Resumen de Análisis de anomalías demercado usando MachineLearning: un caso de la BolsaMexicana de Valores, BMV,2000-2020*

Carlos Omar Chávez Sánchez, Arturo Morales Castro, Oswaldo García Salgado

• español

  El presente trabajo tiene la finalidad deanalizar la presencia de anomalías en elmercado de valores mexicano; particularmente, se concentra en determinar empíricamente el desempeño de un conjunto reducido: momentum, volatilidad, reversióna la media y efecto enero, fin de mes y finde semana. Se proponen nuevos criteriosde cálculo de las anomalías a partir de losmovimientos de los precios con el objetivode revisar sus efectos en los rendimientos,en contraste con el mercado para el periodo de 2000 a 2020. El estudio muestra losresultados en términos de rendimientos apartir de la identificación de una anomalíacomparados con los promedios del principal índice del país: el S&P IPC (Índice dePrecios y Cotizaciones), y es la serie de precios a analizar. Se utilizan metodologías demachine learning (Regresión logística, Perceptrón multicapa [MLP], Máquinas de soporte vectorial optimizada [SMO] y MétodoLogit) para analizar los modelos y los resultados se evalúan con datos dentro y fuerade la muestra (validación cruzada y partición de dos tercios para entrenar y restantepara probar). Los resultados muestran queel momentum tiene mayor presencia, dadoel comportamiento del índice, y reversión ala media y volatilidad son menos ocurrentes; el efecto enero presenta porcentajes ligeramente inferiores a los del momentum.

• English

  The purpose of this paper is to analyze thepresence of anomalies in the Mexican stockmarket; in particular, it focuses on empirically determining the performance of areduced set: momentum, volatility, meanreversion, and January, month-end, and weekend effects. New criteria for calculating anomalies based on price movementsare proposed with the aim of reviewingtheir effects on returns, in contrast to themarket for the period from 2000 to 2020.The study shows the results in terms of returns from the identification of an anomalyin comparison to the averages of the country’s main index: the S&P IPC (Index ofPrices and Quotations), and it is the seriesof prices to be analyzed. Machine learningmethodologies (Logistic Regression, Multilayer Perceptron (MLP), Support VectorOptimized Machines (SMO) and LogitMethod) are used to analyze the modelsand the results are evaluated with data inside and outside the sample (cross-validation and partition). two-thirds to train andremaining to test). The results show thatmomentum has a greater presence, giventhe behavior of the index, and mean reversion and volatility are less frequent; theJanuary effect presents percentages slightlylower than those of momentum.