Machine Learning Meets Reality: Why Most Intraday Trading Strategies Die at

Un estudio de la Universidad Anáhuac México pone límites a la promesa de la inteligencia artificial en intradía. Investigadores encabezados por Alan Gaona, Jennifer Rangel-Madariaga y Lourdes Uribe evaluaron tres modelos —Decision Tree, Random Forest y XGBoost— para predecir la dirección del precio en 40 activos financieros, incluyendo acciones, pares de FX y criptomonedas. Entrenaron con datos históricos de un minuto entre enero de 2022 y diciembre de 2023 y reformularon el problema como clasificación: estimar si el movimiento futuro superaría el costo de transacción dentro de horizontes de 1, 3, 5, 10, 15 y 30 minutos. Al incorporar costos realistas, solo un subconjunto limitado de estrategias resultó rentable. Los resultados se publicaron en Frontiers in Applied Mathematics and Statistics, usando validación walk-forward con ventanas móviles y optimización bayesiana fuera de muestra; 30 minutos tendió a rendir mejor.