Cómo afecta el marco temporal al Índice de Dimensión Fractal

Respuesta directa

El marco temporal afecta al Índice de Dimensión Fractal (FDI) porque el índice mide cuán compleja parece una serie temporal a una escala de observación específica. Cambiar el marco temporal cambia qué puntos de datos se incluyen y sobre qué ventana se estima la “rugosidad”, por lo que el FDI calculado puede variar incluso cuando el proceso subyacente no cambia. Esto significa que los valores del FDI se entienden mejor como descripciones dependientes de la escala de la serie que utilizaste, no como propiedades fijas de “el mercado” en general.

Mecanismo o definición

El FDI es una estimación de la dimensión fractal de una serie temporal, a menudo interpretada como un proxy de cuán “rugosa”, “irregular” o “rellenadora de espacio” parece la trayectoria de la serie cuando se observa a la escala elegida. En términos prácticos, tu marco temporal afecta al menos a dos partes del cálculo:

1. La ventana de observación (longitud de muestreo). Un marco temporal “corto” incluye menos puntos y enfatiza las fluctuaciones a corto plazo. Un marco temporal “largo” agrega más historia, lo que puede suavizar algunas micro-variaciones y exponer una estructura diferente.

2. La escala a la que se juzga el detalle. Las ideas de dimensión fractal son inherentemente multi-escala. Si el estimador utiliza múltiples tamaños de ventana o una regla que asigna tamaños de ventana a complejidad, entonces cambiar el marco temporal cambia efectivamente las relaciones de escala que el estimador ve.

Debido a esto, dos analistas que utilizan diferentes períodos de tenencia o ventanas de datos sobre el mismo tipo de instrumento pueden obtener resultados de FDI diferentes. Esa diferencia no es automáticamente un error—puede ser una señal de que la serie tiene diferente complejidad a diferentes escalas.

Evidencia o ejemplo (con supuestos explícitos)

Supongamos que una serie temporal tiene ráfagas cortas de movimiento rápido seguidas de períodos más tranquilos. Considera dos opciones de observación:

• Supuesto A (marco temporal corto): Calculas el FDI utilizando solo una ventana reciente que incluye varias ráfagas. La trayectoria de la serie contiene giros más pronunciados en esa ventana, por lo que la complejidad estimada puede parecer mayor.
• Supuesto B (marco temporal largo): Calculas el FDI utilizando una ventana más larga que incluye tanto ráfagas como períodos más tranquilos. Las mismas ráfagas aún existen, pero la ventana más larga introduce estructura adicional y efectos de promediado. La complejidad estimada puede desplazarse a la baja o volverse más estable, dependiendo de cómo el estimador trate la escala y el ruido.

En ambos casos, el “cambio en el FDI” refleja el hecho de que el estimador está describiendo los datos a la escala elegida. No identifica, por sí mismo, si cualquier movimiento futuro será más o menos complejo.

Un escenario realista adicional es la sensibilidad del estimador: el FDI calculado puede depender de elecciones como cómo preprocesas la serie (por ejemplo, transformándola en rendimientos o usando precios brutos) y cómo manejas los datos faltantes o los valores atípicos. Esas elecciones interactúan con el marco temporal.

Limitaciones y riesgos

1. La dependencia de escala no es predicción. Incluso si el FDI cambia cuando cambia el marco temporal, eso no establece que el FDI explique o pronostique precios futuros. Es una estadística descriptiva, no una señal independiente.

2. Efectos de ruido y microestructura. Los marcos temporales cortos pueden estar dominados por irregularidades causadas por ruido de medición, huecos o efectos de bid/ask (cuando corresponda). Eso puede inflar la rugosidad aparente. Los marcos temporales más largos pueden reducir algo de la influencia del ruido, pero también pueden mezclar regímenes distintos.

3. Modos de fallo de estimación. Si la ventana elegida es demasiado corta para los requisitos del estimador, o si la serie contiene cambios abruptos de régimen, la estimación del FDI puede volverse inestable. Las comparaciones entre marcos temporales pueden entonces ser engañosas.

4. Comparabilidad entre estudios. Si diferentes estudios utilizan diferentes preprocesamientos, configuraciones de parámetros o reglas de ventana, sus valores de FDI pueden no ser directamente comparables. Sin configuraciones coincidentes, un FDI “más alto” puede significar cosas diferentes.

Verificación o siguiente pregunta

Para verificar de forma independiente cómo afecta el marco temporal al FDI en un contexto específico, puedes tratar el marco temporal como una variable controlada:

• Recalcula el FDI sobre la misma serie temporal similar a un instrumento utilizando múltiples longitudes de ventana, manteniendo fijos el preprocesamiento y las configuraciones del estimador.
• Comprueba si la dirección y la magnitud de los cambios del FDI son consistentes entre tamaños de ventana cercanos, o si los resultados cambian erráticamente.
• Repite el ejercicio en diferentes segmentos (períodos anteriores vs. posteriores) para ver si la sensibilidad es estable o dependiente del régimen.

Una pregunta útil a continuación es: **¿Qué configuraciones de preprocesamiento y estimación se utilizan, y cambian con el marco temporal?