Metodología estadística

Detección de saltos latentes en retornos de activos: por qué los modelos de difusión pura no son suficientes

Los datos llevan décadas señalando lo mismo: los saltos existen y los modelos convencionales los ignoran.

Gráfico de series temporales con discontinuidades detectadas

Redacción Niespallecmenjo 12 octubre 2026

Los modelos de difusión pura sistemáticamente subestiman la frecuencia e intensidad de los movimientos abruptos en los retornos de activos. La incorporación de componentes de salto latente no es una sofisticación opcional, sino una corrección estructural que los datos exigen de forma reiterada. Este artículo examina los fundamentos estadísticos de esa corrección y las implicaciones prácticas para el analista que trabaja con datos de alta frecuencia en mercados con liquidez variable.

Curtosis empírica superior a la gaussiana en la mayoría de mercados desarrollados

El problema con la difusión pura en mercados reales

Un modelo de difusión pura asume que los retornos de un activo evolucionan de forma continua a lo largo del tiempo, sin saltos bruscos. Esta hipótesis simplifica notablemente la estimación y la valoración, pero entra en conflicto directo con la evidencia empírica acumulada durante décadas. Las distribuciones empíricas de los retornos exhiben colas más pesadas y mayor curtosis de lo que cualquier proceso gaussiano puede generar. Cuando un modelo ignora los saltos, los parámetros de volatilidad difusa absorben parte de esa masa en las colas, produciendo estimaciones sesgadas que distorsionan cualquier análisis de riesgo posterior. El caso de los mercados de renta variable durante periodos de estrés ilustra este problema con claridad: los movimientos que un modelo de difusión pura calificaría como eventos de probabilidad insignificante ocurren con una frecuencia que no admite explicación sin recurrir a componentes de salto explícitos.

Descomposición no paramétrica de variación continua y discontinua

Qué es un componente de salto latente y cómo se identifica

Un componente de salto latente es una discontinuidad en el proceso de retorno que no es directamente observable, sino que debe inferirse a partir de los datos disponibles mediante métodos estadísticos apropiados. La latencia del salto no implica que sea irrelevante; al contrario, su efecto sobre la distribución de los retornos es sustancial y persistente. La identificación estadística de estos componentes requiere separar la variación continua de la variación discontinua dentro de una misma serie temporal. Los métodos de variación cuadrática y bipower, desarrollados en la literatura especializada, permiten realizar esta descomposición de forma no paramétrica, sin imponer una forma funcional específica al proceso de salto. La dificultad principal reside en distinguir los saltos genuinos de los efectos de microestructura del mercado, como el ruido de cotización o la asimetría de información entre participantes, que también generan movimientos abruptos en los datos de alta frecuencia.

Intensidad estocástica frente a intensidad constante en mercados volátiles

Modelos de Poisson compuesto: fundamentos y limitaciones

El modelo de salto de Poisson compuesto representa el punto de partida estándar para incorporar discontinuidades en los procesos de retorno. Bajo este marco, los saltos llegan con una intensidad constante y su magnitud sigue una distribución paramétrica, habitualmente normal o de doble exponencial. La estimación de estos parámetros mediante máxima verosimilitud filtrada produce resultados razonables cuando los supuestos del modelo se aproximan a la realidad del proceso generador de datos. Sin embargo, la hipótesis de intensidad constante resulta problemática en mercados donde la frecuencia de los saltos varía según el estado del ciclo económico o el nivel de incertidumbre agregada. Los modelos de intensidad estocástica, que permiten que la llegada de saltos dependa de variables de estado observables o latentes, ofrecen una respuesta más flexible a este problema, aunque a costa de una mayor complejidad computacional en la estimación y una mayor exigencia en términos de longitud muestral para obtener inferencias fiables.

Prima de riesgo de salto implícita en la sonrisa de volatilidad

Implicaciones para la valoración de derivados con riesgo de salto

La presencia de componentes de salto en el proceso del activo subyacente tiene consecuencias directas sobre la valoración de instrumentos derivados. En un mercado completo sin saltos, la replicación dinámica permite eliminar el riesgo de forma exacta. En presencia de saltos, el mercado es inherentemente incompleto y la prima de riesgo asociada a los saltos no puede determinarse únicamente a partir de la dinámica del subyacente: requiere información adicional sobre las preferencias de los participantes o sobre los precios de mercado de instrumentos que sean sensibles a los saltos. La estructura de la sonrisa de volatilidad implícita en los mercados de opciones proporciona evidencia indirecta sobre la magnitud y frecuencia de los saltos percibidos por el mercado. Los modelos afines con saltos, calibrados sobre esta estructura, permiten extraer una estimación de la prima de riesgo de salto que resulta coherente con la evidencia de precios observada, aunque su interpretación debe hacerse con cautela dado el número de supuestos que intervienen en la calibración.

Leer artículo Explorar más

Detección de saltos latentes en retornos de activos: por qué los modelos de difusión pura no son suficientes

El problema con la difusión pura en mercados reales

Qué es un componente de salto latente y cómo se identifica

Modelos de Poisson compuesto: fundamentos y limitaciones

Implicaciones para la valoración de derivados con riesgo de salto

Uso de cookies