Saltar al contenido
Lecciones de Finanzas
📈

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:

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. 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. 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. 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. 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. 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. 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. 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.