Cursos de verano Pontevedra 03 INDICADORES BURSTILES

ANLISIS DE SERIES BURSTILES A PATIR DE LA TEORA DEL CAOS

MARIANO MATILLA GARCA A lo largo de este manuscrito se pretende fundamentalmente responder a una serie de preguntas que relacionan las series histricas de los mercados de valores y el anlisis de las mismas desde la teora del caos: (i)por qu es posible analizar estas series con tcnicas propias de la teora del caos?, (ii) es la aproximacin catica similar a la estocstica dominante en la actualidad?, y (iii) podra existir caos dentro de las series financieras? Como expondr ms adelante, esta aproximacin no pretende suplantar ninguna de las existentes, sino ms bien abrir el campo de investigacin, respecto del estndar, en lo que a este tipo de series se refiere. Esto posibilita la elevacin de nuevas preguntas fundamentales para el desarrollo de la teora econmica y la evaluacin economtrica. La exposicin se articula del siguiente modo: En el primer apartado se ofrece un intuitivo bosquejo de las implicaciones prcticas de la teora del caos. El segundo apartado pretende revisar los fundamentos de la aproximacin estocstica, y paralelamente someterlos al juicio de la evidencia emprica. El apartado tercero se dedica a exponer los fundamentos, a un nivel bsico, matemticos que posibilitan el uso de ciertas herramientas para el anlisis de series temporales. Adicionalmente algunas de estas tcnicas se aplican al anlisis de series como el IBEX35. I. LA TEORA DEL CAOS Y LAS SERIES TEMPORALES

Ian Stewart (1996) apunta que el papel del caos y la complejidad ha sido crucial y positivo: han hecho que empecemos a hacernos preguntas razonables y que dejemos de hacer hiptesis sobre las fuentes de la aleatoriedad. Con independencia de si la palabra caos es acertada o no lo es, conviene aclarar para el lector no habituado a esta literatura que en esencia caos y aleatoriedad son polos opuestos. Y esto es as porque el caos es cien por cien determinista, pese a que los resultados derivados a partir de sistemas dinmicos caticos sean aparentemente aleatorios. Para tener una visin intuitiva de lo que esto se refiere podemos considerar a modo de ejemplo el siguiente sistema discreto, conocido como ecuacin logstica:

xt +1 = 3.8 xt (1 xt ), para x0 = 0.6

o como el sistema de Henn

xt +1 = yt + 1 1.4( xt ) 2 yt +1 = 0.3xt
Conviene notar que no contiene ningn trminos diferencia de cmo estamos acostumbrados a ver economtricas. A partir de la ecuacin perfectamente posible obtener la evolucin de la estocstico, a en las series logstica es variable x. Si

Cursos de verano Pontevedra 03 INDICADORES BURSTILES representamos resultado: sta temporalmente obtendremos el siguiente

Mostramos a continuacin funcin de autocorrelacin parcial PACF of logs sub1-1000 lag 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113 117 121 PACF -.0083 .0436 -.0396 .0018 .0275 -.0253 -.0233 .0218 -.0034 .0286 .0040 -.0208 .0687 -.0175 .0227 -.0038 -.0393 .0836 -.0038 -.0352 .0441 .0137 -.0094 -.0288 -.0392 .0220 -.0012 -.0330 .0299 .0492 .0291 lag 2 6 10 14 18 22 26 30 34 38 42 46 50 54 58 62 66 70 74 78 82 86 90 94 98 102 106 110 114 118 122 PACF -.0208 .0302 -.0390 -.0604 -.0241 .0403 .0165 -.0736 -.0558 .0096 -.0077 -.0447 -.0143 .0646 -.0070 -.0368 -.0191 -.0170 .0039 .0100 -.0195 .0252 -.0270 .0088 -.0379 .0243 .0060 .0038 -.0055 .0188 .0543 lag 3 7 11 15 19 23 27 31 35 39 43 47 51 55 59 63 67 71 75 79 83 87 91 95 99 103 107 111 115 119 123 PACF .0145 .0122 .0237 .0080 .0115 -.0314 .0362 -.0196 -.0505 -.0279 -.0252 -.0402 -.0006 .0096 .0271 -.0910 .0510 -.0229 -.0381 -.0067 -.0030 .0048 .0319 -.0232 .0051 .0174 -.0112 -.0016 .0097 .0271 -.0524 lag 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 88 92 96 100 104 108 112 116 120 124 PACF .0197 -.0079 -.0447 .0291 -.0342 .0025 -.0539 .0042 -.0247 .0756 -.0243 -.0037 -.0100 .0151 -.0362 -.0654 -.0288 .0113 .0327 .0157 -.0255 .0445 -.0353 .0102 -.0034 .0039 -.0218 .0242 .0255 -.0039 .0140 2

Cursos de verano Pontevedra 03 INDICADORES BURSTILES 125 129 133 137 141 145 149 153 157 161 165 169 173 177 181 185 189 193 197 .0307 -.0176 .0045 .0099 .0144 -.0752 .0051 .0282 .0191 .0435 -.0365 -.0229 -.0066 -.0140 -.0168 .0164 .0032 -.0235 .0778 126 130 134 138 142 146 150 154 158 162 166 170 174 178 182 186 190 194 198 .0299 -.0182 .0470 -.0078 -.0543 .0071 .0197 -.0060 .0123 .0013 .0055 -.0229 -.0040 .0553 .0218 .0130 -.0085 .0219 -.0545 127 131 135 139 143 147 151 155 159 163 167 171 175 179 183 187 191 195 199 .0019 .0200 .0005 -.0064 .0229 .0046 -.0487 .0007 .0280 -.0185 -.0360 .0244 .0688 -.0167 -.0070 -.0097 -.0059 -.0172 -.0234 128 132 136 140 144 148 152 156 160 164 168 172 176 180 184 188 192 196 200 -.0060 .0344 .0360 .0403 .0189 -.0364 -.0521 -.0324 -.0002 -.0436 .0117 .0043 .0028 -.0130 .0112 .0403 -.0020 .0162 -.0160

95% de significacin es .062

Por tanto, la serie parece provenir de un mecanismo estocstico, mientras que proviene de una aplicacin determinista cien por cien. La funcin de autocovarianza (AFC)y (PAC) son semejantes a las generadas con variables aleatorias idnticamente distribuidas e independientes. Sin embargo, como veremos, este tipo de series caticas tienen otras caractersticas que permiten identificarlas como no estocsticas. Entre ellas es que es posible la prediccin a muy corto plazo, mientras que la prediccin a medio y largo plazo no existe. Lo sorprendente es, por lo tanto, que aun teniendo una serie con todos los sntomas de ruido blanco, autocovarianzas nulas, esto no implique que las serie x sea impredecible desde el pasado. Es fcil plantearse entonces si es o no razonable que cuando nos encontremos ante una serie de datos econmicos temporales, por ejemplo datos burstiles, nos preguntemos a propsito de si es 3

Cursos de verano Pontevedra 03 INDICADORES BURSTILES factible que el sistema del que provienen sea catico y en consecuencia determinista, aun cuando en caso de serlo la probabilidad de encontrar el mecanismo de generacin sea nula. Sin embargo lo comn dentro de la literatura economtrica habitual al anlisis de series temporales considera la investigacin en las series financieras, en concreto, partiendo de una hiptesis, de modo que mientras sta se mantenga ser posible avanzar en la lnea y modo de investigacin sugerida por la referida literatura. Seguidamente se pasamos a estudiar la hiptesis mantenida. II LA HIPTESIS DE MERCADOS EFICIENTES: FUNDAMENTO METODOLOGA GENERALIZA DE ESTUDIO DE SERIES FINANCIERAS1 DE LA

El mercado financiero ha sido y es objeto de estudio por numerosos investigadores y profesionales de las finanzas. Un amplio nmero de ellos, con la intencin de comprender su funcionamiento, investiga las posibles relaciones de causaefecto de cada mercado, de suerte que le revelen ciertas pautas de regularidad que, fundamentalmente le permitan corroborar sus hiptesis, e incluso llegar a predecir. Esto ha llevado a la creacin de una enorme cantidad de modelos que en cierta medida imiten el comportamiento del mercado. Todos estos modelos han estado y estn en la actualidad basados en la Hiptesis de Mercados Eficientes (HME). Al mismo tiempo, algunos economistas consideran, tras el anlisis de los datos, que esta hiptesis es errnea; de ser esto cierto, la trascendencia del hecho ser tal que tirara por tierra todos la gran mayora de los estudios realizados (vase [6]). Sorprendentemente la hiptesis alternativa est basada en la autoorganizacin. A continuacin, pasamos a describir la HME y algunos de sus lmites. La Hiptesis de Mercados Eficientes. Esta hiptesis forma parte de la teora del mercado de capitales, es ms la gran mayora de los estudios realizados la dan por asumida, por lo que parece necesario revisar los fundamentos sobre los cuales se cimienta. Esto es especialmente necesario porque algunos estudios sealan que la HME ha sido adoptada ad-hoc para justificar el uso del clculo de probabilidades en el anlisis de los mercados financieros (vase [6] y [7]), mientras que la evidencia apunta ms hacia una explicacin de tipo no lineal, como se comenta posteriormente con ms detalle. Los mercados financieros ajustan precios de un modo tal que toda la informacin pblica, tanto de carcter fundamental como histrica, est recogida en el precio de equilibrio. De esta forma los precios varan a medida que se recibe informacin nueva. Dentro de un mercado eficiente no hay lugar para el juego porque por un lado, los precios recogen toda la informacin conocida, y por otro, el gran nmero de inversores garantizar
1

Este apartado puede consultarse con ms detalle en [19].

Cursos de verano Pontevedra 03 INDICADORES BURSTILES que el precio sea el justo. Si la hiptesis es cierta significara que los cambios en los precios de hoy estn causados por las noticias no-esperadas de hoy, nunca como consecuencia de las de ayer o das anteriores; por tanto, los beneficios de hoy son independientes de los de ayer. Es ms, si los beneficios son, como decimos, independientes, entonces son variables aleatorias y siguen un paseo aleatorio, ajustndose a una distribucin normal. Como era de esperar este supuesto nos permite utilizar una gran cantidad de tests, aparato estadstico y tcnicas de modelizacin que pueden arrojar soluciones ptimas para los problemas de decisin. Es cierto que sta es la versin ms restrictiva de la HME, de hecho la eficiencia de mercados no implica necesariamente un paseo aleatorio, sin embargo el supuesto de paseo aleatorio necesariamente implica mercados eficientes. Por otra parte, aunque algunas versiones de la HME no asumen independencia, las tcnicas que se utilizan para los tests estadsticos si lo hacen. Por esta razn, se suele considerar la versin de paseo aleatorio de la HME como la general, aunque tcnicamente no es del todo correcto. En todo caso, lo que cualquier versin de la HME sostiene es que la informacin pasada no afecta a la actividad del mercado2. Pese a que el primer trabajo original que asienta los principios de la HME fue publicado por Bachelier (vase [8]) en 1900, tenemos que esperar hasta 1964 para que se formalice como tal por Osborne (vase [9]). Este sealaba que los cambios en los precios de las acciones eran equivalentes al movimiento de una partcula en un fluido. Asimismo Roberts (vase [10]) insista en que los cambios en los precios se comportaban como si fueran el resultado arrojado por una ruleta de casino que funcionara perfectamente, de lo contrario los inversores se hubieran percatado y lo habran cambiado. La lgica del modelo de Osborne resida en una coleccin de supuestos que desembocaban en algo que ya hemos comentado: Debido a que los cambios en los precios son independientes, es de esperar que la distribucin de cambios sea normal y con media y varianza finitas. Dado que los mercados de capitales, en general, son sistemas con un elevado nmero de grados de libertad, los precios deben reflejar la informacin que todo el mundo tiene, y por consiguiente los cambios en los precios slo son resultado de noticias inesperadas. Esta idea se hizo ms formal al considerar el supuesto sobre el comportamiento del inversor racional: este analiza los beneficios potenciales de acuerdo a un mtodo de probabilidad ponderada que genere los beneficios esperados y tiene en consideracin el riesgo, medido a travs de la desviacin estndar de los beneficios. Con estos datos los inversores quieren activos con el mximo beneficio esperado dado un determinado nivel de riesgo. Antes de comenzar con la cada de la HME, conviene sealar que desde Fama (vase [11]) se viene considerando que el mercado es una martingala o un juego justo, dicho de otro modo, la

Es por este motivo por el que se considera que el razonamiento en trminos econmicos es una hiptesis ad-hoc. Y de ah que todo el edificio construido a partir de HME pueda tambalearse.

Cursos de verano Pontevedra 03 INDICADORES BURSTILES informacin no puede ser utilizada para extraer beneficios del mercado. Es decir: Et [xT ] = E [xT / It ] con t < T donde It se refiere al conjunto de informacin. Por tanto la mejor prediccin es la ltima observacin de la variable x. La diferencia entre suponer que el mercado es eficiente y suponer que los cambios de los precios son independientes ha hecho que se distinga entre la HME dbil; la HME fuerte y finalmente la HME semifuerte, que es la que en la actualidad se acepta: La hiptesis dbil seala que los precios actuales recogen toda la informacin contenida en la serie de precios anteriores, de suerte que los anlisis basados en las series histricas carecen de sentido. Por otro lado, la hiptesis fuerte implica que los precios actuales no slo reflejan la evolucin de los precios histricos sino tambin todo aquello que es conocible por los inversores (informacin pblica y privada de empresas), por tanto cualquier anlisis basado en la profunda inspeccin de la informacin pblica carece, de igual modo, de sentido. Una va de escape ante esta situacin que echaba por tierra a los distintos tipos de analistas del mercado, se ha consolidado como la HME semifuerte: los precios reflejan toda la informacin pblica, y dado que los analistas se basan en la informacin disponible, resulta que un gran nmero de anlisis independientes resultan en un valor justo. De este modo la causa de la eficiencia es debida a la actitud de los analistas, no como la versin anterior que lo era con independencia de ellos. As pues, los cambios en los precios de los valores son aleatorios por la evaluacin por parte de los analistas de los cambios de los elementos fundamentales de las empresas del mercado. Fragilidad de la HME. El propio Osborne (vase [9]) seala que la funcin de densidad de los beneficios del mercado de valores contena una serie de observaciones acumuladas en las colas de la distribucin. Sin embargo, como hemos mencionado, el supuesto de normalidad es comn, y encuentra cabida terica dentro de la consideracin de mercados eficientes. Peters (vase [7]) analiza empricamente las caractersticas estadsticas de la distribucin de los beneficios del Dow Jones de Industria (1988-1991), y encuentra, como era ya conocido, que las distribuciones no son normales, sino que presentan colas anchas y apuntamiento entorno a la media superior al normal. De hecho, este estudio no es un caso inslito, ya en 1965 Fama [11] encontr comportamientos similares; incluso otros estudios en otros mercados financieros, como el estudio realizado sobre el S&P 500, o sobre el mercado de precios de futuros de Treasury Bond, Treasury Notes y los contratos de Eurodlares, revelan la misma caracterstica de colas anchas (vase [12]). El hecho de que estas distribuciones no se ajusten a la forma normal, explica por qu la estructura temporal de la 6

Cursos de verano Pontevedra 03 INDICADORES BURSTILES volatilidad no se ajuste tampoco a la usual relacin entre la medida de volatilidad, es decir, la desviacin estndar y la raz cuadrada del tiempo durante el que se mide3. Varios estudios (vase por ejemplo[7, 13 y14]) confirman que la desviacin estndar es ms rpida que la raz cuadrada del tiempo, no slo para el mercado de valores, sino tambin en otros mercados financieros como el de Bonos de EEUU y el de divisas. En concreto, el mercado de bonos y de valores muestra que existen lmites al comportamiento aleatorio de la volatilidad: de hecho cabe la posibilidad de que su evolucin est acotada. Lo cual confirma que no se ajusta al supuesto de normalidad. La existencia de estas evidencias pone en tela de juicio los cimientos sobre los que se sostiene la hiptesis de eficiencia de mercados. El paradigma sobre el cual se asienta la HME no es otro que el de la linealidad, es decir, que los agentes reaccionan ante la informacin de un modo lineal. Ahora bien, la linealidad se sostiene gracias a la concepcin terica de un inversor racional que ha descontado en los precios la informacin existente en el mercado. Por tanto, son dos los elementos principales de la construccin lgica de la HME: el marco de la linealidad y el supuesto de racionalidad, que precisamente sustenta al primero. El problema est relacionado con un elemento central en la teora econmica: cmo la gente (inversores del mercado de valores) toma decisiones. En este sentido, racionalidad es entendida como la capacidad para valorar acciones sobre la base de la informacin disponible, de modo que el precio venga determinado en perfecta consonancia con el valor de la accin. No slo esto, sino que adems estamos conminados a aceptar que el mercado agregado tambin tiene que tener un comportamiento racional, como resultado de la suma lineal de sus inversores racionales. En este sentido, el anlisis de Shiller acerca de la volatilidad en un supuesto marco de racionalidad, seala que existe una elevada volatilidad debido a la existencia de dos grupos de inversores: los smart money traders y los noise traders. Estos ltimos se mueven conforme a las modas, mientras que los primeros se ajustan ms al modelo racional. Pues bien, la conclusin es que tanta volatilidad significa que es mayor el nmero de noise traders que de smart money traders de modo que la hiptesis de racionalidad queda en entre dicho. Por otro lado, el hecho de que un gran nmero de inversores asegure la eficiencia, ya no es tan evidente. La explicacin ms recurrida acerca de por qu se observan colas anchas en las distribuciones de los cambios de precios de los valores intercambiados consiste en sealar que la informacin llega al mercado por saltos y no de una forma continua. La reaccin del mercado ante estos bloques de informacin no continuada propicia esta forma leptocrtica. Pues bien, la posibilidad de que los agentes reaccionen ante esta informacin tambin de un modo no continuo, sino por saltos abre un nuevo campo de anlisis terico de los mercados de
3

Esta prctica viene de la observacin de Einstein (1905) segn la cual la distancia que recorre una partcula con movimiento browniano aumenta con la raz cuadrada de tiempo necesitado para medirla.

Cursos de verano Pontevedra 03 INDICADORES BURSTILES valores, porque de ser as, este nuevo anlisis que ser no lineal, tambin obtendra distribuciones con colas anchas. Si los inversores ignoraran la informacin hasta que sta no se confirmara, y slo despus reaccionaran, de forma acumulada ante toda la informacin anteriormente obviada, significara que los inversores reaccionan de un modo no-lineal. Slo reaccionaran cuando se sobrepasara un nivel crtico, entonces toda la informacin descontada hasta ese punto no sera tenida en cuenta. Evidentemente este argumento terico sera una violacin del supuesto de la HME. De este modo se racionaliza el hecho de que las distribuciones de cambios de precios tengan una distribucin, en general, de colas anchas sin recurrir al paradigma lineal de la HME. Desde el punto de vista emprico, encontrbamos dos caractersticas estadsticas respecto a la volatilidad del mercado de valores y de bonos estadounidense, a saber: desviaciones estndar acotadas y crecientes a gran velocidad a medida que se dilataba el horizonte temporal de inversin. Pues bien, estas caractersticas pueden venir causadas por sistemas deterministas con ciclos peridicos y aperidicos. En 1964, Granger haba realizado numerosos anlisis espectrales para localizar ciclos peridicos, no los encontr. Recientemente, Peters (vase [15]) y Cheng and Tong (y [16]) han encontrado evidencias de ciclos no-peridicos generados por sistemas dinmicos no-lineales, es decir comportamiento catico. De este modo, nos encontramos ante el paradigma de la no linealidad que recoge fundamentalmente dos caractersticas ms realistas que el paradigma lineal, que adems es perfectamente contrastable empricamente, a saber: Que pueden existir relaciones de interdependencia entre el mercado y sus valores, y que el modelo de expectativas racionales no es el nico que permite racionalizar lo observado en las series de precios de valores. O lo que es lo mismo, que la Hiptesis de Mercados Eficientes puede ser superada con esta aproximacin no lineal. El hecho realista de que los inversores no sepan cmo interpretar toda la informacin conocida y que puedan reaccionar por tendencias, incorporando informacin pasada en sus decisiones actuales, era considerado por el paradigma anterior cmo algo innecesario, era de hecho un coste adicional. Emergencia del nuevo paradigma no lineal. Este nuevo paradigma no lineal, a diferencia del relacionado con la HME, permite incorporar elementos nuevos, tal vez ms acordes con la realidad, al comportamiento de los inversores dentro de estos mercados de capitales. Estos elementos nuevos van a permitir explicar hechos como las crisis de pnico en un mercado ante la falta de liquidez, que bajo el paradigma anterior eran difcilmente explicables. Bajo la HME el precio de transaccin es siempre el justo debido a que todos los agentes han llegado a l con toda la informacin disponible. Es decir, los inversores reaccionan de un modo homogneo ante la informacin diariamente recibida en el mercado, la informacin les impacta del mismo modo a todos. Sin embargo, este nuevo paradigma admite que la dinmica interna del mercado est compuesta por diferentes grupos de inversores, cada 8

Cursos de verano Pontevedra 03 INDICADORES BURSTILES uno caracterizado por sus propias tcnicas de evaluacin de la informacin. La dinmica interna funciona precisamente por las interacciones que se establecen entre la heterogeneidad de inversores. Los grupos de inversores no son estables, en el sentido de que pueden existir trasvases de un grupo a otro, por ejemplo, por los motivos que fuere, ahora unos inversores de un grupo que viene tomando sus decisiones de compra y venta de acuerdo a un anlisis de tipo fundamental, pasa a tomarlas por anlisis de las tendencias. Ante dicha heterogeneidad el impacto que la informacin puede tener en un mercado ya no es igual para todos, cada uno la valorar de acuerdo a su postura. Estos dos hechos, uno de inestabilidad y otro de diversidad de reacciones ante la informacin, posibilitan relaciones de interdependencia entre grupos de inversores, relaciones que a la postre pueden hacer emerger un orden global, tal vez catico?. En realidad, el hecho de que los inversores respondan de un modo distinto ante el mismo impulso exgeno, como es una determinada informacin, tiene una justificacin de carcter terico econmico que este paradigma s puede contemplar. Se trata de la liquidez de un mercado copado por inversores con distintos horizontes de inversin. La inicial creacin de una institucin como la Bolsa responda a la necesidad de una serie de individuos con la necesidad de liquidez. A medida que este mercado ha evolucionado es factible, gracias al sistema informatizado de las Bolsas, que un inversor con un horizonte temporal de inversin de 15 minutos pueda llevar a cabo una operacin de compraventa de manera eficiente con un inversor con horizonte temporal de 1 mes. Esta diversidad de horizontes temporales de inversin en la medida en que se mantenga en el mercado ser una fuente de liquidez y estabilidad en el sentido de ausencia de movimiento bruscos. Esto se debe a que los inversores de corto, por ejemplo uno o varios das de horizonte temporal de inversin, pueden querer vender a toda costa un activo con un riesgo ms elevado de lo viene siendo la media para ese horizonte temporal; mientras que un inversor con horizonte temporal de inversin de meses, al analizar el comportamiento en una franja temporal ms amplia, y atendiendo a criterios fundamentalistas, puede considerarlo una oportunidad de compra. De este modo, el inversor de largo ha provisto de liquidez al mercado, que en definitiva es lo que se pretende. El mercado puede producir cambios realmente bruscos cuando se rompe esta especie de equilibrio inestable entre los inversores con distintos horizontes de inversin. Precisamente, cuando dejan de invertir los inversores de largo o bien se traspasan a horizonte de corto, entonces se producen crisis de liquidez. Peters (vase[7]) explica como las crisis como la del Golfo Prsico, el Crash de Octubre del 87, las reacciones del mercado ante noticias como la muerte de Kennedy, son resultado de estos factores que venimos comentando. En la medida en que se mantenga esta relacin de inversores con distintos horizontes de inversin, se garantizar que la condicin de liquidez sea satisfecha por la globalidad del mercado. En cambio, si la distribucin de los inversores fuera

Cursos de verano Pontevedra 03 INDICADORES BURSTILES unidireccional emergeran problemas de liquidez y por tanto situaciones de crisis. En funcin de los horizontes de inversin, los inversores analizarn el mercado de un modo u otro, como hemos sealado ms arriba. Los inversores de horizonte corto atendern ms a cuestiones de anlisis tcnico (anlisis de la tendencia); mientras que los de largo se centrarn en factores de carcter econmico (como el ciclo econmico). Como resultado obtenemos un precio que es reflejo de la combinacin de anlisis tcnico y evaluacin econmica fundamental, de modo que los cambios a corto sern muchos ms voltiles que los de largo, estos ltimos ligados a cambios en el entorno econmico. Para unos y para otros la informacin que evalan no es en ningn caso la misma, de manera que los cambios en los precios reflejan informacin slo relevante para un tipo de horizonte concreto. En la medida en que el mercado est ligado con factores de crecimiento econmicos para horizontes largos de inversin, el riesgo decrecer al ser el ciclo econmico ms estable que las fluctuaciones de la actividad comercial, y por tanto los beneficios de los valores a largo plazo sern menos voltiles que los de corto. Este hecho puede justificar que la varianza est acotada. As, encontramos que el mercado de valores puede estar en una situacin de equilibrio inestable que a medida que es impactado por conjuntos de informacin puede ordenarse los datos y anlisis sugieren de modo catico resultado del trasvase de grupos de inversores con diferentes horizontes de inversin. En este sentido existen algunos estudios muy recientes que modelizan grupos de inversores estandarizados que entre ellos pueden tener interrelaciones. Algunos de estos modelos los comentamos a continuacin. III. FORMALIZACIN Y PRUEBAS EMPRICAS

Consideremos una serie temporal {at} que estamos intentando investigar con el propsito de encontrar una dependencia temporal o lo que es lo mismo una estructura que permita potencialmente realizar predicciones. Podemos pensar que dicha serie la forman los beneficios mensuales de la media del ibex35 desde 1985 hasta la actualidad, o tambin podra ser la serie ofrecida por un simulador de nmeros aleatorios. Diremos que la serie {at} tiene una explicacin determinista si existe un vector [x(t)], que evoluciona de acuerdo con una ecuacin determinista del movimiento (x(t)=F(x(t)), y existe una funcin [h(x)] tal que (at=h(x(t)) para todo t. Conviene pensar que la funcin h es el resultado de aplicar de medir con un aparato el fenmeno en cuestin, y en este caso la medida sera la media del ndice ibex35. Ni que decir tiene, que ni la funcin F ni la funcin de medida h son desconocidas para el investigador. En caso contrario seran perfectamente predecibles futuros estados del sistema (x(t+i)) y futuros resultados como at+i. La observacin

10

Cursos de verano Pontevedra 03 INDICADORES BURSTILES indirecta de x(t), es decir, at=h(x(t)) constituye la base de partida del investigador. Si consideramos un caso como la aplicacin de la tienda de campaa:

xt +1 = 2 xt si xt 0.5

xt +1 = 2 2 xt si xt 0.5

(0.1)

es posible ilustrar las caractersticas bsicas del caos. (i) La aplicacin de tienda genera, para casi toda condicin inicial entre cero y la unidad, trayectorias tales que para todos los nmeros a y b tales que 0 a < b 1 :

# { xt ,1 t < T xt [a, b]} T

(b a )

expresin que indica que la fraccin de x(t)s dentro del intervalo [a,b] es a largo plazo la distancia (b-a). De lo que infiere que cualquier nmero dentro de dicho intervalo ser visitado con independencia de la condicin inicial. Esta propiedad se denomina ERGODICIDAD. Adicionalmente, conviene notar que la aplicacin tienda se aproxima a la medida de una distribucin uniforme (b-a) sobre [0,1]. En este caso diremos que posee una medida ergdica. (ii) Supongamos se comete un error en la medicin del estado inicial tal que tan slo sabemos que est dentro de un intervalo psilon [I]. En este caso, si en t=1, una debe predecir x(t) basado en [I], convendremos en que la prdida de precisin de la prediccin crecer exponencialmente con t, y a largo plazo, lo mximo que podremos decir es que se encuentra dentro del intervalo [0,1]. Por tanto, si conocemos con precisin infinita el estado inicial se podr potencialmente predecir, pero en prctica una prediccin a largo plazo sera imposible. Pensemos que la observacin es del todo precisa, es decir, si h(x)=x, y dadas dos condiciones iniciales x(t) y x(r) muy cercanas entre s que siguen trayectorias {Fk(x(t))} y {Fk(x(r))}. Para que la aplicacin semejara un comportamiento aleatorio, sera preciso que trayectorias cercanas diverjan. Paralelamente, para que sea determinista es preciso que un conjunto de puntos vuelvan (mediante la aplicacin tienda) sobre si mismos (tal y como ha quedado expresado en (i)). Luego tendremos trayectorias que diverjan y eventualmente vuelvan sobre s. Este comportamiento es lo que hace que parezca a todas luces una seal aleatoria, y por tanto no determinista. (iii) Como resultado de (i) y (ii), se suele introducir una medida llamada exponente de Lyapunov. Esta cantidad mide el ratio de divergencia local, y promedia dicho ratio sobre una trayectoria tpica generada por la aplicacin. Es decir, mide cmo de rpido (la velocidad) el error inicial de medida se multiplica en la prediccin. En caso de que esta cantidad sea positiva significara que el error se ira haciendo cada vez mayor, e indicara as que estaramos ante un sistema

11

Cursos de verano Pontevedra 03 INDICADORES BURSTILES catico. Por ejemplo, el exponente de Lyapunov para la aplicacin tienda sera ln(2) que es claramente positiva4. Con esto es suficiente, a nivel introductorio, para comprender las caractersticas de las series con explicacin determinista catica. Hemos comprobado con la aplicacin de tienda que las herramientas de anlisis como la autocovarianza o el espectro son insuficientes como test de estocasticidad. A lo largo de la literatura referida a la teora del caos se ha intentado ofrecer alguna aproximacin que permita discriminar entre una serie con explicacin determinista catica y otra con explicacin estocstica. Para ello, se parte del supuesto fundamental consistente en que una serie temporal {at} observada, contiene informacin sobre el proceso (probablemente multiecuacional) que la gener. El desarrollo de tcnicas de inmersin, desarrolladas en base al teorema de Takens, permiten reconstruir la dinmica y algunas de sus propiedades ms caractersticas como son los exponentes de Lyapunov. De modo que el estudio de vectores reconstruidos es posible inferir juicios a propsito del sistema generador. A partir de estos desarrollos, se ha venido considerando una cantidad, conocida como integral de correlacin de Grassberger-Procaccia, que mide la correlacin espacial entre puntos en una dimensin reconstruida dada (m).

2 t <s I ( xt m , xs m ) (0.2) Tm(Tm 1) donde Tm = T (m 1) . Se demuestra que si T entonces Cm ,T ( ) =

Cm ,T ( ) Cm ( ) = Pr xt m xs m <

La integral de correlacin (0.2) es utilizada para estimar la una medida denominada dimensin de correlacin. Para ello se realiza un grfico del ln(Cm ,T ( )) contra ln( ) . El objeto es encontrar zonas de pendiente constante independientes de la dimensin de inmersin (m). Esta medida de la dimensin asigna una dimensin de m a los objetos que comnmente tienen esta dimensin, mientras que asignar una m no entera en presencia de objetos sobre los que tenemos poca intuicin sobre su valor (fractales). La dimensin se convierte as en una medida de la complejidad del sistema generador o, dicho de otro modo, de los grados de libertad. Concretamente, la dimensin de correlacin en una dimensin de inmersin m, se define como:

d m = lim 0 limT ln[Cm,T ( )] / ln( ) ln( DF t ( x)v t

12

La definicin terica de exponente de Lyapunov es L = limt

Cursos de verano Pontevedra 03 INDICADORES BURSTILES La dimensin de correlacin propiamente ser

d = lim m d m

Por ejemplo, la aplicacin de tienda tiene una dimensin de correlacin de 1, mientras que una serie IID su dimensin de correlacin es infinito, porque a medida que incrementamos el nmero de variables que compondran el vector reconstruido (m), el espacio se ira rellenando conforme aumenta m. En el caso determinista, cuando la dimensin de inmersin(m) sea lo suficientemente adecuada, tendramos que conforme aumentramos m las siguientes dimensiones no se rellenaran, pues la dinmica quedara recogida con un m adecuado. En principio, pueden ser detectados cualquier sistema determinista catico, dado un nmero suficiente de datos. En la prctica, nunca hay suficientes datos para detectar caos de alta dimensin. Por tanto esta tcnica es til cuando consideremos la posibilidad de investigar sobre caos de baja dimensin (entre 5 y 6). A continuacin ponemos algunos ejemplos algunas de los instrumentos propuestos: donde se utilizan

En el caso de la serie de rendimientos Dow-Jones 500(figura 1). Los resultados del exponente de Lyapunov son: LYAPUNOV VALOR L1 1,056821E-02 L2 -1,042260E-03 L3 -8,469766E-03 L4 -2,065776E-02 L5 -5,527683E-02 Donde el primero de ellos es positivo, condicin para que tenga una explicacin determinista. Igualmente, Podemos observar su grfico de recurrencia que normalmente en caso de series caticas despliega formas definidas. Por otra parte, si consideramos la serie del IBEX35 y para ilustrar otro tipo de herramientas obtendremos cmo son las pendientes de los grficos de dimensiones. Esto puede verse en la figura 3, estabilizndose la pendiente entorno a la dimensin de 2.3. Es por tanto, posible que la dinmica sea posible representarla con 5-6 variables (dimensiones para las que se empieza a estabilizar la pendiente y por tanto queda recogida la dinmica). REFERENCIAS [1] Krugman, P., 1996. La organizacin espontnea de la economa. Ed. Antoni Bosch. Barcelona. [2] The principles of Self-Organization. Transactions of the University of Illinois, Symposium on Self-Organization, June 1961. [3] Eigne, M., 1971. Self-Organization of Matter and the Evolution of Biological Macromolecules. Springer-Verlag. Berlin. [4] Biebricher, C.K., Nicolis, G y Schuster, P. (eds), 1995. Self-Organization in the Physco-Chemical and Life Sciences, EU Report 16546.

13

Cursos de verano Pontevedra 03 INDICADORES BURSTILES [5] Schweitzer, F (ed), 1997. Self-Organization of Complex Structures. Gordon and Breach Science Publishers. Amsterdam. [6] Peters, E., 1991. Chaos an Order in the Capital Markets. John Wiley and Sons, Inc. New York. [7] Peters, E. 1994. Fractal Market Analysis. John Wiley and Sons, Inc. New York. [8] Bachelier, L., 1964. Theory of Speculation, in P.Cootner, ed., The Random Character of Stock Market Prices. Cambridge, MA: MIT Press, 1964. [9] Osborne, M.F.M., 1964. Brownian Motion in the Stock Market, en P.Cootner, ed., The Random Character of Stock Market Prices. Cambridge, MA: MIT Press (el original publicado en 1959) [10] Roberts, H.V., 1964. Stock Market Patterns and Financial Analysis: Methodological Suggestions, in P.Cootner, ed., The Random Character of Stock Market Prices. Cambridge, MA: MIT Press [11] Fama, D.F., 1965. The Behavior of Stock Market Prices, Journal of Business 38, [12] Sterge, A.J., 1989. On the Distribution of Financial Futures Prices Changes Financial Analysts Journal, May/June. [13] Shiller, R.J., 1989. Market Volatility, Cambridge, MA: MIT. Press. [14] Turner, A.L. y Weigel, E.J., 1990. An Analysis of Stock Market Volatility, Russell Reseach Commentaries, Frank Russell Co. Tacoma, WA. [15] Peters, E., 1991. A chaotic atractor for the S$P 500. Financial Analysts Journal, March/April. [16] Cheng, P. y Tong, H., 1992. On Consistent Non-Parametric Order Determination and Chaos, Journal of the Royal Statistical Society 54. [17] De Grauwe, P. DeWachter, H. y Embrechts, M., 1993. Exchange Rate Theory Chaotic Models of Foreign Exchange Markets. Blackwell, Oxford. [18] Day, R.H. y Huang, W., 1990. Bulls, bears and market sheep, Journal fo Economics Behaviour and Organization, nmero 14 pgs 299-329. [19] Matilla-Garca, M., y Vzquez, F.J., 2001. Autoorganizacin: de la biologa a los mercados financieros Encuentros Multidisciplinares. Vol III, n8 [20] Brock, W. y Hommes, C., 1999. Rational Animal Spirits En P.J.J. Herings, A. J.J. Talman y G.van del Laan (eds), The theory of markets. Proceedings of the colloquium Theory of markets and their functioning (pp.109-137). North-Holland, Amsterdam: Royal Academy of Arts and Sciences.

14

Cursos de verano Pontevedra 03 INDICADORES BURSTILES

FIGURAS

Fig 2

fig 5

15

Cursos de verano Pontevedra 03 INDICADORES BURSTILES

0.4

0.2

0.0

-0.2

-0.4 30 40 50 60 70 80 Rtos DW Fig 1 90 00

Fig 3

16