Respuesta directa
La estacionalidad de los pares de divisas es sensible al marco temporal porque el patrón que observas es un promedio sobre una ventana específica, mientras que lo que experimentas depende del período de mantenimiento y del régimen de mercado. Cuando cambias el marco temporal, cambias (1) cuánto ruido a corto plazo se mezcla en el resultado “estacional”, (2) qué regímenes dominan la muestra y (3) cómo los costos y las diferencias de sincronización pueden afectar el cambio de precio realizado.
Mecanismo o definición
La estacionalidad de los pares de divisas se refiere a tendencias recurrentes relacionadas con el calendario—como diferencias entre horas del día, días de la semana, meses o festivos—observadas en el comportamiento histórico del tipo de cambio. La idea clave es que la estacionalidad no es una fórmula fija única; es una regularidad empírica que depende de cómo defines la muestra.
Dos elecciones de marco temporal importan:
-
Marco temporal de observación: la longitud de los datos y la granularidad utilizadas para estimar la tendencia estacional (por ejemplo, usar observaciones diarias frente a observaciones horarias, o usar varios años frente a unos pocos meses).
-
Período de mantenimiento (marco temporal de implementación): el horizonte sobre el cual se mide el resultado del precio después de que ocurre la condición del calendario (por ejemplo, medir rendimientos durante el próximo día frente a la próxima semana).
Si observas y mides en horizontes diferentes, el efecto “estacional” puede cambiar. Un patrón de calendario podría existir en un horizonte (por ejemplo, el comportamiento del día siguiente) pero diluirse cuando mides en un horizonte mucho más largo que incluye shocks adicionales.
Evidencia o ejemplo
Considera una suposición simple e ilustrativa: supongamos que un par de divisas tiene (a) una tendencia leve vinculada a cambios recurrentes de liquidez alrededor de cierto efecto de semana del mes, pero (b) también experimenta shocks frecuentes a corto plazo.
-
Ventana de observación corta (semanas a unos pocos meses): el patrón estacional estimado se ve más afectado por un puñado de eventos inusuales. El promedio estacional puede parecer fuerte o débil principalmente debido a la agrupación aleatoria.
-
Ventana de observación larga (varios años): el promedio estacional es más estable porque los shocks aleatorios se compensan. Sin embargo, si la estructura del mercado cambia—como cambios en los impulsores dominantes—la relación histórica puede no representar el régimen actual.
Ahora añade el período de mantenimiento.
- Si mides los resultados durante las próximas horas, el ruido de microestructura y los flujos transitorios pueden dominar.
- Si mides los resultados durante varias semanas, esos efectos de corta duración pueden absorberse, y solo los componentes más amplios consistentes con el régimen permanecen visibles.
En ambos casos, la apariencia “estacional” cambia con el marco temporal porque la relación señal-ruido y la combinación de regímenes difieren.
Limitaciones y riesgos
Una limitación importante es la no estacionariedad: el proceso que genera las tendencias estacionales puede cambiar con el tiempo, por lo que la estacionalidad histórica no garantiza similitud futura. Otro modo de fallo es el desajuste de métodos—estimar la estacionalidad con una granularidad o longitud de muestra, y luego evaluarla con un horizonte diferente—puede causar conclusiones engañosas. Además, cualquier resultado realizado depende de las condiciones del mercado y de factores relacionados con la ejecución (como costos y sincronización), que pueden diferir entre marcos temporales.
Debido a que estos efectos no son puramente deterministas, debes tratar la estacionalidad como descriptiva de patrones históricos bajo definiciones específicas, no como una regla independiente.
Verificación o siguiente pregunta
Para verificar de forma independiente cómo afecta el marco temporal a la estacionalidad de los pares de divisas, compara resultados en múltiples ventanas de observación y horizontes de mantenimiento utilizando el mismo enfoque de medición y supuestos consistentes sobre el horizonte de rendimiento. Un control útil es probar si la tendencia estacional cambia cuando varías:
- longitud de datos (historial corto vs. largo)
- granularidad (horaria vs. diaria)
- horizonte para medir resultados (día siguiente vs. semana siguiente)
- inclusión/exclusión de períodos atípicos
Siguiente pregunta a explorar: ¿qué componente del calendario (efectos de día de la semana, mes del año o festivos) permanece más consistente cuando cambias tanto el marco temporal de observación como el de mantenimiento?