En finanzas , la volatilidad (generalmente denotada por "σ") es el grado de variación de una serie de precios de negociación a lo largo del tiempo, generalmente medida por la desviación estándar de los rendimientos logarítmicos .
La volatilidad histórica mide una serie temporal de precios de mercado pasados. La volatilidad implícita mira hacia el futuro y se deriva del precio de mercado de un derivado negociado en el mercado (en particular, una opción).
La volatilidad como se describe aquí se refiere a la volatilidad real , más específicamente:
Pasando ahora a la volatilidad implícita , tenemos:
Para un instrumento financiero cuyo precio sigue un paseo aleatorio gaussiano , o proceso de Wiener , el ancho de la distribución aumenta a medida que aumenta el tiempo. Esto se debe a que existe una probabilidad cada vez mayor de que el precio del instrumento se aleje más del precio inicial a medida que aumenta el tiempo. Sin embargo, en lugar de aumentar linealmente, la volatilidad aumenta con la raíz cuadrada del tiempo a medida que aumenta el tiempo, porque se espera que algunas fluctuaciones se cancelen entre sí, por lo que la desviación más probable después del doble del tiempo no será el doble de la distancia desde cero.
Dado que los cambios de precios observados no siguen distribuciones gaussianas, a menudo se utilizan otras como la distribución de Lévy . [1] Estos pueden capturar atributos como " colas gordas ". La volatilidad es una medida estadística de dispersión alrededor del promedio de cualquier variable aleatoria, como los parámetros del mercado, etc.
Para cualquier fondo que evolucione aleatoriamente con el tiempo, la volatilidad se define como la desviación estándar de una secuencia de variables aleatorias, cada una de las cuales es el rendimiento del fondo durante una secuencia correspondiente de tiempos (de igual tamaño).
Por lo tanto, la volatilidad "anualizada" σ anualmente es la desviación estándar de los rendimientos logarítmicos anuales de un instrumento . [2]
La volatilidad generalizada σ T para el horizonte temporal T en años se expresa como:
Por lo tanto, si los rendimientos logarítmicos diarios de una acción tienen una desviación estándar de σ diariamente y el período de rendimiento es P en días de negociación, la volatilidad anualizada es
entonces
Una suposición común es que P = 252 días hábiles en un año determinado. Entonces, si σ diario = 0,01, la volatilidad anualizada es
La volatilidad mensual (es decir, de un año) es
Las fórmulas utilizadas anteriormente para convertir los rendimientos o las medidas de volatilidad de un período de tiempo a otro suponen un modelo o proceso subyacente particular. Estas fórmulas son extrapolaciones precisas de un paseo aleatorio , o proceso de Wiener, cuyos pasos tienen varianza finita. Sin embargo, en términos más generales, para los procesos estocásticos naturales, la relación precisa entre las medidas de volatilidad para diferentes períodos de tiempo es más complicada. Algunos utilizan el exponente de estabilidad de Lévy α para extrapolar procesos naturales:
Si α = 2 se obtiene la relación de escala del proceso de Wiener , pero algunas personas creen que α < 2 para actividades financieras como acciones, índices, etc. Esto fue descubierto por Benoît Mandelbrot , quien observó los precios del algodón y descubrió que seguían una distribución alfa estable de Lévy con α = 1,7. (Ver New Scientist, 19 de abril de 1997.)
Se han dedicado muchas investigaciones a modelar y pronosticar la volatilidad de los rendimientos financieros y, sin embargo, pocos modelos teóricos explican cómo llega a existir la volatilidad.
Roll (1984) muestra que la volatilidad se ve afectada por la microestructura del mercado . [3] Glosten y Milgrom (1985) muestran que al menos una fuente de volatilidad puede explicarse por el proceso de provisión de liquidez. Cuando los creadores de mercado infieren la posibilidad de una selección adversa , ajustan sus rangos de negociación, lo que a su vez aumenta la banda de oscilación de precios. [4]
En septiembre de 2019, JPMorgan Chase determinó el efecto de los tuits del presidente estadounidense Donald Trump y lo llamó índice Volfefe que combina la volatilidad y el meme covfefe .
La volatilidad es importante para los inversores por al menos ocho razones, [ cita necesaria ] varias de las cuales son declaraciones alternativas de la misma característica o son directamente consecuentes entre sí:
La volatilidad no mide la dirección de los cambios de precios, sino simplemente su dispersión. Esto se debe a que al calcular la desviación estándar (o varianza ), todas las diferencias se elevan al cuadrado, de modo que las diferencias negativas y positivas se combinan en una sola cantidad. Dos instrumentos con diferentes volatilidades pueden tener el mismo rendimiento esperado, pero el instrumento con mayor volatilidad tendrá mayores oscilaciones en sus valores durante un período de tiempo determinado.
Por ejemplo, una acción de menor volatilidad puede tener un rendimiento esperado (promedio) del 7%, con una volatilidad anual del 5%. Si se ignoran los efectos compuestos, esto indicaría retornos desde aproximadamente un 3% negativo hasta un 17% positivo la mayor parte del tiempo (19 de 20 veces, o 95% según una regla de dos desviaciones estándar). Una acción de mayor volatilidad, con el mismo rendimiento esperado del 7% pero con una volatilidad anual del 20%, indicaría rendimientos desde aproximadamente un 33% negativo hasta un 47% positivo la mayor parte del tiempo (19 de 20 veces, o 95%). Estas estimaciones suponen una distribución normal ; en realidad, se considera que los movimientos del precio de las acciones son leptokurtósicos (de cola gruesa).
Aunque la ecuación de Black-Scholes supone una volatilidad constante y predecible, esto no se observa en los mercados reales. Entre los modelos más realistas se encuentran la volatilidad local de Emanuel Derman e Iraj Kani [5] y Bruno Dupire , el proceso de Poisson donde la volatilidad salta a nuevos niveles con una frecuencia predecible, y el cada vez más popular modelo de volatilidad estocástica de Heston . [6] [enlace roto]
Es de conocimiento común que muchos tipos de activos experimentan períodos de alta y baja volatilidad. Es decir, durante algunos períodos, los precios suben y bajan rápidamente, mientras que en otros apenas se mueven. [7] En el mercado de divisas , los cambios de precios son estacionalmente heterocedásticos con períodos de un día y una semana. [8] [9]
Los períodos en los que los precios caen rápidamente (una caída ) suelen ir seguidos de precios que bajan aún más o suben en una cantidad inusual. Además, un momento en el que los precios suben rápidamente (una posible burbuja ) a menudo puede ir seguido de precios que suben aún más o bajan en una cantidad inusual.
Lo más habitual es que los movimientos extremos no aparezcan "de la nada"; son presagiados por movimientos mayores de lo habitual o por una incertidumbre conocida en eventos futuros específicos. Esto se denomina heterocedasticidad condicional autorregresiva . Es más difícil decir si movimientos tan grandes tienen la misma dirección o la contraria. Y un aumento de la volatilidad no siempre presagia un nuevo aumento: la volatilidad simplemente puede volver a bajar.
Las medidas de volatilidad dependen no sólo del período durante el cual se mide, sino también de la resolución temporal seleccionada, ya que el flujo de información entre los operadores de corto y largo plazo es asimétrico. [ se necesita aclaración ] Como resultado, la volatilidad medida con alta resolución contiene información que no está cubierta por la volatilidad de baja resolución y viceversa. [10]
La volatilidad ponderada por paridad de riesgo de los tres activos: oro, bonos del Tesoro y Nasdaq que actúan como sustitutos del Marketportfolio [ se necesita aclaración ] parece tener un punto bajo del 4% después de subir por octava vez desde 1974 en esta lectura en el verano de 2014. [ se necesita aclaración ] [ cita requerida ]
Algunos autores señalan que la volatilidad observada y la volatilidad implícita son medidas que miran hacia atrás y hacia el futuro, y no reflejan la volatilidad actual. Para abordar esa cuestión se sugirió una alternativa: medidas conjuntas de volatilidad. Una de las medidas se define como la desviación estándar de los rendimientos del conjunto en lugar de series temporales de rendimientos. [11] Otro considera la secuencia regular de cambios direccionales como indicador de la volatilidad instantánea. [12]
Existen varias parametrizaciones conocidas de la superficie de volatilidad implícita, Schonbucher, SVI y gSVI. [13]
Utilizando una simplificación de la fórmula anterior, es posible estimar la volatilidad anualizada basándose únicamente en observaciones aproximadas. Supongamos que observa que un índice de precios de mercado, que tiene un valor actual cercano a 10.000, se ha movido unos 100 puntos por día, en promedio, durante muchos días. Esto constituiría un movimiento diario del 1%, hacia arriba o hacia abajo.
Para anualizar esto, puedes usar la "regla de 16", es decir, multiplicar por 16 para obtener 16% como volatilidad anual. La razón de esto es que 16 es la raíz cuadrada de 256, que es aproximadamente el número de días hábiles en un año (252). Esto también utiliza el hecho de que la desviación estándar de la suma de n variables independientes (con desviaciones estándar iguales) es √n veces la desviación estándar de las variables individuales.
Sin embargo, lo más importante es que esto no captura (o en algunos casos puede darles un peso excesivo) los grandes movimientos ocasionales en el precio de mercado que ocurren con menos frecuencia que una vez al año.
La magnitud promedio de las observaciones es simplemente una aproximación de la desviación estándar del índice de mercado. Suponiendo que los cambios diarios del índice de mercado se distribuyen normalmente con media cero y desviación estándar σ , el valor esperado de la magnitud de las observaciones es √(2/ π ) σ = 0,798 σ . El efecto neto es que este crudo enfoque subestima la verdadera volatilidad en aproximadamente un 20%.
Considere la serie de Taylor :
Tomando sólo los dos primeros términos se tiene:
Por tanto, la volatilidad representa matemáticamente un lastre para la CAGR (formalizada como el " impuesto a la volatilidad "). Siendo realistas, la mayoría de los activos financieros tienen asimetría negativa y leptokurtosis, por lo que esta fórmula tiende a ser demasiado optimista. Algunas personas usan la fórmula:
para una estimación aproximada, donde k es un factor empírico (normalmente de cinco a diez). [ cita necesaria ]
A pesar de la composición sofisticada de la mayoría de los modelos de pronóstico de volatilidad, los críticos afirman que su poder predictivo es similar al de las medidas simples, como la volatilidad pasada simple [14] [15], especialmente fuera de muestra, donde se utilizan diferentes datos para estimar los modelos y probarlos. [16] Otros trabajos han estado de acuerdo, pero afirman que los críticos no implementaron correctamente los modelos más complicados. [17] Algunos profesionales y gestores de carteras parecen ignorar o descartar por completo los modelos de previsión de la volatilidad. Por ejemplo, Nassim Taleb tituló uno de sus artículos en el Journal of Portfolio Management "No sabemos muy bien de qué estamos hablando cuando hablamos de volatilidad". [18] En una nota similar, Emanuel Derman expresó su desilusión con la enorme oferta de modelos empíricos no respaldados por la teoría. [19] Sostiene que, si bien "las teorías son intentos de descubrir los principios ocultos que sustentan el mundo que nos rodea, como lo hizo Albert Einstein con su teoría de la relatividad", debemos recordar que "los modelos son metáforas: analogías que describen una cosa en relación con otro".
{{cite web}}
: Mantenimiento CS1: bot: estado de la URL original desconocido ( enlace ){{cite journal}}
: Citar diario requiere |journal=
( ayuda )Mantenimiento CS1: varios nombres: lista de autores ( enlace ){{cite journal}}
: Citar diario requiere |journal=
( ayuda ){{cite journal}}
: Citar revista requiere |journal=
( ayuda ) http://www.readcube.com/articles/10.1002/wilm.10201?locale=en{{cite book}}
: Mantenimiento CS1: falta el editor de la ubicación ( enlace )