Teoria de Valores Extremos, Redes Neuronales y Modelos Ocultos de Markov en Inferencia de Series de Tiempo. "Un enfoque mas extremista"

Ponente(s): Juan Angel Lopez Delgadillo, Dr. Ehyter Matias Martin Gonzalez

Muchas veces las matematicas necesitan ajustarse al momento de modelar el caos en muchos experimentos medibles. El objetivo de este proyecto de investigacion es mejorar la detección y modelado de eventos extremos, como caídas abruptas del mercado, que los modelos tradicionales suelen subestimar. El modelo HMM identifica los distintos regímenes del mercado (normal y extremo), permitiendo aplicar EVT solo cuando se detecta un estado extremo. En paralelo, el modelo LSTM aprende los patrones de comportamiento regular. Al combinar ambos enfoques, se logra una predicción más robusta tanto en condiciones ordinarias como en escenarios de alto riesgo. De modo que nuestra investigacion combina la estimación de parámetros de la distribución Generalized Pareto Distribution, el entrenamiento del HMM (vía Baum-Welch) y la predicción secuencial con LSTM. Este enfoque permite una toma de decisiones más informada en contextos financieros con alta volatilidad.