Finanzas de series temporales
Los procesos estocásticos escriben el reglamento de cómo deambulan los precios; las finanzas de series temporales son la ciencia forense — ajustar las reglas a datos reales, prever el siguiente movimiento y la siguiente tormenta, y negarse a caer en la trampa de un backtest precioso.
Cómo modelar los rendimientos a medida que se despliegan en el tiempo — estacionariedad y raíces unitarias, autocorrelación y la ACF/PACF, modelos AR/MA/ARIMA para la media, agrupamiento de volatilidad y ARCH/GARCH para la varianza, EWMA y RiskMetrics, y las trampas del backtesting (sesgo de anticipación, sobreajuste, data-snooping) que hacen mentir a una estrategia.
Los procesos estocásticos os entregaron el reglamento de cómo deambulan los precios, pero un reglamento no es más que teoría hasta que lo apuntáis a datos reales. Las finanzas de series temporales son la ciencia forense — ajustad las reglas a una serie real de rendimientos, preved tanto el siguiente movimiento como la siguiente tormenta y negaos a caer en la trampa de un backtest que parece demasiado bueno para ser verdad.
Esta es la tubería que construiréis, de los precios en bruto a un modelo validado y consciente del riesgo:
- Estacionariedad y raíces unitarias — por qué el precio de una acción suspende (lleva una raíz unitaria, los shocks nunca decaen) mientras su rendimiento la supera, y cómo la prueba de Dickey–Fuller aumentada, los logaritmos y la diferenciación convierten una serie inmodelable en una modelable.
- Autocorrelación, ACF y PACF — los lectores de huellas dactilares que dicen si el rendimiento de hoy predice el de mañana, juzgados frente a la banda de ruido blanco () y confirmados con la prueba de Ljung–Box.
- AR, MA y ARIMA(p,d,q) — los modelos de la media que son el caballo de batalla (valores pasados propios, shocks pasados y su combinación), eligiendo el orden con honestidad mediante AIC/BIC y validando sobre los residuos.
- Agrupamiento de volatilidad y ARCH/GARCH — modelar el riesgo en sí: la idea ARCH, el GARCH(1,1) de tres parámetros y la persistencia que fija cuán despacio se desvanece un shock de volatilidad.
- EWMA y RiskMetrics — el primo de un solo parámetro detrás de los números de Valor en Riesgo de J.P. Morgan, y por qué un fijo le ganó a un GARCH ajustado para el riesgo diario, auditable y a nivel de toda la firma.
- Trampas del backtesting — las tres formas más mortíferas de engañaros a vosotros mismos (sesgo de anticipación, sobreajuste, data-snooping) y la disciplina que defiende contra ellas: la parsimonia, las muestras de validación honestas y el análisis walk-forward.
Este es el peldaño experto donde la maquinaria abstracta de la aleatoriedad-en-el-tiempo se convierte en una tubería de trabajo que podéis ejecutar sobre los precios de cierre de esta noche — y un examen final calificado os devuelve todo el recorrido, una pregunta bloqueada cada vez.
En este tema
- 1 Estacionariedad y rendimientos Por qué los precios brutos son no estacionarios pero los rendimientos son aproximadamente estacionarios, qué es una raíz unitaria, la intuición tras la prueba de Dickey–Fuller aumentada y las transformaciones (logaritmos, diferenciación) que hacen modelable una serie. 11 min
- 2 Autocorrelación, ACF y PACF La autocorrelación y la función de autocorrelación (ACF), la función de autocorrelación parcial (PACF), la nula de ruido blanco y su banda de significancia, y la prueba de Ljung–Box para saber si queda alguna estructura. 11 min
- 3 Modelos AR, MA y ARIMA Modelos autorregresivo (AR), de media móvil (MA), ARMA combinado e ARIMA(p,d,q) integrado — qué significa cada término, cómo encaja la diferenciación y cómo ajustarlos, elegirlos e interpretarlos. 12 min
- 4 Agrupamiento de volatilidad y GARCH El agrupamiento de volatilidad en los rendimientos, la idea ARCH, el modelo GARCH(1,1) y sus tres parámetros, la persistencia (α + β), la varianza incondicional y la previsión de la varianza futura. 12 min
- 5 EWMA y RiskMetrics La media móvil exponencialmente ponderada para la varianza, el factor de decaimiento λ y su semivida, EWMA como caso especial IGARCH, la convención λ = 0,94 de RiskMetrics, y cómo se compara EWMA con GARCH en la práctica. 10 min
- 6 Trampas del backtesting Sesgo de anticipación, sobreajuste, contraste múltiple y data-snooping, dentro de muestra frente a fuera de muestra, y validación walk-forward — las trampas que hacen que una estrategia parezca brillante en la historia y fracase en real. 12 min
- 7 Finanzas de series temporales — Examen final El examen final con nota de Finanzas de series temporales: estacionariedad y raíces unitarias, autocorrelación y la ACF/PACF, modelos AR/MA/ARIMA, agrupamiento de volatilidad y GARCH, EWMA y RiskMetrics, y trampas del backtesting. 15 min
Marcar curso como terminado
¿Has acabado todas las lecciones? Déjalo fijado — tu progreso se guarda en este dispositivo.