Una medida de series temporales dinámicas multifactorial para el análisis de correlación de acciones

Área de la Ciencia:

• Finanzas Cuantitativas
• Economía Computacional
• Ciencia de Datos

Sus antecedentes:

• El análisis tradicional de la correlación de acciones a menudo no logra capturar la multidimensionalidad de los datos de acciones y el efecto dinámico de desfase temporal (TLE).
• Las medidas de similitud existentes carecen de la sofisticación para abordar la compleja interacción de factores que influyen en el comportamiento de las acciones a lo largo del tiempo.

Objetivo del estudio:

• Proponer una nueva Medida de Similitud Temporal Dinámica Multifactorial (MFDTSM) para un análisis de correlación de acciones más preciso.
• Abordar las limitaciones de los métodos existentes en el manejo de datos multidimensionales de acciones y el TLE en las diferencias de fase.

Principales métodos:

• Desarrolló un modelo mejorado de eXtreme Gradient Boosting (XGBoost) integrado con Shapley Additive exPlanations (SHAP) para evaluar la influencia de los factores de las acciones.
• Empleó la agrupación de valores SHAP para la categorización de acciones y el análisis de la heterogeneidad de los factores.
• Cuantificó las diferencias de fase TLE utilizando matrices de distancia acumulativas y rutas óptimas de alineación de series temporales.

Principales resultados:

• El método MFDTSM demostró una precisión mejorada en la correlación de la industria (10%), correlación lineal (16%) y precios de correlación de acciones (5%) en comparación con los métodos existentes.
• Clasificó eficazmente las acciones y reveló la heterogeneidad en la influencia de los factores.
• Cuantificó con éxito las diferencias de fase dinámicas en TLE, mejorando la precisión de la medida de similitud.

Conclusiones:

• MFDTSM ofrece un avance significativo en el análisis de las complejas dinámicas del mercado de valores al incorporar datos multidimensionales y TLE.
• El método demuestra ser eficiente y estable, superando a las técnicas existentes en varios análisis de correlación.
• Destaca la importancia de considerar los aspectos temporales dinámicos y las interacciones de los factores para obtener información sólida sobre el mercado de valores.