Definición y propósito
El Índice de Dimensión Fractal (FDI) es una etiqueta utilizada para una estadística basada en fractales que tiene como objetivo cuantificar la complejidad de una serie temporal observando cómo cambia su detalle aparente cuando se visualiza a diferentes escalas. En la investigación práctica de Forex, la “entrada” suele ser datos similares a precios (por ejemplo, una secuencia de valores observados a lo largo del tiempo), y la “salida” es un único número destinado a resumir la rugosidad o el comportamiento dependiente de la escala de la serie.
El FDI no es lo mismo que una regla de trading. No le dice inherentemente qué hará la próxima vela. En cambio, puede utilizarse para caracterizar si una serie parece más o menos compleja a través de escalas, lo cual es útil para descripciones, comparaciones o para construir otros modelos que necesiten una característica de complejidad.
Cómo funciona el Índice de Dimensión Fractal (modelo simple)
Una forma sencilla de pensar en la idea es: dos secuencias pueden “moverse” ambas, pero una puede parecer suave en muchos niveles de zoom mientras que la otra parece irregular o dentada. Los enfoques fractales estiman una dimensión que refleja esa irregularidad multiescala.
Un flujo de trabajo común en el uso tipo indicador es:
- Elija la serie temporal que desea medir (por ejemplo, una secuencia de precios o rendimientos históricos).
- Seleccione un enfoque de cálculo y parámetros (por ejemplo, cómo dividir la serie en escalas/ventanas y qué transformación aplicar).
- Estime la estadística relacionada con fractales que se convierte en el valor del FDI.
Debido a que el término “Índice de Dimensión Fractal” puede utilizarse en diferentes implementaciones, el cálculo exacto puede variar. El supuesto clave es que los datos contienen una estructura dependiente de la escala que vale la pena estimar, y que el método de estimación es apropiado para la longitud de la muestra y el nivel de ruido.
Supuestos para cualquier cálculo
Cuando las personas calculan el FDI, implícitamente asumen:
- La ventana histórica es lo suficientemente larga para estimar el comportamiento de escala.
- La frecuencia de los datos y el preprocesamiento (como si se utilizan precios versus rendimientos) coinciden con la pregunta que se está planteando.
- La rugosidad observada no está dominada enteramente por ruido de medición o efectos de microestructura.
Evidencia y ejemplo (qué verificar)
Dado que los resultados dependen de las elecciones de implementación, la “evidencia” más independiente que puede verificar es la consistencia interna:
- Recalcule el índice utilizando el mismo método en el mismo tipo de serie.
- Cambie un supuesto a la vez (como la longitud de la ventana o la transformación de datos) y observe cuán estables son los resultados.
Un ejemplo ilustrativo simple (no una cotización en vivo ni un pronóstico):
- Suponga que calcula el FDI en un segmento histórico donde la serie de precios parece visualmente suave y en otro segmento donde parece irregular.
- Si el método está capturando la rugosidad dependiente de la escala, esperaría que el FDI del segmento irregular difiera del segmento suave.
Sin embargo, “esperar” aquí significa “podría”, no “será”. La estimación puede producir valores contraintuitivos si la muestra es corta, si la serie contiene valores atípicos, o si las escalas elegidas no representan significativamente el comportamiento subyacente.
Limitaciones y modos de fallo
Varias limitaciones afectan comúnmente a los indicadores de estilo dimensión fractal:
- Sensibilidad de la estimación: Diferentes algoritmos, configuraciones de parámetros y pasos de preprocesamiento pueden producir resultados numéricos diferentes a partir de los mismos datos subyacentes.
- Longitud de la muestra: Con muy poca historia, la relación multiescala se estima deficientemente, lo que puede hacer que el FDI sea inestable.
- Ruido y microestructura: El comportamiento de precios a muy corto plazo puede reflejar fricciones de trading, spreads y efectos de ejecución en lugar de la complejidad más amplia que el método pretende medir.
- No estacionariedad: Si las propiedades estadísticas de la serie cambian con el tiempo, un único valor de FDI calculado en una ventana puede no representar ventanas posteriores.
Además, incluso si observa una asociación histórica entre un “FDI más alto” y un resultado pasado, eso no establece poder predictivo futuro. Las relaciones pueden romperse debido a cambios de régimen de mercado, costos y cambios en cómo se producen los datos.
Verificación y siguiente pregunta
Para verificar afirmaciones sobre el FDI en cualquier contexto de Forex, concéntrese en lo que se puede comprobar:
- Qué definición exacta y método de cálculo se utilizan (la implementación importa).
- Qué datos de entrada se utilizan (precios vs rendimientos; marco temporal; preprocesamiento).
- Qué longitud de ventana y selección de escalas se asumen.
- Cuán estable es el índice bajo pequeños cambios en esos supuestos.
Si está evaluando un gráfico o informe específico, un siguiente paso útil es preguntar: “¿Qué método define este Índice de Dimensión Fractal y qué supuestos utiliza para el escalado y el preprocesamiento?”