Deep Learning para Datos de Mercado

El deep learning es la tecnología que enseñó a los ordenadores a ver, a transcribir voz y a escribir prosa fluida — una racha de victorias tan rotunda que «échale una red neuronal» se convirtió en una opción por defecto razonable en la mitad de los problemas de datos del mundo. Luego entró en los mercados financieros y se llevó, una y otra vez, un baño de humildad silencioso. La razón es todo lo que aprendiste en Machine Learning para Alpha, subido al máximo: la relación señal-ruido es brutal, el proceso generador de datos se mueve bajo tus pies, tus muestras se solapan y filtran información, y ahora has añadido una clase de modelo con millones de parámetros y un don casi sobrenatural para memorizar ruido. Un transformer que se sabía mil millones de palabras de texto, sobre unos pocos miles de retornos no estacionarios, ajustará las ondulaciones a la perfección y no predecirá el futuro en absoluto.

Este curso es la versión sin hype. No es una vuelta de honor de las redes neuronales en el trading — es un manual de campo honesto sobre cuándo ayudan, cuándo hacen daño y cómo funcionan de verdad sobre los datos más difíciles que existen. Damos por sentado que has interiorizado la disciplina contra el sobreajuste de Machine Learning para Alpha y los hechos sobre estacionariedad, autocorrelación y agrupamiento de volatilidad de Series Temporales en Finanzas; aquí añadimos la capa de deep learning encima, una arquitectura cada vez, haciendo siempre la misma pregunta escéptica: ¿esto se gana el sueldo, o solo su número de parámetros? El recorrido:

• Por qué el deep learning sufre en finanzas — la catástrofe del tamaño de muestra efectivo, por qué un perceptrón multicapa simple a la vez sobreajusta e infraajusta retornos de baja señal, y el replanteamiento sesgo-varianza que explica por qué «modelo más grande» suele ser el reflejo equivocado.
• Modelos recurrentes: RNN, LSTM y GRU — leer una secuencia paso a paso, el modelo mental del desenrollado, el problema del gradiente que se desvanece que lisia a los RNN simples, y cómo la autopista de puertas LSTM/GRU deja sobrevivir la información a lo largo de una ventana larga.
• Redes convolucionales temporales — tratar una serie de retornos como una señal 1-D: convoluciones causales y dilatadas que ven muy atrás con pocos parámetros, por qué a menudo le ganan a los RNN en secuencias financieras tabulares, y la aritmética del campo receptivo.
• Atención y transformers para mercados — la autoatención como «quién mira a quién», por qué una conexión directa de un salto a través del tiempo le gana a un estado oculto que decae, transformers sobre retornos y sobre la microestructura del libro de órdenes (la estirpe DeepLOB), y el hambre de datos que los castiga en muestras pequeñas.
• Embeddings para datos categóricos y alternativos — convertir tickers, sectores, regímenes, calendarios y noticias en vectores densos aprendidos, por qué los embeddings de entidades le ganan a la codificación one-hot, y las trampas de fuga de información que los embeddings ponen especialmente fácil pisar.
• Entrenar y evaluar sin engañarte — regularización agresiva (dropout, weight decay, early stopping, aumento de datos) para una muestra minúscula, evaluación purgada y con embargo aplicada a redes profundas, el Sharpe desinflado para una búsqueda de arquitecturas, y la conclusión sobria: los árboles con gradient boosting son el listón a batir, y normalmente ganan.

Al final serás capaz de construir cualquiera de estos modelos — y, más valioso aún, de saber cuándo no hacerlo, y de defender la decisión con el tamaño de muestra efectivo, el campo receptivo y un número desinflado fuera de muestra en lugar de con un backtest reluciente. Un examen final calificado te devuelve toda la disciplina al final, una pregunta bloqueada cada vez.