{rfName}
Mu

Indexat a

Altmetrics

Anàlisi d'autories institucional

Perez H.Autor o coautor

Compartir

28 denovembre de 2025
Publicacions
>
Conferència publicada
No

Multivariate Regime Identification and Prediction in Financial Markets via Gaussian Mixture and Gradient Boosting Methods

Publicat a: Syntactic ASP Forgetting with Forks. 16203 LNCS 340-353 - 2026-01-01 16203 LNCS(), DOI: 10.1007/978-3-032-08462-0_27

Autors:

Sánchez-Fernández Á; Díez-González J; Huerga-Pérez N; Perez H
[+]

Afiliacions

Department of Mechanical; Computer and Aerospace Engineering; Universidad de León; León; 24071; Spain - Autor o coautor

Resum

Financial markets rarely behave uniformly over time, instead exhibiting periods of different market conditions. These structural shifts pose significant challenges for traditional forecasting models, particularly due to heteroskedasticity and non-linearity. While market regime frameworks seek to address this complexity, many existing approaches are constrained by univariate inputs, rigid transitions, or lack predictive capability. This paper proposes a two-phase framework that overcomes these limitations by integrating unsupervised and supervised machine learning techniques. In the first phase, a Gaussian Mixture Models (GMM) is used to detect latent market regimes from a rich set of macro-financial indicators, capturing overlapping probabilistic states with interpretable economic characteristics. We identify six distinct regimes—including high-inflation, crisis, and expansionary environments—each associated with unique risk-return profiles. In the second phase, we train an XGBoost-based Gradient Boosting Machine (GBM) classifier on historical regime labels to forecast future regime states. The predictive model achieves high out-of-sample classification accuracy (92.2%) and outperforms the market in a simple long-short trading strategy based on anticipated regime shifts. © The Author(s), under exclusive license to Springer Nature Switzerland AG 2026.
[+]

Paraules clau

Adaptive boostingBoosting methodCommerceElectronic tradingFinancial forecastingFinancial marketsForecastingForecasting modelsGaussian distributionGaussian mixture modelGaussian mixture modelsGaussian-mixturesGradient boostingLearning systemsMachine learningMarket conditionMarket regime detectionMultivariate time seriesStructural shifts

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Syntactic ASP Forgetting with Forks a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2026, es trobava a la posició 70/78, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Computer Science, Artificial Intelligence. Destacable, igualment, el fet que la revista està posicionada per sobre del Percentil 90.

[+]

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2026-04-03:

  • L'ús, des de l'àmbit acadèmic evidenciat per l'indicador de l'agència Altmetric referit com a agregacions realitzades pel gestor bibliogràfic personal Mendeley, ens dona un total de: 1.
  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 1 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

  • El Puntuació total de Altmetric: 2.
  • El nombre de mencions a la xarxa social X (abans Twitter): 1 (Altmetric).
[+]

Anàlisi del lideratge dels autors institucionals

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Últim Autor (PEREZ GARCIA, HILDE).

[+]