DETECCIÓN DE ANOMALÍAS EN SERIES DE TIEMPO FINANCIERAS USANDO APRENDIZAJE PROFUNDO

Resumen

La detección de anomalías en series de tiempo es importante porque permite identificar patrones y tendencias que no son evidentes a simple vista y que pueden ser indicativos de problemas o riesgos, y que, en el caso financiero, puede representar serios desajustes económicos. La detección de anomalías se realiza usualmente mediante modelos estadísticos que capturan tendencias, estacionalidad y niveles en datos de series de tiempo. Cuando los datos nuevos difieren demasiado del modelo, se indica una anomalía o una falla del modelo. En este artículo, se describe un sistema automatizado para detección de anomalías en series de tiempo, usando algoritmos basados en aprendizaje profundo. Para el desarrollo de la investigación se usaron datos del comportamiento del índice de precios al consumidor, registrados mensualmente en nuestro país entre los años 1950 hasta agosto del 2022 por el Banco Central de Venezuela. Para la construcción del modelo de aprendizaje profundo se implementó una versión unidimensional del autocodificador U-Net. Se lograron resultados satisfactorios, alcanzando una precisión de 94,6 % en la detección de las anomalías.