Estadística para las finanzas

Todo número de las finanzas cuantitativas es una estadística disfrazada. Una rentabilidad es una extracción de una variable aleatoria. El «riesgo» es una desviación típica. Una ventaja de trading es un coeficiente de regresión que tenéis que demostrar que no es ruido. Saltaos la estadística y el resto de la escalera cuantitativa —el Valor en Riesgo, la teoría de carteras, las finanzas bayesianas, los modelos de factores— se levanta sobre arena.

Este tema monta esa base como es debido. Da por sabido que conocéis las rentabilidades, el ratio de Sharpe y la volatilidad (de Métricas de inversión), pero nada de probabilidad ni estadística formal. Aprenderéis:

• Probabilidad y variables aleatorias — sucesos, probabilidad condicionada, independencia, y cómo una PDF/CDF describe una magnitud que no podéis predecir.
• Las distribuciones en finanzas — la normal, la lognormal que siguen los precios, y las colas pesadas que destrozan los modelos basados en la campana.
• Esperanza, varianza y momentos — media, varianza, y la asimetría y la curtosis que dicen cuán torcidas y cuán cargadas de cola están las rentabilidades.
• Covarianza, correlación y regresión — cómo se mueven juntos dos activos, y cómo ajustar una recta que estima la beta y explica el R².
• El Teorema Central del Límite y la estimación — por qué las medias se vuelven normales, qué es un error estándar, y cómo poner un intervalo de confianza a una estimación.
• El contraste de hipótesis — hipótesis nula frente a alternativa, valores p, las dos formas de equivocarse, y por qué «he hecho backtesting a 1.000 estrategias» lo rompe todo en silencio.

Dominad estos seis y los cursos cuantitativos avanzados dejan de ser un muro de letras griegas — se vuelven aplicaciones de herramientas que ya tenéis.