📈 economía

Hidden Markov Modelling of Earthquake-Related Market Regimes and State-Dependent Forecasts: Evidence from the Turkish Stock Market

Este estudio utiliza un Modelo Oculto de Markov Gaussiano de tres estados sobre datos del Borsa Istanbul 100 para demostrar que, si bien los terremotos de gran magnitud no desencadenan sistemáticamente cambios entre regímenes de mercado, los pronósticos dependientes del estado resultantes revelan diferencias significativas en el riesgo de baja a corto plazo.

Autores originales: Gamze Özel

Publicado 2026-11-04

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Gamze Özel

Artículo original bajo licencia CC BY 4.0 (https://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

Los mercados financieros rara vez son las máquinas estables y predecibles que parecen ser en un gráfico diario. En cambio, a menudo cambian entre distintos estados de ánimo, o "regímenes", que alteran la forma en que se comportan los precios. A veces el mercado está tranquilo y se mueve en un rango estrecho y predecible; otras veces está presa de la incertidencia, oscilando con una volatilidad moderada; y ocasionalmente, entra en un estado de crisis donde los precios caen en picado y reina el caos. Estos cambios no siempre son obvios para el ojo humano, pero alteran fundamentalmente el riesgo que enfrenta un inversor. Comprender cuándo un mercado se encuentra en uno de estos estados, y cuánto tiempo podría permanecer allí, es crucial para cualquiera que intente navegar la economía. Un nuevo estudio de Turquía explora si un tipo específico y aterrador de choque externo —terremotos importantes— obliga al mercado bursátil a entrar en estos estados de crisis, o si los ritmos internos del mercado son más complejos de lo que un solo desastre puede dictar.

Los investigadores se centraron en el Borsa Istanbul 100, el índice principal del mercado de valores turco, que sirve como barómetro de la salud económica de la nación. Turquía se asienta sobre algunas de las líneas de falla más activas del mundo, lo que la convierte en un laboratorio perfecto para esta cuestión. El equipo recopiló más de cuatro mil días de datos de negociación, que abarcan desde principios de 2009 hasta principios de 2026, y buscó patrones en cómo se movía el mercado. No se limitaron simplemente a observar si el mercado subía o bajaba el día de un terremoto. En su lugar, utilizaron una herramienta estadística llamada modelo de Markov oculto. Piense en esta herramienta como una forma de escuchar el latido subyacente del mercado, intentando detectar si el mercado se encuentra actualmente en un modo "normal", de "incertidumbre" o de "crisis", incluso cuando esos modos no están etiquetados explícitamente en un teletipo de noticias. Al analizar los rendimientos diarios, el modelo identificó tres estados distintos: un estado normal con baja volatilidad, un estado de incertidumbre con oscilaciones moderadas y un estado de crisis caracterizado por una alta volatilidad y rendimientos negativos.

Una vez que el modelo mapeó estos tres estados a lo largo del periodo de dieciséis años, los investigadores superpusieron la historia de los terremotos importantes. Filtraron los datos para incluir solo eventos sísmicos significativos, específicamente aquellos con una magnitud de 5.5 o superior, y los alinearon con los días de negociación en los que el mercado estaba abierto. El objetivo era ver si estos días de terremoto eran desproporcionadamente propensos a caer en la categoría de "crisis". Los resultados fueron sorprendentes. A pesar de la expectativa intuitiva de que un terremoto importante sumergiría inmediatamente al mercado en el pánico, los datos no mostraron tal vínculo sistemático. Los días de terremoto se distribuyeron en los tres estados en casi la misma proporción que cualquier día aleatorio en la historia del mercado. Aproximadamente el 9 por ciento de los días de terremoto cayeron en el régimen de crisis, mientras que el resto se dividió entre condiciones de incertidumbre y normales. Esta distribución era estadísticamente indistinguible del comportamiento general del mercado.

El estudio también examinó si el tamaño del terremoto importaba. Separaron los eventos en aquellos con una magnitud entre 5.5 y 6.49 y aquellos que eran aún mayores, de 6.5 o más. La hipótesis era que los sismos más masivos podrían ser los capaces de desencadenar un cambio inmediato hacia un estado de crisis. Sin embargo, el análisis tampoco encontró evidencia de esto. Ya fuera un terremoto fuerte de 5.5 o uno devastador de 6.5, no predijo un cambio inmediato en el régimen subyacente del mercado. El mercado no saltó consistentemente de un estado de calma a un estado de crisis simplemente porque ocurriera un gran temblor. Esto sugiere que, si bien un terremoto específico puede causar daños significativos a ciertas empresas o sectores, el índice de mercado agregado no cambia automáticamente a un modo de "crisis" basándose únicamente en la magnitud del terremoto. La reacción del mercado parece depender de otros factores, como la ubicación del sismo, el momento en relación con las horas de negociación o las condiciones económicas más amplias en ese momento, ninguno de los cuales fue capturado por el tamaño del terremoto por sí solo.

Aunque los terremotos no parecieron forzar al mercado hacia un estado de crisis, el estudio encontró que conocer el estado actual del mercado es increíblemente poderoso para predecir qué sucederá después. Los investigadores utilizaron su modelo para simular cómo podría comportarse el mercado durante el próximo mes, dependiendo de dónde comience. Si el mercado comienza en un estado de crisis, las simulaciones muestran una alta probabilidad de que permanezca en ese estado durante el siguiente día o dos, pero es poco probable que regrese a la normalidad de inmediato. En cambio, tiende a derivar primero hacia el estado de "incertidumbre", actuando como un punto medio antes de regresar finalmente a la calma. Por el contrario, si el mercado comienza en un estado normal, es muy probable que permanezca allí durante un tiempo, aunque el riesgo de visitar eventualmente un estado de crisis aumenta a lo largo de un periodo de treinta días. Estas simulaciones revelaron que el punto de partida importa inmensamente. Un mercado que comienza en crisis tiene un rango de resultados posibles mucho más amplio y una probabilidad significativamente mayor de terminar el mes con una pérdida en comparación con un mercado que comienza en un estado normal.

Los hallazgos ofrecen una visión matizada de cómo los desastres naturales interactúan con los sistemas financieros. Sugieren que el mercado no es un cristal frágil que se rompe instantáneamente ante la primera señal de un temblor. En cambio, posee una estructura interna compleja que resiste explicaciones simples de causa y efecto. Un terremoto importante no garantiza un desplome del mercado, ni garantiza un cambio hacia un régimen de crisis. La reacción del mercado es filtrada a través de su condición actual y otras variables invisibles. Sin embargo, una vez que el mercado está en un estado de crisis, tiende a permanecer allí por un tiempo, pasando por un periodo de incertidumbre antes de recuperarse. Para los inversores y analistas, la lección es que vigilar los choques externos como los terremotos es solo una parte del panorama. Comprender el estado oculto actual del mercado —ya sea que esté en calma, en incertidumbre o en crisis— proporciona un mapa mucho más claro de los riesgos que se avecinan, independientemente de lo que esté haciendo el suelo debajo de la sala de negociación.

Resumen Técnico: Modelado de Markov Oculto de Regímenes de Mercado Relacionados con Terremotos y Pronósticos Dependientes del Estado

Planteamiento del Problema
El artículo aborda el desafío de comprender cómo los terremotos de gran magnitud influyen en la dinámica de los mercados financieros, específicamente en el índice Borsa Istanbul 100 (BIST 100). Mientras que la literatura existente documenta extensamente los retornos anormales de corto plazo y los cambios en la volatilidad tras desastres específicos mediante métodos de estudio de eventos, estos enfoques suelen asumir un único proceso subyacente de generación de retornos. El autor argumenta que los retornos financieros exhiben agrupamiento de volatilidad (volatility clustering), colas pesadas y periodos distintos de alto o bajo riesgo que se representan mejor mediante modelos que permiten que los parámetros cambien de acuerdo con estados no observados. El estudio busca determinar si los terremotos de gran magnitud están asociados sistemáticamente con cambios en los regímenes latentes de retornos y volatilidad, y si las características de los terremotos pueden predecir cambios inmediatos en los estados del mercado.

Metodología
El estudio emplea un Modelo Oculto de Markov (HMM) gaussiano de tres estados para analizar los retornos logarítmicos diarios del índice BIST 100.

Datos: La muestra empírica comprende 4,334 observaciones diarias desde el 5 de enero de 2009 hasta el 3 de abril de 2026. El catálogo de terremotos cubre el periodo superpuesto desde el 19 de junio de 2009 hasta el 27 de octubre de 2025.
Filtrado de Eventos: De un conjunto inicial de 96 terremotos con magnitud $M \ge 5.5$ , se seleccionaron 74 eventos representativos utilizando un filtro de evento principal de 48 horas para evitar la sobreponderación de los grupos de réplicas (aftershocks). Los eventos se alinearon con el día de negociación contemporáneo o el siguiente.
Especificación del Modelo: El HMM asume que el retorno diario $r_t$ sigue una distribución gaussiana dependiente del estado $N(\mu_k, \sigma^2_k)$ , donde $k \in \{1, 2, 3\}$ representa el régimen de mercado no observado. Los regímenes se infieren post-estimación basándose en las características de retorno medio y volatilidad.
Estrategia de Análisis:
1. Estimación de Regímenes: El modelo estima probabilidades de transición, duraciones esperadas de los regímenes y medias y varianzas específicas de cada estado.
2. Pruebas de Asociación: Una prueba de bondad de ajuste de chi-cuadrado de Pearson compara la distribución de los días de negociación vinculados a terremotos a través de los tres regímenes frente a la composición de regímenes incondicional de la muestra completa.
3. Análisis de Magnitud: Los eventos se estratifican por magnitud ( $5.5 \le M < 6.5$ vs. $M \ge 6.5$ ) para probar si los terremotos de mayor magnitud predicen cambios de régimen inmediatos (usando la prueba exacta de Fisher).
4. Pronóstico: Se generan pronósticos condicionales al estado utilizando la matriz de transición y simulaciones de Monte Carlo (100,000 trayectorias) para proyectar los retornos acumulados de 30 días y las probabilidades de régimen, condicionados al estado inicial.
Extensión Propuesta: El artículo describe un marco teórico para un modelo de probabilidad de transición variante en el tiempo (TVTP) donde las covariables del terremoto (magnitud, profundidad, distancia) podrían influir en la probabilidad de movimiento entre estados, aunque esta extensión no se estima en el análisis actual.

Resultados Clave

Caracterización de Regímenes: El modelo de tres estados identifica regímenes distintos:
- Crisis: 7.27% de las observaciones, retorno medio -0.79%, volatilidad 3.45%, duración esperada 5.3 días.
- Incertidumbre: 51.66% de las observaciones, retorno medio 0.20%, volatilidad 1.16%, duración esperada 12.1 días.
- Normal: 41.07% de las observaciones, retorno medio 0.19%, volatilidad 0.50%, duración esperada 15.7 días.
- Los regímenes de "Incertidumbre" y "Normal" tienen retornos medios positivos similares; su distinción principal es la volatilidad.
Dinámica de Transición: El régimen de crisis es persistente (81.1% de probabilidad de permanecer), pero las salidas de la crisis ocurren predominantemente a través del régimen de "Incertainty" en lugar de pasar directamente a "Normal". El régimen "Normal" es el más persistente (93.6% de autotransición).
Asociación con Terremotos:
- Hipótesis H3 (Rechazo): La distribución de los días de negociación vinculados a terremotos a través de los tres regímenes (7 crisis, 35 incertidumbre, 32 normal) no difiere significativamente de la composición de estados incondicional ( $\chi^2 = 0.845, p = 0.655$ ).
- Hipótesis H4 (Rechazo): No existe una asociación significativa entre los grupos de magnitud de terremotos y los cambios de régimen inmediatos al día siguiente ( $p = 0.952$ ).
Pronósticos Dependientes del Estado: Aunque la asociación agregada de los terremotos es débil, los pronósticos condicionados al estado revelan diferencias sustanciales en el riesgo.
- Partiendo de un estado de Crisis, el retorno esperado a 30 días es cercano a cero (0.03%) con una probabilidad del 46.0% de un retorno acumulado negativo y una probabilidad del 89.9% de visitar nuevamente el régimen de crisis.
- Partiendo de un estado Normal, el retorno esperado es de 4.28% con solo un 20.5% de probabilidad de un resultado negativo.
- Los pronósticos muestran que el estrés del mercado se disipa gradualmente a través del régimen de "Incertidumbre" en lugar de regresar inmediatamente al estado "Normal".

Significancia y Reivindicaciones
El artículo afirma contribuir a la literatura de cuatro maneras específicas:

Alcance de la Muestra: Utiliza una muestra de largo plazo (2009–2026) que contiene múltiples eventos sísmicos en lugar de centrarse en un único evento catastrófico.
Separación Metodológica: Separa la estimación de los regímenes de mercado latentes de la posterior examinación de los días de terremotos, reduciendo el riesgo de clasificación circular donde los estados se definen únicamente por las fechas de desastres.
Métricas Expandidas: Va más allá de los retornos anormales promedio para reportar probabilidades de transición, persistencia de regímenes, duraciones esperadas y pronósticos condicionados al régimen.
Extensión Teórica: Propone una especificación de cambio de régimen variante en el tiempo para examinar si las características de los terremotos afectan los retornos dentro de un régimen o alteran la probabilidad de las transiciones de régimen.

Interpretación Modesta de los Hallazgos
El autor advierte explícitamente que los resultados agregados no establecen un vínculo causal sistemático entre la magnitud de los terremotos y los cambios de régimen inmediatos. Argumenta que la magnitud por sí sola es un indicador insuficiente de la exposición financiera, ya que factores como la profundidad, la ubicación, la exposición económica y las respuestas de política (por ejemplo, las suspensiones de negociación) varían significamente. El estudio concluye que, si bien los terremotos no predicen sistemáticamente los cambios de régimen en el índice agregado a través de esta muestra, el marco de estados latentes sigue siendo valioso para el monitoreo del riesgo. Los pronósticos condicionados al estado demuestran que el régimen actual del mercado afecta materialmente las distribuciones de riesgo a corto plazo, proporcionando una herramienta probabilística para evaluar el estrés del mercado incluso en ausencia de una correlación directa entre el terremoto y el régimen.

Más como este