Qué es la Transformada de Fisher
La Transformada de Fisher es una transformación estadística que puede utilizarse para convertir una serie temporal ruidosa en una representación más “tipo gaussiana”. En forma de indicador técnico, a menudo se presenta como un oscilador: los valores tienden a moverse entre niveles inferiores y superiores a medida que cambia el comportamiento subyacente del precio.
En la práctica, para la investigación FX, la Transformada de Fisher no es un modelo de predicción por sí misma. Se entiende mejor como un mapeo desde una serie de entrada (generalmente derivada del precio durante una ventana de retroceso) hasta una serie de salida que exagera cuán extremo es el valor de entrada actual en relación con la historia reciente.
Una idea clave es la no linealidad: en lugar de usar directamente el valor normalizado crudo, la Transformada de Fisher aplica una función matemática (que involucra un término logarítmico) que aumenta la distancia entre valores moderados y extremos. Esto hace que los puntos de inflexión y el comportamiento de las colas sean más visibles, pero también aumenta la sensibilidad al ruido.
Cómo funciona la Transformada de Fisher
Aunque las implementaciones varían en detalle, la lógica del indicador generalmente tiene tres pasos conceptuales: (1) calcular una medida normalizada a partir del precio reciente, (2) aplicar una transformación no lineal tipo Fisher, y (3) opcionalmente suavizar o usar el valor transformado como salida del oscilador.
1) Construir una entrada normalizada a partir del precio
Un enfoque común es observar una ventana móvil y escalar la posición actual del precio dentro de esa ventana. Por ejemplo, se puede calcular un valor basado en dónde se encuentra el precio de hoy en relación con el mínimo y el máximo recientes. Esto produce una entrada que pretende reflejar la “extremidad relativa” en lugar del precio absoluto.
Debido a que este escalado utiliza un mínimo/máximo dentro de una ventana, hereda dos propiedades:
- Es sensible a la longitud de retroceso elegida.
- Cambia abruptamente cuando un nuevo máximo o mínimo entra en la ventana.
2) Aplicar una transformación no lineal tipo Fisher
La característica definitoria es el mapeo no lineal que se asemeja a una transformación relacionada con arctanh. Conceptualmente, toma un valor acotado (a menudo mantenido dentro de un rango limitado después del escalado) y lo convierte en una cantidad donde las entradas extremas producen salidas desproporcionadamente grandes.
Las implementaciones a menudo incluyen un pequeño procedimiento para gestionar la estabilidad numérica (por ejemplo, mantener la entrada dentro de un intervalo abierto y evitar la división por cero). Incluso con una codificación cuidadosa, este paso puede amplificar pequeñas diferencias cuando la entrada normalizada está cerca de sus límites.
3) Salida e interpretación
El valor resultante de la Transformada de Fisher se utiliza típicamente como:
- una serie tipo oscilador (puedes compararla con cero o con una línea base), o
- una serie cuya pendiente o agrupación alrededor de extremos puede ser monitoreada.
Sin embargo, el significado exacto depende de las elecciones de implementación, como si la salida se suaviza, si se calcula una línea de señal adicional y cómo se establecen los parámetros.
Por qué puede parecer un “detector de extremos mejor”
La transformación no lineal aumenta la separación entre observaciones que estaban cerca entre sí en el espacio normalizado pero que difieren en cuán cerca están de los extremos. En efecto, esto puede hacer que los picos y valles se destaquen más claramente que con el escalado lineal.
Limitaciones y riesgos relevantes
La Transformada de Fisher puede ser útil como una forma de hacer más visibles los extremos, pero tiene limitaciones importantes. Estas limitaciones no son exclusivas del FX; son comunes a las transformaciones que dependen de la normalización móvil.
1) Sensibilidad a los parámetros
La ventana de retroceso y cualquier elección de suavizado o recorte afectan la entrada normalizada y, por lo tanto, la salida transformada. Cambiar estos parámetros puede alterar materialmente:
- la frecuencia de las lecturas extremas,
- el momento de los puntos de inflexión,
- y la amplitud del oscilador.
Debido a esto, dos investigadores que utilicen el “mismo” concepto de Transformada de Fisher pero con diferentes configuraciones pueden observar comportamientos diferentes.
2) Inestabilidad por entradas ruidosas
Las series de precios FX son ruidosas, y los mínimos/máximos móviles pueden cambiar rápidamente. Cuando la entrada normalizada se acerca a sus límites, el mapeo no lineal relacionado con el logaritmo puede amplificar ese ruido. El resultado puede ser:
- picos demasiado sensibles,
- extremos de corta duración que no persisten,
- y estructura aparente que desaparece bajo un muestreo diferente.
3) Generalización limitada entre períodos de tiempo
Incluso cuando la Transformada de Fisher funciona aceptablemente en un segmento histórico, la relación entre el escalado de entrada y el comportamiento futuro puede cambiar. Los cambios de régimen del mercado—cambios en la volatilidad, la liquidez y el carácter de los movimientos—pueden alterar la frecuencia con la que la serie transformada alcanza extremos.
Este es un riesgo general para cualquier indicador basado en el posicionamiento relativo histórico.
4) Riesgos de sobreinterpretar patrones
Una transformación puede hacer que los grupos de valores sean más notorios, pero eso no significa automáticamente que los grupos tengan un significado estable y accionable. Los riesgos de interpretación incluyen:
- confundir la correlación en el espacio transformado con un mecanismo causal,
- seleccionar parámetros basados en lo que se veía mejor en el pasado,
- y confundir oscilaciones visualmente atractivas con efectos robustos.
Por lo tanto, la verificación independiente es esencial.
Qué puedes verificar de forma independiente
Debido a que la Transformada de Fisher es una transformación determinista dadas entradas y parámetros explícitos, puedes verificar el comportamiento de forma independiente sin asumir resultados. Los enfoques de verificación útiles incluyen:
- confirmar los pasos de cálculo en tu propio código,
- comparar salidas en múltiples longitudes de ventana,
- probar la estabilidad en diferentes instrumentos FX y períodos de tiempo,
- y evaluar si los resultados permanecen consistentes al variar el muestreo de datos (por ejemplo, la granularidad temporal).
Si un patrón observado solo aparece bajo un conjunto limitado de elecciones de parámetros, es una señal de que el efecto puede ser frágil.
Para los investigadores que trabajan con indicadores estadísticos y adaptativos, la mentalidad más importante es tratar la Transformada de Fisher como una lente analítica—un mapeo no lineal adaptativo—en lugar de como una garantía de dirección futura.