TRAMPAS DE CORRELACIÓN EN SERIE: COMERCIO NO SINCRÓNICO Y PRECIOS OBSOLETOS

¿Qué es la correlación serial en las series temporales financieras?

La correlación serial, también conocida como autocorrelación, se refiere a la relación entre una variable y una versión rezagada de sí misma a lo largo de intervalos de tiempo sucesivos. En los mercados financieros, la correlación serial suele aparecer cuando la rentabilidad actual de los activos se correlaciona con la rentabilidad anterior. Este fenómeno puede reflejar tendencias reales, como el dinamismo del mercado, o ser un artefacto estadístico introducido por imperfecciones del mercado, como la negociación no sincronizada y la fijación de precios obsoletos.

En teoría, los precios de los activos en mercados eficientes deberían mostrar poca o ninguna correlación serial, ya que se supone que toda la información disponible ya está incorporada en los precios. Sin embargo, los modelos financieros y los datos empíricos a menudo revelan anomalías. Entre las más persistentes se encuentran las inducidas no por la ineficiencia del mercado, sino por distorsiones como la negociación no sincronizada y la fijación de precios obsoletos, que dan lugar a estimaciones de correlación engañosas.

Estas distorsiones son importantes porque pueden llevar a inferencias incorrectas sobre las relaciones entre los activos, las estructuras de volatilidad y la eficiencia del mercado. Los inversores, gestores de riesgos y modeladores cuantitativos deben ser especialmente cautelosos, ya que una mala interpretación de la correlación serial puede dar lugar a estrategias de negociación erróneas, a la subestimación o sobreestimación del riesgo de la cartera y a conclusiones econométricas cuestionables.

¿Cómo surgen estas trampas?

Dos factores principales están detrás de las correlaciones seriales espurias: la negociación no sincrónica y la fijación de precios obsoletos. Cada uno altera la representación estadística de la rentabilidad de los activos de forma sutil pero significativa:

• Negociación no sincrónica: Esto ocurre cuando los activos no se negocian al mismo tiempo, especialmente en mercados globales o con valores ilíquidos. Las rentabilidades calculadas en intervalos de tiempo estándar reflejan ajustes parciales a la nueva información, lo que crea correlaciones engañosas entre los activos.
• Precios obsoletos: Esto se refiere al uso de precios obsoletos para ciertos activos debido a la poca frecuencia de negociación. Estos precios obsoletos no reflejan la información más reciente del mercado, lo que genera desfases artificiales que imitan estructuras de correlación serial.

Por ejemplo, considere una cartera de acciones donde las acciones de gran capitalización actualizan sus precios con frecuencia durante el horario de negociación, mientras que las de pequeña capitalización se negocian escasamente. El cálculo de las rentabilidades diarias de ambas puede mostrar correlaciones falsas si los datos de pequeña capitalización reflejan precios de sesiones anteriores.

Esta desconexión exagera no solo la correlación serial dentro de las rentabilidades de los activos, sino también las correlaciones cruzadas entre clases de activos. Tiene graves implicaciones para la construcción de carteras, el backtesting de estrategias de trading y la modelización de riesgos, especialmente al aplicar técnicas de simulación histórica o modelización factorial bajo supuestos de independencia de la rentabilidad.

¿Cómo distorsiona la negociación no sincrónica las estadísticas de rentabilidad?La negociación no sincrónica introduce una complicación importante en el análisis de la rentabilidad de los activos. Cuando diferentes activos se negocian en momentos distintos, especialmente en diferentes zonas horarias o con distintos niveles de liquidez, las secuencias de rentabilidad resultantes pueden dejar de reflejar información contemporánea. En cambio, partes de la cartera reflejan información actual, mientras que otras reflejan datos de precios más antiguos. Esta falta de sincronicidad genera señales aparentemente lógicas, pero falsas, de correlación serial o dependencia entre activos.Uno de los principales modelos que aborda esta cuestión es el modelo de Fisher-Lorie (1970), que demuestra cómo incluso un conjunto de activos sin correlación real puede presentar un comovimiento significativo si se negocian con diferentes frecuencias. De manera similar, el estudio de Lo y MacKinlay (1990) destacó cómo el trading no sincrónico sesga las estimaciones de correlación al alza cuando ciertos precios se quedan atrás de otros.

¿Por qué esto representa un problema para la investigación empírica?

Para académicos y profesionales que utilizan datos históricos de rentabilidad, en particular en regresiones de series temporales o simulaciones de carteras, el trading no sincrónico distorsiona la interpretación de los hallazgos empíricos. Por ejemplo, al realizar pruebas retrospectivas de estrategias en ETF de mercados emergentes frente a acciones de gran capitalización negociadas en el mercado nacional, el ajuste de precios retrasado de los instrumentos menos líquidos puede sugerir falsamente relaciones de adelanto-rezago o impulso donde no existen sustancialmente.

Además, socava la fiabilidad de los modelos de trading de alta frecuencia, los algoritmos de trading por pares y las estrategias basadas en factores. Muchos de estos se basan en correlaciones a nivel de minuto que presuponen sincronicidad en los ajustes de precios, lo cual no ocurre con activos con diferentes volúmenes de negociación u horarios de intercambio.

¿Cuáles son las formas prácticas de mitigar estas distorsiones?

Existen varias soluciones metodológicas para abordar los efectos de precios no sincrónicos:

• Análisis de adelanto-rezago: La correlación cruzada de los rendimientos con diferentes rezagos ayuda a identificar si la supuesta correlación se debe al flujo de información real o a la asincronicidad en los precios.
• Uso de datos intradiarios: Cuando están disponibles, los rendimientos intradiarios, en lugar de los rendimientos de cierre a cierre, pueden reducir el impacto de los horarios de negociación diferenciales al alinear mejor las marcas de tiempo.
• Estimación del filtro de Kalman: Los modelos más avanzados pueden estimar los precios subyacentes "reales" suavizando las observaciones ruidosas y asincrónicas entre los activos.
• Rendimientos agregados: Los rendimientos semanales o mensuales reducen el impacto de los días sin negociación en las series temporales diarias, aunque con la desventaja de una menor granularidad de los datos.

En conclusión, los analistas deben calibrar sus modelos cuidadosamente, teniendo en cuenta los matices de la microestructura del mercado, especialmente al trabajar con conjuntos de datos que contienen activos con frecuencias de negociación heterogéneas.

¿Qué son los precios obsoletos y por qué son importantes?

Los precios obsoletos surgen cuando un instrumento financiero no se negocia con frecuencia y su precio de transacción más reciente no refleja las condiciones actuales del mercado. Esto es común en carteras que contienen valores con baja comercialización, como bonos municipales, ciertos derivados OTC y acciones en mercados frontera. A diferencia de los activos que se negocian con frecuencia, sus precios no se actualizan continuamente, lo que genera datos de rentabilidad inexactos en los modelos estadísticos.

Los precios obsoletos contribuyen a la correlación serial percibida porque sus valores suelen permanecer invariables durante períodos sucesivos. Cuando se utilizan estos precios invariables en los cálculos de rentabilidad, se introducen trayectorias de rentabilidad suavizadas artificialmente que ocultan la volatilidad real y producen dependencias seriales engañosas.

¿Cómo afecta esto al análisis basado en carteras?

Las carteras con una combinación de activos negociados activamente y obsoletos parecen más predecibles de lo que son. Los backtestings pueden indicar ratios de Sharpe más altos y una aparente generación de alfa debido a un menor riesgo percibido a la baja. De manera similar, las matrices de correlación utilizadas en los modelos de optimización de media-varianza pueden reflejar correlaciones fantasma derivadas de datos obsoletos, lo que da lugar a asignaciones de capital incorrectas en una frontera supuestamente eficiente.

Además, las métricas de riesgo, como el valor en riesgo (VaR) y el déficit esperado, presentan un sesgo considerable. Los precios obsoletos subestiman el riesgo de cola porque subestiman los cambios diarios en las valoraciones de los activos, lo que induce a error a los gestores de riesgos y desinforma las evaluaciones de suficiencia de capital.

¿Existen implicaciones regulatorias y contables?

Sí. Desde un punto de vista regulatorio, la fijación de precios inexacta de los componentes de la cartera debido a precios obsoletos socava los principios de valoración a valor de mercado. Esto puede afectar a la información sobre el valor liquidativo (NAV) de los fondos, especialmente en fondos mutuos o fideicomisos de inversión que incluyen valores ilíquidos. Los gestores de fondos deben ejercer la debida diligencia al emplear métodos de contabilidad de valor razonable para ajustar los precios actuales en función de factores de mercado observables o modelos de fijación de precios.

Los auditores y los reguladores examinan cada vez más la frecuencia y la precisión de las prácticas de fijación de precios de las carteras. La introducción de políticas de precios sólidas, incluyendo el uso de proveedores de precios, técnicas de fijación de precios matriciales y agentes de valoración externos, se ha vuelto esencial para minimizar el impacto distorsionador de los precios obsoletos.

¿Cuáles son las técnicas para corregir el sesgo de fijación de precios obsoletos?

Los profesionales pueden adoptar diversas estrategias para mitigar el impacto de la fijación de precios obsoletos en la correlación serial y las métricas relacionadas:

• Interpolación y fijación de precios matriciales: Estimar los precios de mercado faltantes extrapolando a partir de operaciones con instrumentos similares con características conocidas.
• Filtros estadísticos y suavizado: Estos ayudan a estimar los valores actuales "reales" mediante técnicas de estimación de series temporales, como el suavizado exponencial o la actualización bayesiana.
• Estimaciones de valor ajustadas a la liquidez: Modificar los precios en función de la iliquidez reconocida de los instrumentos en relación con el mercado. Pares.
• Uso de la contabilidad a valor razonable: Según lo establecido en las normas NIIF 13 o FASB ASC 820, esto ayuda a garantizar que los precios reflejen los valores de salida bajo supuestos de transacciones ordenadas.

En última instancia, comprender y corregir las distorsiones introducidas por la fijación de precios obsoletos no es solo una necesidad técnica. Es fundamental para un análisis financiero sólido, la construcción de carteras y el cumplimiento normativo. Al reconocer estas trampas y abordarlas sistemáticamente, los participantes del mercado pueden obtener información más precisa y reducir el riesgo de tergiversación sistémica en las estadísticas financieras.