El análisis de datos topológicos puede ayudarlo a predecir las caídas del mercado de valores.

Los investigadores de EPFL, junto con la startup local L2F, han desarrollado un modelo robusto que puede predecir cuándo ocurrirá un cambio en el sistema, basado en métodos de una rama de las matemáticas llamada análisis de datos topológicos.

El análisis de datos topológicos (TDA) implica la extracción de información de las nubes de archivos puntos de datos y usar la información para, por ejemplo, clasificar datos, reconocer patrones o predecir tendencias. Un equipo de científicos del Laboratorio de Topología y Neurociencia de EPFL, L2F (spin-off de EPFL) y HEIG-VD, trabajando en un proyecto financiado en parte por la subvención Innosuisse, utilizó la TDA para desarrollar Modelo que puede predecir cuándo el sistema está a punto de sufrir un cambio importante. Su modelo, llamado giotto-tda, está disponible como una biblioteca de código abierto y puede ayudar a los analistas a identificar cuándo están a punto de ocurrir eventos como una caída del mercado de valores, un terremoto, un atasco, un golpe de estado o una falla en el motor del tren.

Las catástrofes y otros eventos inesperados son, por definición, aberraciones, por lo que son difíciles de predecir con modelos convencionales. Por lo tanto, el equipo de investigación utilizó métodos TDA para desarrollar un enfoque novedoso basado en el hecho de que cuando el sistema logra condición críticapor ejemplo, cuando el agua está a punto de solidificarse en hielo, los puntos de datos que representan el sistema comienzan a formar formas que alteran su estructura general. Al monitorear de cerca las nubes de puntos de datos en el sistema, los científicos pueden identificar el estado normal del sistema y, por lo tanto, cuándo es inminente un cambio repentino. Otra ventaja de TDA es que es a prueba de ruido, lo que significa que las señales no se distorsionan con información irrelevante.

Hasta ahora, TDA se ha utilizado principalmente para conjuntos de datos con una estructura topológica clara como imagenes medicas, mecánica de fluidos, ciencia de materiales y modelado 3D (por ejemplo, en química molecular y biología celular). Pero gracias a giotto-tda, el método se puede utilizar para modelar cualquier tipo de conjunto de datos (como ondas gravitacionales), y los datos contenidos en estos conjuntos alimentan el algoritmo de aprendizaje automático del modelo, mejorando la precisión de sus predicciones y proporcionando señales de advertencia.

Ruido y señales nubladas

Los científicos probaron giotto-tda en las caídas del mercado de valores de 2000 y 2008. Observaron los datos de precios diarios del S&P 500, un índice comúnmente utilizado para comparar el estado del mercado financiero, desde 1980 hasta la actualidad y lo compararon con los pronósticos generados por su modelo. El gráfico de precios mostró numerosos máximos que rompieron el nivel de advertencia en el período previo a las dos caídas. “Los modelos predictivos convencionales contienen tanto ruido y dan tantas señales que algo puede salir mal y realmente no sabes qué señales rastrear”, dice Matteo Caorsi, jefe del equipo de diseño de L2F. “Si los escucha a todos, nunca invertirá, ya que muy pocas veces las señales son realmente claras”.

Pero las señales fueron muy claras con el giotto-tda ya que los picos que indicaban fallas inminentes estaban muy por encima del nivel de advertencia. Esto significa que TDA es un método más confiable para dar sentido a los movimientos inestables que pueden indicar una falla inminente. Sin embargo, los hallazgos de los científicos solo cubren un mercado específico y son a corto plazo, por lo que el equipo planea realizar más investigaciones con otra subvención de Innosuisse. “El siguiente paso será aplicar TDA a los métodos de aprendizaje profundo. Esto nos proporcionará información valiosa sobre nuestro modelo, cómo se pueden interpretar los resultados y cuán robusto es ”, dice Caorsi.