Forecasting of financial time series utilizing gaussian process models

Abstract

El análisis y estudio de series financieras con fines predictivos es uno de los problemas de mayor, y con mayor variedad de enfoques. Como tal, dicho campo de estudio está en constante crecimiento, y la manera de abordar el problema supone un proceso de evolución continua. Una manera de abordar dicho problema es la aplicación de modelos basados en procesos Gaussianos, cuya aplicación al mundo financiero no se ha extendido en gran medida. Los modelos basados en procesos Gaussianos representan un ejemplo particular de modelos Bayesianos no paramétricos. Esencialmente, se puede reducir un proceso Gaussiano a una distribución de variables que puede ser definida mediante a una media y una matriz de covarianza N x N, siendo N el número de variables de la distribución. Los modelos Bayesianos, además, permiten disminuir la incertidumbre de una variable realizando observaciones de otra variable. Esto proporciona a los modelos basados en procesos Gaussianos una capacidad de adaptación y robustez única, que permite a los modelos adecuarse a los datos en mayor medida. Este trabajo presenta una primera aproximación al uso de modelos basados en procesos Gaussianos, buscando estudiar no solo sus capacidades predictivas sino también su versatilidad y capacidad de adaptación a series financieras de diferente naturaleza. Como tal, se realiza también un estudio sectorial de las diferentes empresas cotizadas, buscando evaluar los modelos en empresas de todos los sectores de la economía española.

The analysis and study of financial series for forecasting purposes is one of the largest and most varied of problems. As such, this field of study is constantly growing, and the way of approaching the problem is a process of continuous evolution. One approach to the problem is the application of Gaussian process models, which have not been widely applied to the financial world. Gaussian process models represent a particular example of non-parametric Bayesian models. Essentially, a Gaussian process can be reduced to a distribution of variables that can be defined by a mean and an N x N covariance matrix, where N is the number of variables in the distribution. Bayesian models, in addition, allow the uncertainty of one variable to be reduced by making observations of another variable. This provides models based on Gaussian processes with a unique adaptability and robustness, which allows the models to fit the data to a greater extent. This paper presents a first approach to the use of models based on Gaussian processes, seeking to study not only their predictive capabilities but also their versatility and adaptability to financial series of different nature. As such, a sectoral study of the different listed companies is also carried out, seeking to evaluate the models in companies from all sectors of the Spanish economy.