💰 quantitative finance

A Spectral Generalisation of the Variance Ratio: Eigenstructure of Long-Horizon Portfolio Covariance and a Multi-Memory Factor Model of U.S. Equity Returns

Este artículo introduce una generalización espectral de la razón de varianza para identificar un modelo robusto de cinco factores que descompone los rendimientos de renta variable de largo plazo en canales distintos de memoria de rendimiento y volatilidad, revelando un cambio de régimen a finales de la década de 1980 en la persistencia de la volatilidad y demostrando que los impulsores transversales del momentum de los rendimientos son económicamente distintos de aquellos que gobiernan la persistencia de la volatilidad.

Autores originales: Anders G Frøseth

Publicado 2026-07-07

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Anders G Frøseth

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagine el mercado de valores no como un océano único y caótico, sino como una compleja orquesta interpretando una sinfonía. Durante décadas, los economistas han intentado comprender la música escuchando solo un instrumento (una acción individual) o midiendo el volumen total de toda la orquesta. Este documento propone una nueva forma de escuchar: identificando las "notas" específicas (patrones) que toca la orquesta y comprendiendo cómo esas notas cambian a lo largo del tiempo.

Aquí hay un desglose de los hallazgos del documento utilizando analogías sencillas:

1. El Problema: Escuchar de la manera equivocada

Imagine que intenta entender cómo se mueve una multitud de personas.

Método antiguo: Usted elige a una persona y la observa durante un año. Podría pensar: "Oh, camina en línea recta" o "Se detiene y arranca". Pero esto ignora cómo se mueve la multitud completa de forma conjunta.
El método del documento: En lugar de observar a una sola persona, los autores observan los patrones de movimiento de toda la multitud simultáneamente. Utilizan una herramienta matemática llamada "eigenestructura" para encontrar los "movimientos de danza" ocultos que realiza todo el grupo al unísono. A estos los llaman "direcciones principales" o las "melodías principales" de la orquesta.

2. El Descubrimiento: El mercado tiene dos "canales"

Los autores descubrieron que la memoria del mercado funciona a través de dos canales distintos, como dos estaciones de radio diferentes transmitiendo al mismo tiempo:

El canal de "Precio" (Lineal): Se trata de si los precios de las acciones suben y bajan.
El canal de "Volatilidad": Se trata de qué tan salvajes o calmados son las oscilaciones de los precios (el miedo y la excitación).

El documento muestra que estos dos canales tienen "memorias" diferentes. Que una tendencia de precios dure mucho tiempo no significa que el miedo (la volatilidad) dure lo mismo. Son como dos instrumentos diferentes tocando ritmos distintos.

3. La Orquesta de los "Cinco Factores"

Los autores descubrieron que todo el mercado de valores de EE. UU. puede explicarse mediante solo cinco "músicos" principales (factores) tocando juntos. Estos cinco factores explican casi todo sobre cómo se comportan las acciones a lo largo de periodos prolongados (años, no solo días):

El Jugador Persistente: Un músico que sigue tocando una melodía constante y duradera (momentum).
El Jugador Antipersistente: Un músico que toca una melodía que se corrige constantemente (reversión a la media: cuando las cosas suben demasiado, tienden a volver a bajar).
El Director "Multifractal": Este es el músico más complejo. Crea una "cascada" de ruido que se vuelve más fuerte y complejo con el tiempo. Esto explica por qué los colapsos o auges del mercado pueden sentirse como si tuvieran vida propia y se extendieran a lo largo de años.
El Jugador de Solo Volatilidad: Un músico que solo toca las notas del "miedo", no las notas del precio.
El Jugador de "Ráfagas": Un músico que toca ráfagas de ruido cortas e intensas que se desvanecen rápidamente.

El Gran Hallazgo: Esta misma banda de "cinco músicos" explica el mercado ya sea que se observe:

Diferentes industrias (como Tecnología frente a Salud).
Diferentes tipos de empresas (Pequeñas frente a Grandes, Baratas frente a Caras).
Diferentes periodos de tiempo (antes de 1998 frente a después de 1998).
Incluso el mercado europeo (una "réplica" de los hallazgos de EE. UU.).

4. El "Gran Cambio" de finales de la década de 1980

Uno de los hallazgos más emocionantes es una "transición de régimen". Los autores descubrieron que el mercado no cambió lentamente; experimentó un cambio estructural en los finales de la década de 1980.

Antes del Cambio: El "miedo" (volatilidad) en el mercado era como una tormenta de corto plazo. Arreciaba por un tiempo y luego se calmaba relativamente rápido (unos 2 años).
Después del Cambio: El "miedo" se convirtió en una corriente oceánica profunda y lenta. Las olas de volatilidad más duraderas se extendieron hasta los 4 años.

Piense en ello como un río cambiando su flujo. Antes de finales de los 80, el agua se movía en rizos rápidos y superficiales. Después de los 80, el río desarrolló corrientes profundas y lentas que tardaban años en pasar. Los autores localizaron este cambio utilizando una técnica de "ventana rodante", mostrando que el cambio ocurrió de forma gradual pero firme entre 1985 y 1995, no en la fecha arbitraria de 1998 que utilizan otros investigadores.

5. La Sorpresa de la "Inversión de Beta"

Finalmente, los autores probaron un supuesto común: que las mismas empresas que impulsan las tendencias de precios (como el momentum) son las mismas que impulsan las tendencias de volatilidad.

La Hipótesis: Si una empresa es una "líder de precios", también debería ser una "líder de miedo".
La Realidad: Los autores encontraron lo contrario. Las empresas que impulsan las tendencias de precios a largo plazo son completamente diferentes de las que impulsan las tendencias de volatilidad a largo plazo. Es como si la "orquesta de precios" y la "orquesta del miedo" estuvieran tocando en habitaciones diferentes con músicos distintos.

Resumen

Este documento argumenta que el mercado de valores no es un desorden aleatorio. Es un sistema altamente estructurado con cinco patrones centrales que se repiten en diferentes países y periodos de tiempo. Sin embargo, las "reglas del juego" sobre cuánto dura el miedo en el mercado cambiaron permanentamente a finales de la década de 1980, pasando de picos de corto plazo a ondas de largo plazo de varios años. Lo más importante es que las fuerzas que mueven los precios son distintas de las fuerzas que mueven la volatilidad; son dos historias separadas que suceden al mismo tiempo.

Resumen Técnico: Una Generalización Espectral de la Razón de Varianza

Planteamiento del Problema
La agregación de los rendimientos de los activos a través de horizontes temporales ( $H$ ) altera fundamentalmente la estructura del segundo momento de la sección cruzada. Si bien la prueba de la razón de varianza univariante de Lo y MacKinlay (1988) evalúa si los rendimientos de periodos $H$ se agregan limpiamente para una serie única, esta descarta la información de la sección cruzada contenida en la estructura propia de la matriz de covarianza. Las extensiones multivariantes existentes, como la razón de varianza de valores matriciales de Hong et al. (2017), preservan más estructura pero la reducen a funcionales escalares (traza, determinante) para la inferencia, fallando al no indexar la dinámica de largo horizonte por modo propio (eigenmode). Además, los rendimientos de las acciones exhiben desviaciones documentadas del comportamiento gaussiano i.i.d. (independiente e idénticamente distribuido), incluyendo colas de ley de potencia, dependencia de largo alcance en los rendimientos absolutos y autosimilitud multiescala en la volatilidad consistente con cascadas multifractales. El artículo aborda la necesidad de un marco que descomponga estas desviaciones conjuntas en componentes estructurados e indexados por la estructura propia, tanto en los canales lineales (rendimiento) como de volatilidad.

Metodología
Los autores proponen una generalización de la prueba de la razón de varianza multivariante e indexada por modos propios. El marco se basa en dos estadísticas de sección cruzada definidas para una serie temporal de valores matriciales simétricos $\Sigma_t$ y su agregado de periodo $H$ , $\Sigma^{(H)}_t$ :

Razón de Varianza por Modo Propio ( $\kappa$ ):
$\kappa_i(H) := \frac{\lambda_i(\Sigma^{(H)}_t)}{H \cdot \lambda_i(\Sigma_t)}$
Esto mide la autocorrelación de la $i$ -ésima dirección principal a través de los horizontes de agregación. Bajo rendimientos i.i.d., $\kappa_i(H) = 1$ para todo $i, H$ .
Matriz de Solapamiento de Vectores Propios ( $O$ ):
$O_{ij}(H) := |\langle v_i(\Sigma^{(H)}_t), v_j(\Sigma_t) \rangle|^2$
Esto mide la rotación geométrica de la base de vectores propios a medida que el horizonte se extiende. Bajo rendimientos i.i.d., $O_{ij}(H) = \delta_{ij}$ .

El artículo deriva predicciones de forma cerrada para estos estadísticos bajo modelos paramétricos. Para el canal lineal, establece que un proceso AR( $p$ ) descompone $\kappa$ en una suma ponderada de razones de varianza AR(1) indexadas por raíces características. Para el solapamiento de vectores propios, deriva un resultado de perturbación de primer orden que muestra que la rotación depende de la brecha de autovalores (eigenvalue gap) y un factor de saturación dependiente del horizonte.

Para modelar las desviaciones empíricas, los autores construyen un modelo de memoria múltiple de cinco factores aplicado conjuntamente al canal lineal (covarianza de log-rendimientos) y al canal de volatilidad (covarianza de rendimientos al cuadrado). Los factores son:

$F_P$ (Persistente): Movimiento browniano fraccionario (fBm) con exponente de Hurst $H_P > 0.5$ .
$F_A$ (Antipersistente): fBm con $H_A < 0.5$ .
$F_M$ (Multifractal): Un proceso ARFIMA(1, $d_M$ , 0) en el canal lineal acoplado con una cascada de Cambio de Régimen de Markov (MSM) en el canal de volatilidad.
$F_V$ (Compañero de Volatilidad): Un factor de volatilidad pura que comparte la cascada MSM de $F_M$ pero no contribuye con estructura lineal.
$F_{Vt}$ (Volatilidad Transitoria): Un proceso ARFIMA que gobierna la volatilidad de la volatilidad, capturando la agrupación transitoria.

El modelo se estima mediante mínimos cuadrados conjuntos (LS) sobre las matrices empíricas $(\kappa^{lin}, \kappa^{vol})$ utilizando un bootstrap de bloque móvil (1,000 réplicas) y optimización L-BFGS-B.

Contribuciones Clave y Resultados
El marco se aplica a cuatro paneles de acciones de EE. UU. (muestra completa de la industria Fama-French 49 —divisiones pre y post-1998— y Fama-French 100 por tamaño $\times$ valor contable/book-to-market) y una replicación no estadounidense (Europa 25). El análisis arroja tres hallazgos principales:

Descomposición Universal de Cinco Factores: El mismo modelo de cinco factores recupera siete hechos estilizados de la dinámica de las acciones a largo horizonte simultáneamente en todos los paneles:
- Anomalía de la razón de varianza del modo de mercado: Un patrón de ascenso y descenso en el canal lineal en el modo de mercado.
- Momentum de factores: Razones de varianza de crecimiento monótono en los modos propios sub-dominantes (rangos 2–3).
- Reversión a la media de largo horizonte: Razones de varianza que decrecen abruptamente en los modos propios profundos (rangos 24+).
- Agrupación de volatilidad de corto alcance: Aumento inicial agudo en las razones de varianza de la volatilidad.
- Memoria de volatilidad multiescala: Una acumulación masiva de razón de varianza en el canal de volatilidad del modo de mercado (alcanzando $\approx 48$ en 5 años), consistente con una cascada multifractal.
- Volatilidad transitoria: Estallidos episódicos de volatilidad en los modos propios profundos.
- Concentración de la sección cruzada: El espectro de volatilidad se concentra en un único modo dominante a medida que el horizonte se alarga, mientras que el espectro lineal se ensancha.
  Los exponentes de movimiento browniano fraccionario ( $H_P \approx 0.52\text{--}0.57$ , $H_A \approx 0.17\text{--}0.27$ ) permanecen estables a través de las clasificaciones por industria, tamaño/valor y submuestras temporales, lo que indica una especificación universal a nivel de estructura propia.
Transición de Régimen en la Memoria de Volatilidad: El artículo identifica una ruptura estructural en la memoria de la volatilidad de las acciones de EE. UU. ocurriendo en finales de la década de 1980, en lugar de en el límite estático de mitad de periodo de 1998.
- Un análisis de ventana rodante (ventanas de 28 años, saltos de 2 años) localiza la transición. El peso de la cascada MSM en el canal de volatilidad del modo de mercado ( $w^{vol}_{MSM}$ ) aumenta monótonamente desde una mediana de 0.30 (centrado en 1985) hasta 0.93 (centrado en 1991) y se satura en 1.00 a partir de 1995.
- Las bandas de confianza del 90% para las ventanas pre-transición (centro 1983) y post-transición (centro 1999) no se solapan estrictamente.
- La "escala de tiempo de cruce" de la cascada (duración del componente de menor frecuencia, $1/\gamma_1$ ) se alarga de aproximadamente 2.2 años en el periodo pre-1998 a 4.0 años en el periodo post-1998. El panel de "primera mitad" estático (1969–1997) presenta una identificación débil porque mezcla estos dos regímenes.
Inversión de $\beta$ entre Canales y Cargas Distintas: Los autores prueban la hipótesis de que las firmas de los canales lineal y de volatilidad del factor multifractal están gobernadas por un único vector de carga compartido entre activos ( $\beta_M$ ).
- Una prueba de inversión de $\beta$ recupera las cargas al cuadrado $|\beta_M[a]|^2$ de forma independiente para los canales lineal y de volatilidad.
- Los resultados rechazan la hipótesis de carga compartida: la correlación de Pearson entre las cargas recuperadas es significativamente negativa en tres de los cuatro paneles (por ejemplo, $-0.771$ en la muestra completa).
- Esto implica que las características transversales que impulsan los patrones de momentum de rendimientos son económicamente distintas de las que impulsan los patrones de persistencia de volatilidad; una sola carga no puede explicar ambos canales.

Significancia
El artículo afirma proporcionar la primera descomposición de la razón de varianza indexada por la estructura propia, distinguiendo entre la autocorrelación temporal a lo largo de direcciones principales estables y la rotación transversal de dichas direcciones. Al separar los canales de rendimiento y de volatilidad, el marco revela que el "modo de mercado" no es una entidad monolítica, sino un compuesto de mecanismos de memoria distintos: un perfil de rendimiento de ascenso y descenso impulsado por componentes de antipersistencia y ARFIMA, y una cascada de volatilidad de múltiples escalas pura.

La identificación de una transición de régimen a finales de la década de 1980 sugiere que la estructura de memoria de la volatilidad no es estática, sino que ha evolucionado, extendiendo el componente de cascada de menor frecuencia hacia horizontes de varios años en la era moderna. Finalmente, el rechazo de la hipótesis de carga compartida desafía los modelos que asumen que un único conjunto de factores de riesgo impulsa tanto la dinámica de rendimientos como la de volatilidad, sugiriendo en su lugar que las características de la industria y de tamaño/valor contable predicen estos canales de manera independiente. El marco ofrece una descripción robusta y parsimoniosa (de cinco factores) de la dinámica de las acciones a largo horizonte que se mantiene a través de diferentes universos de activos y periodos de tiempo.