¿Se puede predecir correctamente el futuro en Economía? (III)

En la primera entrada referida a las predicciones en Economía (puedes seguir la entrada aquí), en la segunda entrada se hacía referencia a la "probabilidad" de obtener una predicción adecuada (aquí)

Este tercer post dedicado a las predicciones en Economía, vamos a prestar atención a los datos de alta volatilidad. Lo que todo el mundo conoce como "La bolsa".

Los datos de alta volatilidad presentan un problema a la hora de realizar su descripción y predicción a través de los modelos econométricos. El principal problema que puede encontrar un económetra a la hora de analizar este tipo de datos, es la escasez de componentes determinísticas que aparecen en la evolución de una determinada Serie Temporal.

Esto hace que el Análisis Clásico de Series Temporales utilizado y explicado en los cursos de Econometría carezcan de certeza a la hora de predecir un valor bursátil.

¿Dónde radica el problema? principalmente en la alta frecuencia de los datos, esto hace que desde el punto de vista del análisis se complique. Las predicciones que se realizan en Economía tienen un alto grado de acierto cuando se realizan con series que presentan poca frecuencia. Por ejemplo, normalmente cuando se predice el PIB, la probabilidad de "acertar" el dato para el próximo año, es mucho mayor que si tratamos de predecir la evolución de un valor determinado en el IBEX 35

¿En qué difiere un dato del otro? principalmente la frecuencia. En este sentido, los datos estudiados para la evolución del PIB suelen presentar frecuencia mensual, semanal o anual. Para estudiar la evolución de cualquier valor bursátil, la frecuencia con la que se obtienen datos es Intradía, Intrahora, e incluso, datos a tiempo real.

El hecho de que la frecuencia de datos sea mucho mayor en datos de "bolsa", hace que la predicción a largo plazo, por ejemplo, cinco años sea prácticamente imposible de determinar con cierto grado de certeza. En cambio cuando se realizan predicciones con una menor frecuencia, la probabilidad de acierto es mucho mayor.

Llegados a este punto, ¿se puede predecir en bolsa correctamente? la respuesta es sí, el problema está en función al horizonte temporal que queramos recoger. También podríamos reducir la frecuencia y presentarlos en datos mensuales o trimestrales. El hecho de que disminuya la volatilidad al reducir la frecuencia. Implicará una menor volatilidad que cuando recogemos datos minuto a minuto.

En datos anuales el horizonte de predicción a dos años, implicaría tratar de predecir dos datos. Dos datos con una menor volatilidad y una menor frecuencia. Sin tratáramos de predecir a dos años, datos de alta volatilidad y con alta frecuencia. Supongamos datos diarios (como mínimo por no decir, minuto a minuto), implicaría predecir trescientos sesenta y cinco datos por cada año. Unido a la alta volatilidad, la "probabilidad" de acierto es muy baja. Posible solución, reagrupar datos y observar los datos de modo mensual. Esta reagrupación implicaría una menor volatilidad.

Podemos indicar que existen métodos estocásticos de predicción para este tipo de datos. Pero aún así la carencia de componentes determinísticas en los datos de alta volatilidad dificulta el trabajo.

Conclusión: Todo esto surge de un artículo que leí sobre bestinver y cocretamente sobre un artículo de El Economista en el que decían literalmente "Si no inviertes a largo plazo, la bolsa es una máquina de perder dinero". El hecho de realizar análisis a largo plazo con datos de alta volatilidad y alta frecuencia, implica que el riesgo de pérdida alto. La solución es reducir la frecuencia y reducir la volatilidad.

Si te suscribes...

  •  Te avisaremos de los nuevos Cursos, Talleres y Master Class que hagamos ONLINE.

  •  Tendrás acceso a ofertas y promociones puntuales.

  •  Si has estudiado Economía, ADE, Turismo. Recibirás ofertas de trabajo.

  •  Te mantendremos informado sobre novedades del sector de la Econometría.

  •  Te mandaremos tutoriales sobre herramientas de Econometría.

  • Facebook Classic
  • Twitter Classic
  • Google Classic