Con inteligencia artificial y Python, egresado javeriano propone nuevas formas de predecir la volatilidad del mercado

El pasado 8 de abril, el Laboratorio Financiero de la Pontificia Universidad Javeriana Cali fue el escenario de un taller práctico dirigido por el egresado Jhon Alejandro Mendoza Ortiz. El evento hizo parte de la iniciativa “Egresados que inspiran” y tuvo como eje central la aplicación de modelos de redes neuronales para predecir la volatilidad del mercado bursátil utilizando Python.  

Mendoza, quien culminó su pregrado en la Javeriana Cali en 2022 y realizó una maestría en Ciencia de Datos en la Universidad de Tilburg, presentó los hallazgos de su tesis “Predicción de la volatilidad del mercado de valores utilizando modelos de redes neuronales”, la cual fue seleccionada entre las cinco mejores de su cohorte entre más de 200 trabajos. Su estudio comparó el rendimiento de modelos de aprendizaje automático como BiTCN, NHITS, TiDE y TFT en la predicción de la volatilidad de acciones del S&P 500 durante un período de 20 años.  

“Lo más interesante fue demostrar que, con librerías modernas como Nixtla y plataformas accesibles como Google Colab, podemos replicar modelos preferidos sin necesidad de equipos costosos. Lo que parecía reservado para laboratorios de alto nivel, ahora está al alcance de estudiantes e investigadores independientes”, comentó Mendoza durante la sesión.  

La volatilidad, definida como la magnitud de los cambios de precio en un período determinado, es una variable crítica en la toma de decisiones de inversión, regulación y política monetaria. Mendoza explicó que, en escenarios como la crisis del 2008 o la pandemia del COVID-19, predecir estos movimientos pueden significar estabilidad o caos financiero.  

“Uno de los hallazgos clave fue que los modelos basados en arquitecturas Transformer, como el Temporal Fusión Transformer (TFT), mostraron un desempeño muy consistente en distintos escenarios y mercados. Esto es clave para instituciones financieras que necesitan anticipar escenarios complejos”, explicó.  

La investigación también exploró el uso combinado de indicadores técnicos (como RSI o promedios móviles) y macroeconómicos, algo que permitió mejorar significativamente las predicciones, tanto en horizontes de corto como de largo plazo. En total, el modelo fue entrenado con más de 2 millones de observaciones de 385 empresas del S&P 500, y validado con datos del índice holandés AEX.  

“Además de mostrar qué tan bien se comportan los modelos con grandes cantidades de datos, quise probar qué tan robustos eran cuando se reduce la información disponible, algo muy común en mercados emergentes como el colombiano. Ahí es donde BiTCN, por ejemplo, mostró resultados muy prometedores”, agregó Mendoza.  

Entre los retos destacados, el egresado señaló la dificultad para acceder a datos financieros de calidad y los costos de infraestructura computacional como barreras que aún deben enfrentarse en países como Colombia. Sin embargo, destacó el valor de plataformas como Google Colab y el uso de modelos abiertos como los de Nixtla para democratizar este tipo de investigaciones.  

“Mi propósito también era mostrar que la inteligencia artificial no es inalcanzable. Si los estudiantes aprenden a estructurar bien sus datos y usan herramientas adecuadas, pueden desarrollar modelos competitivos. Eso empodera no solo a la academia, sino también al ecosistema financiero local”, aseguró Mendoza.  

El evento cerró con una sesión práctica en la que los estudiantes pudieron replicar algunos modelos usando librerías de Python, permitiéndoles comprender desde la estructura de los datos hasta la evaluación de predicciones con métricas como QLIKE y pruebas estadísticas como Diebold-Mariano.  

Con este tipo de iniciativas, la Javeriana Cali reafirma su apuesta por el aprendizaje activo, el vínculo con sus egresados y la promoción de la innovación aplicada al contexto colombiano.