enfoque híbrido en comparación con las estrategias preliminares, especialmente en términos de adherencia entre la serie prevista y la observada. La mejor configuración encontrada en la etapa de entrenamiento fue r=5, L=10 Y lookback = 30, alcanzando una correlación de 0.860537 en el conjunto de prueba, además de un error absoluto medio de 0.051964 y una raíz del error cuadrático medio de 0.066677, calculados sobre la variable normalizada. En la etapa de prueba, la correlación alcanzó 0.90 con menores medidas de error. Se concluye que la integración entre AESM y LSTM constituye una alternativa prometedora para la predicción del riesgo en series temporales financieras, aunque persisten limitaciones en la captura completa de eventos extremos y en la ausencia de una validación temporal robusta.