Information-Theoretic Approach to Financial Market Modelling

A continuación presento un resumen técnico detallado del artículo "Information-Theoretic Approach to Financial Market Modelling" (Enfoque de la Teoría de la Información para la Modelización de Mercados Financieros) de Eckhard Platen.

1. Planteamiento del Problema

El artículo aborda las limitaciones de los modelos financieros tradicionales basados en el Teorema Fundamental de la Valoración de Activos (FTAP) y la ausencia de arbitraje libre de riesgo (FLVR). La evidencia empírica sugiere que los mercados reales no cumplen estrictamente con la condición de FLVR a altos niveles de significancia, lo que cuestiona la validez de la valoración neutral al riesgo estándar.

El autor identifica la necesidad de un modelo de mercado "realista" que incorpore siete hechos estilizados empíricos clave:

1. Volatilidades estacionarias de los índices bursátiles.
2. Distribuciones de retornos logarítmicos tipo Student-t (con 4 grados de libertad).
3. Efecto de apalancamiento (las caídas aumentan la volatilidad).
4. Agrupamiento de volatilidad y trayectorias "rugosas" con picos.
5. Componentes de volatilidad rápida y lenta.
6. Propiedades de escalamiento y autosimilitud.
7. Crecimiento logarítmico aproximadamente lineal con características de reversión a la media en índices mundiales.

El problema central es derivar un modelo idealizado que explique estos fenómenos de manera endógena, minimizando supuestos arbitrarios y utilizando principios fundamentales de la teoría de la información.

2. Metodología

El autor propone reinterpretar el mercado financiero como un sistema de comunicación (en el sentido de Shannon). La metodología se basa en la minimización de la información esperada (surprisal) y la divergencia de Kullback-Leibler bajo cuatro supuestos fundamentales (A1-A4):

• A1 (Dinámica en Tiempo de Mercado): Los factores normalizados evolucionan como difusiones escalares estacionarias e independientes en un "tiempo de mercado" ($\tau$), definido como la intensidad integrada de negociación, en lugar del tiempo calendario.
• A2 (Existencia del Portafolio Óptimo de Crecimiento - GOP): Se asume la existencia del GOP (también llamado Benchmark o Portafolio de Numeraire), que actúa como condición de no arbitraje débil (NUPBR).
• A3 (Minimización del Surprisal): Se minimiza el "surprisal" (contenido de información esperado) de la densidad de probabilidad conjunta estacionaria de los factores normalizados. Esto equivale a encontrar la distribución que maximiza la entropía bajo ciertas restricciones de momentos (media aritmética y logarítmica).
• A4 (Minimización de la Divergencia de Kullback-Leibler): Se minimiza la divergencia entre la medida de valoración neutral al benchmark (BN) y la medida de probabilidad del mundo real. Esto asegura que el precio de los derivados no introduzca información innecesaria respecto a la realidad observada.

Estructura del Modelo:

• El mercado se modela mediante factores auxiliares independientes (portafolios de acciones) en lugar de acciones individuales.
• Se utiliza un enfoque de optimización de Lagrangianos para determinar las densidades de probabilidad estacionarias óptimas.
• Se introduce la Valoración Neutral al Benchmark (BN), donde el numeraire es el GOP, reemplazando la medida neutral al riesgo tradicional.

3. Contribuciones Clave

1. Derivación del Modelo de Mercado Mínimo (MMM): El artículo deriva un modelo idealizado llamado Minimal Market Model (MMM) que surge naturalmente de la minimización de la información. Este modelo es parsimonioso, dependiendo de un único parámetro constante (la tasa de retorno ajustada al riesgo neta, $\hat{\lambda}$).
2. Procesos SROU y Bessel: Se demuestra que bajo el MMM, los factores normalizados, sus sumas y el propio Benchmark evolucionan como procesos de Ornstein-Uhlenbeck radial cuadrado (SROU) en sus respectivos tiempos de actividad. Específicamente, los factores normalizados siguen procesos CIR (Cox-Ingersoll-Ross) de dimensión $4/n$.
3. Justificación Teórica de Hechos Empíricos: El modelo explica endógenamente:
   • La distribución Student-t de los retornos (resultado de la volatilidad inversa gamma).
   • El efecto de apalancamiento (proporcionalidad inversa entre volatilidad y raíz cuadrada del estado).
   • La rugosidad de la volatilidad (debido a la transformación del tiempo de mercado al tiempo calendario).
4. Propiedad Aditiva: Se demuestra que la suma de factores independientes sigue también un proceso SROU, lo que permite modelar índices agregados (como el MSCI World) como procesos de Bessel cuadrado de dimensión 4.
5. Eliminación de Parámetros de Deriva: Bajo la medida neutral al benchmark, la tasa de retorno ajustada al riesgo ($\hat{\lambda}$) desaparece de las ecuaciones de valoración, eliminando la necesidad de estimar este parámetro difícil de observar para la cobertura y valoración de derivados.

4. Resultados Principales

• Dinámica de los Factores: Los factores normalizados $Y^k$ siguen una SDE de tipo CIR:
  $$dY^k_\tau = \left(\frac{4}{n} - Y^k_\tau\right) d\tau + \sqrt{4Y^k_\tau} dW^k_\tau$$
  Donde la densidad estacionaria es una distribución Gamma con $4/n$ grados de libertad.
• Dinámica del Benchmark: El Benchmark (GOP) sigue un proceso SROU de dimensión 4 en el "tiempo de benchmark". Su volatilidad cuadrada es proporcional a la inversa de su valor, generando el efecto de apalancamiento.
• Valoración y Cobertura: La fórmula de valoración para un activo contingente $H$ es:
  $$H_\tau = S^*_\tau E^{Q_{S^*}} \left[ \frac{H_{\tau_T}}{S^*_{\tau_T}} \bigg| \mathcal{F}_\tau \right]$$
  Donde $S^*$ es el Benchmark. La simulación y aplicación empírica muestran que los errores de cobertura para bonos cero-cupón de bajo costo y maduración extrema son extremadamente pequeños (menos de 0.0001 unidades), superando a los métodos tradicionales.
• Tiempo de Mercado: El tiempo de mercado ($\tau$) se puede estimar observablemente a partir de la variación cuadrática de un portafolio de factores (como el MSCI), permitiendo una calibración práctica sin necesidad de parámetros ocultos.

5. Significado e Implicaciones

El trabajo tiene un impacto significativo en la teoría financiera y la práctica cuantitativa:

• Paradigma de Comunicación: Establece que los mercados financieros pueden entenderse eficazmente como sistemas de comunicación donde los precios minimizan la información transmitida, conectando la teoría de la información con la dinámica de precios.
• Robustez Empírica: El MMM no solo es teóricamente elegante, sino que se ajusta a datos reales (como el índice MSCI World y el benchmark EWI114), reproduciendo la distribución de colas pesadas y el comportamiento de la volatilidad observados en la realidad.
• Simplicidad y Eficiencia: A diferencia de modelos complejos de volatilidad estocástica que requieren múltiples parámetros y calibraciones costosas, el MMM es un modelo de un solo parámetro que ofrece una precisión superior en la cobertura de derivados, especialmente aquellos de larga maduración.
• Alternativa a la Valoración Neutral al Riesgo: Proporciona una base teórica sólida para la valoración neutral al benchmark, demostrando que es el único método práctico aplicable a todos los derivados admisibles cuando se minimiza la divergencia de información, evitando las distorsiones de la medida neutral al riesgo tradicional.

En conclusión, Platen presenta un marco unificado que deriva la dinámica del mercado a partir de principios de minimización de información, resultando en un modelo "mínimo" pero "realista" que captura la esencia de los mercados financieros modernos con una precisión matemática y empírica notable.