¿Cómo se puede verificar la información sobre el Índice de Dimensión Fractal?

Qué significa el “Índice de Dimensión Fractal” en términos de verificación

El “Índice de Dimensión Fractal” (FDI) es una etiqueta que las personas pueden usar para una cantidad derivada de la idea de dimensión fractal: cuán compleja o “rugosa” parece una curva a través de las escalas. Debido a que diferentes autores pueden definir el FDI de manera distinta, la verificación comienza confirmando la definición exacta que está observando (no solo el nombre).

Para verificar información sobre el FDI, debe tratar “qué es” como dos preguntas separadas:

1. La base conceptual (dimensión fractal / rugosidad dependiente de la escala).
2. La fórmula y el flujo de trabajo específicos del índice utilizados en la fuente que está leyendo.

Jerarquía de fuentes para comprobar la precisión

Utilice una jerarquía de la más estable a la menos estable:

1. Fuentes metodológicas primarias: documentos que definen la fórmula del índice, los datos requeridos, los pasos de preprocesamiento y las opciones de parámetros.
2. Referencias académicas o técnicas: artículos o libros de texto que describen el método de dimensión fractal subyacente en el que se basa el índice.
3. Documentación de implementación: documentación de software o plataformas que indique cómo se calcula el método en la práctica (formato de entrada, ventanas y manejo de bordes).
4. Páginas de proveedores o de marketing: útiles para el contexto, pero las menos confiables para la verificación técnica porque pueden omitir supuestos.

Al verificar, busque los mismos elementos repetidos en todas las fuentes: el método de cálculo exacto, las entradas requeridas y las opciones de parámetros. Si faltan, no puede reproducir el resultado.

Pasos de verificación reproducibles (sin necesidad de datos en tiempo real)

A continuación se presenta un enfoque práctico que puede repetir con cualquier serie de precios histórica que elija.

1) Fije la definición

Anote la definición exacta del FDI de la fuente que considere confiable: la fórmula, el significado de cada símbolo y qué produce el índice (un número por ventana, un solo número, etc.). Si la fuente no lo especifica claramente, trate la información como incompleta.

2) Enumere los supuestos y el preprocesamiento

La mayoría de las medidas tipo FDI requieren supuestos tales como:

• cómo convierte los precios en una curva (por ejemplo, usando la serie cruda o los rendimientos),
• si normaliza o elimina la tendencia,
• cómo maneja los datos faltantes,
• la longitud de la ventana (si se calcula sobre segmentos móviles),
• la frecuencia de muestreo y el espaciado.

La verificación significa comprobar que su preprocesamiento coincide con el preprocesamiento declarado por la fuente.

3) Elija un protocolo de cálculo y haga que coincida

Si el método utiliza un ajuste de escala (típico en los enfoques de dimensión fractal), confirme:

• qué escalas se utilizan,
• el rango de escalas,
• cómo se realiza el ajuste,
• cuántos puntos se incluyen.

Luego reproduzca usando los mismos parámetros. Si no puede igualar la salida de la fuente, generalmente significa que hay una definición diferente o un preprocesamiento/parámetros diferentes.

4) Confirme la consistencia de unidades y el comportamiento de redondeo

Compruebe si el valor del índice depende de configuraciones numéricas como la precisión de coma flotante, el redondeo o si se utilizan logaritmos. Pequeñas diferencias de implementación pueden ser importantes para las medidas basadas en ajustes.

Evidencia y ejemplos que puede verificar usted mismo

Una autocomprobación sencilla es ejecutar el método en al menos dos conjuntos de datos con diferencias controladas:

• Uno con comportamiento relativamente suave versus otro con más “rugosidad”, usando el mismo preprocesamiento.
• Un segundo conjunto de datos donde cambie solo un supuesto (por ejemplo, la longitud de la ventana) mientras mantiene todo lo demás constante.

No está tratando de demostrar que el FDI “predice” algo. Está verificando que el cálculo se comporta de manera consistente con la definición: si la fuente afirma que la medida refleja la rugosidad dependiente de la escala, sus resultados deberían responder a los cambios de escala y preprocesamiento de manera repetible.

Limitaciones materiales y modos de fallo

Los indicadores tipo FDI comúnmente fallan o se vuelven ambiguos debido a:

• Discrepancia de definición: el mismo nombre puede referirse a diferentes fórmulas.
• Sensibilidad a las ventanas: ventanas cortas pueden producir valores inestables; ventanas largas pueden enmascarar la estructura local.
• Efectos de ruido y microestructura: pequeños cambios en los datos pueden afectar fuertemente los cálculos fractales/basados en ajustes.
• Dependencia del preprocesamiento: convertir precios en rendimientos, aplicar eliminación de tendencia o normalizar puede cambiar los resultados.
• Efectos de borde: los cálculos móviles a menudo tienen un manejo especial al inicio/final de las series.

Recuerde también: las relaciones históricas no establecen resultados futuros, y los resultados varían con los costos de ejecución, la calidad de los datos y la jurisdicción. Incluso si reproduce un cálculo del FDI, no debe tratarlo como una señal de trading independiente.