The use of machine learning in volatility: a review using K-means

Recientemente, el uso de técnicas de machine learning (ML) en diferentes disciplinas científicas ha experimentado un aumento sin precedentes. Esto, como consecuencia de los avances en computación que han permitido obtener resultados satisfactorios a costos computacionales moderados. El área de las f...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2021
Institución:
Universidad del Rosario
Repositorio:
Repositorio EdocUR - U. Rosario
Idioma:
eng
OAI Identifier:
oai:repository.urosario.edu.co:10336/33363
Acceso en línea:
https://doi.org/10.48713/10336_33363
https://repository.urosario.edu.co/handle/10336/33363
Palabra clave:
Análisis bibliométrico
K-means
Literatura financiera
Machine learning
Volatilidad
Economía financiera
Bibliometric analysis; financial literatura; K-means; Machine learning; Volatility
Bibliometric analysis
Financial literatura
K-means
Machine learning
Volatility
Rights
License
Abierto (Texto Completo)
Description
Summary:Recientemente, el uso de técnicas de machine learning (ML) en diferentes disciplinas científicas ha experimentado un aumento sin precedentes. Esto, como consecuencia de los avances en computación que han permitido obtener resultados satisfactorios a costos computacionales moderados. El área de las finanzas no ha sido una excepción. En los últimos años, se han publicado numerosos trabajos utilizando técnicas de ML. Sin embargo, uno de los temas con menor número de artículos desarrollados en este contexto, es el de la volatilidad. Este panorama ha cambiado. Datos obtenidos de la base Web of Science muestran que para los años 2001 y 2010 había 2 y 1 artículos asociados con este tema, respectivamente. Sorprendentemente, entre 2019 y 2021 se han publicado 37 manuscritos relacionados con esta temática. El propósito de este artículo, es revisar los trabajos relacionados con las aplicaciones de ML en volatilidad. Para ello, se propone una clasificación de las principales propuestas sobre este tema, acompañada de un análisis estadístico y bibliométrico en el que se utilizan técnicas novedosas como K-means. Los resultados son sugerentes. Aunque la mayoría de los artículos se centran en la predicción de la volatilidad a través de redes neuronales y support vector machines, se evidencia una ausencia de artículos relacionados con transmisión de la volatilidad, calibración de superficies de volatilidad, financiación de proyectos y finanzas corporativas.