Respuesta directa
El índice de caminata aleatoria se calcula convirtiendo una serie de precios en una medida estandarizada de cuán “similar a una caminata aleatoria” es el movimiento observado en una ventana retrospectiva elegida. En la práctica, se calcula una estadística a partir de la secuencia reciente de rendimientos (o cambios de precio), se compara con una línea base esperada utilizada en la definición del índice y se transforma el resultado en un valor del índice. La fórmula exacta varía según la implementación, por lo que una verificación precisa requiere indicar la definición específica que utiliza su fuente (longitud de la ventana, definición de rendimiento y la transformación).
Mecanismo y definición (qué necesita el cálculo)
Antes de analizar las implicaciones, defina los datos y los componentes básicos.
1) Elegir la serie de precios de entrada
Se comienza con una secuencia ordenada en el tiempo:
- Precios: (P_t) para (t = 1,2,\dots)
- Frecuencia de muestreo: por ejemplo, cada barra en su conjunto de datos (minuto, 1 hora, 1 día). El índice no es significativo a menos que su regla de muestreo esté fija.
Un requisito clave es la consistencia: el cálculo asume que la serie está ordenada y utiliza el mismo intervalo de muestreo que la definición del método.
2) Definir los “rendimientos” o cambios de precio
La mayoría de las implementaciones trabajan con:
- Rendimientos simples: (r_t = \frac{P_t - P_{t-1}}{P_{t-1}})
- O rendimientos logarítmicos: (r_t = \ln(P_t) - \ln(P_{t-1}))
Algunas versiones utilizan cambios de precio escalados en lugar de rendimientos. Su definición elegida debe coincidir con la asociada al índice de caminata aleatoria que intenta reproducir.
3) Elegir una ventana móvil
Las medidas de tipo caminata aleatoria se calculan típicamente sobre una ventana retrospectiva de longitud (N). Para cada tiempo (t), se toman los últimos (N) rendimientos (o cambios):
- (r_{t-N+1}, \dots, r_t)
Cambiar (N) altera la capacidad de respuesta y la estabilidad del índice.
4) Calcular una estadística que mida la desviación del comportamiento de caminata aleatoria
El índice compara conceptualmente las características del movimiento observado con las esperadas bajo un supuesto de caminata aleatoria (donde los incrementos se comportan como pasos independientes e idénticamente distribuidos).
Un patrón común para tales índices es:
- Calcular una medida a partir de la secuencia de (N) pasos (por ejemplo, una dispersión normalizada, variabilidad o una relación entre la variabilidad realizada y la esperada).
- Convertir esa medida en una puntuación adimensional.
Debido a que las implementaciones difieren, debe tratar el nombre “índice de caminata aleatoria” como algo que requiere la fórmula concreta de la definición específica que desea reproducir.
5) Aplicar una transformación para producir el valor del índice
Para hacer que la estadística sea comparable a lo largo del tiempo (y a veces entre activos), un índice a menudo utiliza un paso de escalado o normalización, como:
- dividir por una cantidad base implícita en el supuesto de caminata aleatoria,
- o mapear la estadística a través de una transformación monótona.
Nuevamente, la transformación es específica de la definición.
Ejemplo de un flujo de trabajo de cálculo verificable (con supuestos explícitos)
Debido a que la fórmula exacta del “índice de caminata aleatoria” puede diferir entre fuentes, la forma más segura de verificar es seguir un flujo de trabajo reproducible una vez que haya fijado la definición.
Aquí hay un flujo de trabajo de verificación que puede usar con cualquier fórmula específica del índice de caminata aleatoria una vez que la escriba.
Paso A: Fijar la definición
Escriba su fórmula explícitamente, incluyendo:
- cómo define los rendimientos (simples vs logarítmicos vs diferencias brutas),
- la longitud de la ventana (N),
- la estadística utilizada dentro del índice (la parte calculada a partir de los (N) rendimientos),
- el paso de normalización o transformación.
Si una fórmula se refiere a un valor “esperado” bajo un supuesto de caminata aleatoria, debe saber qué expectativa se utiliza (por ejemplo, si asume un modelo de varianza particular).
Paso B: Calcular los rendimientos para los puntos de datos exactos
Usando su frecuencia de muestreo fija, calcule (r_t) para todas las marcas de tiempo requeridas.
Evite cambios ocultos como:
- usar precios completados hacia adelante para barras faltantes,
- cambiar de precios bid a mid sin indicarlo,
- mezclar zonas horarias o sesiones de negociación.
Paso C: Desplazar la ventana y calcular la estadística
Para cada (t \ge N):
- tome el vector (r_{t-N+1}, \dots, r_t),
- calcule la estadística exactamente como se define,
- aplique la normalización/transformación para obtener el valor del índice en el tiempo (t).
Paso D: Reproducir de forma independiente uno o dos puntos del índice
Elija una marca de tiempo (t_0) y calcule el valor del índice manualmente (o en un pequeño script) a partir de los datos brutos. Luego compare con la salida de la implementación que está probando.
Si el resultado difiere, la discrepancia generalmente se debe a:
- diferente definición de rendimiento,
- diferente manejo de (P_{t-1}) cuando comienzan los datos,
- diferente alineación de la ventana (si la ventana es inclusiva/exclusiva),
- diferentes constantes de normalización.
Limitaciones y modos de fallo
Los índices de estilo caminata aleatoria son sensibles porque traducen supuestos sobre la aleatoriedad en un cálculo determinista sobre muestras finitas.
1) Sensibilidad a los parámetros
Cambiar (N) o la definición de rendimiento puede alterar materialmente los valores del índice. Si cambia de implementación, puede estar comparando objetos diferentes incluso si comparten un nombre.
2) Comportamiento no estacionario
Los mercados a menudo cambian sus propiedades estadísticas con el tiempo (regímenes de volatilidad, efectos de microestructura). Los supuestos de caminata aleatoria son idealizaciones; el índice mide desviaciones bajo esos supuestos, por lo que puede moverse por razones no relacionadas con la “calidad de la señal”.
3) Manejo de datos y efectos de muestreo
Los valores del índice dependen de:
- frecuencia de muestreo (intradía vs diaria),
- tratamiento de datos faltantes,
- acciones corporativas en acciones (no relevantes para FX de la misma manera, pero otros ajustes pueden ocurrir en cualquier conjunto de datos),
- si los precios están ajustados por algo.
Pequeñas diferencias en el preprocesamiento de datos pueden crear grandes diferencias numéricas en un cálculo móvil.
4) Inestabilidad de muestras finitas
En ventanas cortas, las cantidades estimadas pueden ser ruidosas. En ventanas más largas, el índice puede reaccionar lentamente.
5) Malinterpretación como una señal independiente
Un valor del índice por sí solo no es una garantía de dirección o rendimiento futuro. Es una estadística descriptiva bajo un marco de supuestos particular.
Verificación y siguiente pregunta
Para verificar de forma independiente el cálculo del índice de caminata aleatoria:
- Registre la fórmula exacta que está utilizando (incluyendo (N), definición de rendimiento y normalización).
- Use una serie de precios fija y una frecuencia de muestreo.
- Recalcule al menos un resultado de ventana móvil a partir de las entradas brutas.
- Verifique que la alineación de la ventana coincida con la definición.
Un siguiente paso útil es aclarar cómo su índice de caminata aleatoria específico difiere de conceptos relacionados de “caminata aleatoria” o “índice de eficiencia”, porque muchas métricas con nombres similares comparten partes del flujo de trabajo pero difieren en su estadística o línea base.
Si lo desea, comparta la definición exacta (el texto de la fórmula) con la que está trabajando (incluyendo los nombres de los parámetros), y los pasos de cálculo se pueden ajustar a esa definición para una reproducción precisa.