Desgraciadamente, los mercados financieros no son como las medidas físicas, en las que se conoce el "verdadero" valor de una variable física, sino que se accede a él gracias a los sensores de ruido. No conocemos la "verdadera" volatilidad, simplemente porque no existe tal valor...
En estadística hay dos tipos de procedimientos de modelización:
-
los dedicados a estimar el valores desconocidos de los parámetros de un modelo estructural conocido . Aquí tenemos el enfoque habitual de los "intervalos de confianza".
-
los para inferir simultáneamente de los datos la forma (es decir, la "clase") del modelo y sus parámetros . Aquí tenemos los problemas habituales de "sobreajuste", y los enfoques habituales son la "validación cruzada", la "regularización - penalización", las "dimensiones Vapnik-Chervonenkis", etc.
En finanzas se está muy a menudo en el segundo caso, y especialmente para la volatilidad: por ejemplo su valor no es el mismo si su modelo subyacente incluye saltos o no... ¿cuál es el "verdadero"? Además (como he comentado) en tu escala de tiempo (1 min) te enfrentas a la ruido de microestructura , ver mi respuesta aquí para una breve .
Pero volvamos a mi respuesta genérica sobre el "descubrimiento de conocimientos" a través de la modelización estadística: qué puede probar si cree que tiene un buen procedimiento de estimación nuevo ?
Puedes probar tu capacidad de predicción, por supuesto, pero tendrás que enfrentarte a un montón de características desagradables de la volatilidad intradía:
-
no es iid, ni siquiera ergódica, ya que tiene una estacionalidad (ver La microestructura del mercado en la práctica para las estacionalidades intradía).
-
una vez eliminada la estacionalidad, se agrupa (no podemos ignorarlo ya que Robert Engle de los premios Nobel).
-
además, depende de la trayectoria (Quiero decir, incluso dentro de un grupo de volatilidad según la definición de Engle)...
Por lo tanto, si quiere desafiar el procedimiento de estimación existente, tendrá que eliminar las dos primeras características y demostrar en el datos desestacionalizados, cluster por cluster . Por supuesto, también se podría intentar realizar un cambio de espacio de estado para estimar algo más que la volatilidad. Como utilizarlo para estimar la estacionalidad o las propias probabilidades de cambio...
