¿Qué revela la autocorrelación de retornos sobre el comportamiento del mercado?
¿La subida de ayer aumenta las probabilidades de que hoy vuelva a subir? ¿O cada jornada es completamente independiente de la anterior?
Responder a esas preguntas es precisamente el objetivo de la autocorrelación de retornos: una herramienta estadística que analiza si los rendimientos pasados guardan alguna relación con los rendimientos futuros.
No sirve para predecir el precio con exactitud, pero sí puede aportar pistas sobre la existencia —o ausencia— de ciertos patrones temporales.
Una forma sencilla de entenderlo
La moneda
El resultado de hoy no depende del de ayer. Haber obtenido tres caras seguidas no hace que la siguiente tirada tenga más probabilidades de salir cruz. Sin relación aparente.
La lluvia
Después de varios días de lluvia, el suelo permanece húmedo aunque deje de llover unas horas. Aquí sí existe una relación entre lo ocurrido antes y lo que sucede después.
La autocorrelación intenta descubrir cuál de esas dos situaciones se parece más al comportamiento de una serie de datos financieros.
¿Qué puede indicar?
Autocorrelación positiva
Los retornos tienden a parecerse a los anteriores. Puede existir cierta continuidad.
Autocorrelación negativa
Los movimientos suelen alternarse. Es más frecuente ver cambios de dirección.
Cercana a cero
No se aprecia una relación clara. Los retornos parecen independientes entre sí.
Es importante recordar que estos resultados describen una relación estadística, no una regla de comportamiento del mercado.
Así suele desarrollarse el análisis
¿Por qué interesa a los traders cuantitativos?
Muchos modelos estadísticos parten de la idea de que los retornos son independientes. Si esa hipótesis no se cumple, determinadas estrategias podrían comportarse de forma distinta a la esperada: un sistema que sigue tendencias puede beneficiarse de cierta autocorrelación positiva, mientras que una estrategia de reversión podría encontrar más oportunidades cuando predominan relaciones negativas.
Un detalle importante: precio y retorno no son lo mismo. Cuando se habla de autocorrelación en finanzas, normalmente no se analiza el precio directamente, sino los retornos.
Los precios pueden mostrar tendencias de largo plazo que dificultan el análisis estadístico. Trabajar con los cambios porcentuales entre sesiones permite estudiar mejor la dinámica real de los movimientos.
Ideas equivocadas que conviene evitar
Si hay autocorrelación, el mercado es fácil de predecir
La relación puede ser muy débil y cambiar con el tiempo
Un único resultado basta para crear una estrategia
Debe analizarse junto con otros factores estadísticos
La autocorrelación siempre permanece estable
Puede variar según el activo y el contexto del mercado
Solo sirve para investigadores
También se usa en gestión del riesgo y modelos cuantitativos
La clave está en el contexto
Un mercado puede presentar autocorrelación durante un periodo determinado y dejar de mostrarla semanas después. Los cambios en la volatilidad, la liquidez o el comportamiento de los participantes hacen que estas relaciones evolucionen con el tiempo. Por eso los analistas no suelen confiar en una única medición: revisan los datos de forma periódica para comprobar si los patrones detectados siguen presentes.
La autocorrelación de retornos permite estudiar si existe una relación entre los rendimientos de distintos periodos y ayuda a describir cómo evoluciona una serie financiera a lo largo del tiempo. No ofrece señales de compra o venta ni garantiza que un patrón vaya a repetirse, pero sí proporciona información valiosa para construir modelos cuantitativos y entender mejor la dinámica del mercado.
Al final, su mayor utilidad no está en intentar anticipar el siguiente movimiento, sino en responder una pregunta fundamental: ¿los retornos realmente se comportan como eventos independientes o esconden relaciones que merece la pena analizar?