La ineficiencia de los mercados financieros según el plano complejidad-entropía Luciano Zunino V Workshop Mecánica Estadística y Teoría de la Información.

Slides:



Advertisements
Presentaciones similares
ANOVA DE UN FACTOR.
Advertisements

ANALISIS PARAMÉTRICOS
Mariano Alcántara Eduardo
LA HIPÓTESIS DEL MERCADO FRACTAL Un Enfoque Alternativo
NEC No 8 Reportando información financiera por segmentos
Riesgo de Mercado Diplomado de Especialización en Riesgo.
Regresión mínimo cuadrada (I)
Movilidad educativa en Latinoamérica. Claves para entender el fenómeno. Mauro Mediavilla Universidad de Barcelona Taller II: La formación masiva e intensiva.
Capitulo 9: Modelos unívariados de series temporales
Metodología.
UNIVERSIDAD AUTÓNOMA DEL CARIBE
q-Gaussianas e invariancia de escala
Generación de Números y Variable aleatorias
Especialista en Business Intelligence Analysis Services SSAS (Sesión 14) Microsoft SQL Server 2008 R2 Suscribase a o escríbanos a
Diplomado CONAMEX.
Regresión Lineal y Regresión Polinomial
Modelo básico de regresión Lineal
UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRIÓN-PASCO
Regresión y correlación
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Nombre de la institución o título de presentación
COEFICIENTE DE CORRELACIÓN PRODUCTO-MOMENTO DE PEARSON
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Manuel Pérez Cagigal Grupo de Optica. Universidad de Cantabria ESPAÑA
Estudios Ecológicos - correlación.
Comentarios al Libro Blanco sobre “Acciones de Daños y Perjuicios por Incumplimiento de las Normas Comunitarias de Defensa de la Competencia” Cuantificación.
Modelo de Riesgo y Retorno del Negocio de Rentas Vitalicias para Compañías de Seguros de Vida PrimAmérica Consultores S.A. Guillermo Martínez B. y Andrés.
Análisis de Correlación y de Regresión lineal simple
Estadística Descriptiva
Caracterizando talasemic-RBCs mediante el plano complejidad entropía Dr. A. M. Korol Universidad Nacional de Rosario Instituto de Física Rosario VI Workshop.
Análisis de supervivencia Tema 5 Itziar Aretxaga.
Seminario sobre evaluación económica de proyectos de transporte Madrid, 15 y 16 de noviembre LA PREDICCIÓN DE LA DEMANDA EN EVALUACIÓN DE PROYECTOS.
ANALISIS DE FLUCTUACIONES FINANCIERAS A PARTIR DE SERIES DE TIEMPO
Pronósticos, Series de Tiempo y Regresión
Método de previsión para el turismo.
Caso: Situación de las Comunidades Autónomas españolasen cuanto a indicadores de bienestar En el periódico “El País” del día 17 de enero de 2002 se publicó.
TEMA: APLICACIÓN DE LAS S7 H
MACROECONOMÍA 1.
IPC 2008 Estimaciones por Bootstrap
CAPÍTULO 14º LA VOLATILIDAD.
ANÁLISIS NO LINEAL DE SEÑALES FISIOLÓGICAS EN MEDICINA DEPORTIVA MADRID 13, 14 Y 15 DE SEPTIEMBRE, 2013 DIRECCIÓN Dr. José Luis Rojo Álvarez. Universidad.
PLAN DE NEGOCIOS Financiación Definición del tipo del bien o servicio a ofrecer Inversión Necesaria Cronograma de la puesta en marcha de la empresa Concretar.
1 MÉTODOS DE SIMULACIÓN Permitien el estudio de propiedades de sistemas complejos. Generación de conjunto de configuraciones distintas para un mismo sistema.
Curso de Bioestadística. ANOVA
Métodos de calibración: regresión y correlación
J. Mauricio López R. Centro Nacional de Metrología CENAM Varianza de Allan.
ULACIT MAESTRÍA EN ORTODONCIA
Inferencia Estadística
Herramientas básicas.
Modelos de predicción de quiebra
Índice: Introducción Conceptos básicos Procesos elementales
Econometría Procesos Estocásticos Capitulo IV
LA ESTADÍSTICA PROF.: EDMUNDO C.PARDO H. CARACAS,OCTUBRE DE 2014
Ramón Giraldo H MSc. Estadística. Profesor Universidad Nacional
PRUEBAS ESTADISTICAS NO PARAMETRICAS
ETF: Exchange Trade Fund
Matemática Avanzada  Contenido Temático.  Objetivo: El alumno será capaz de integrar sus conocimientos de álgebra y geometría, en su aplicación al cálculo.
BASES PARA EL RAZONAMIENTO EN ESTADÍSTICA INFERENCIAL
Estadística para la gestión educativa Conceptos básicos Mtra. Ing. Rosa María Lamadrid Velazco T.
RIESGO Y RENDIMIENTO.
Análisis de Riesgos Opciones Reales y Presupuesto de Capital
UNIDAD 1 INTRODUCCION Y PRIMERAS FASES DE INV DE MERCADOS INVESTIGACION DE MERCADOS Identificación, acopio, difusión y Aprovechamiento de información Clasificación.
Técnicas numéricas para el procesamiento de datos reales Antonio Turiel Instituto de Ciencias del Mar de Barcelona.
Definición conceptual y operacional de variables
Universidad Nacional Autónoma de Honduras En el Valle de Sula Curso: Investigación Científica Para: Carrera de Medicina Facilitadora: Dra. Elba Morán.
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
Un Método Cuantitativo podría definirse como aquellos modelos matemáticos puesto al servicio de los procesos de resolución de problemas de un modo racional.
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Transcripción de la presentación:

La ineficiencia de los mercados financieros según el plano complejidad-entropía Luciano Zunino V Workshop Mecánica Estadística y Teoría de la Información Mar del Plata, de abril de 2009

Luciano ZuninoMar del Plata, 27/04/20092 Colaboradores  Massimiliano Zanin, Universidad Autónoma de Madrid, España  Benjamin M. Tabak, Banco Central do Brasil, Brasil  Darío G. Pérez, Universidad Católica de Valparaíso, Valparaíso, Chile  Osvaldo A. Rosso, University of Newcastle, Australia

Luciano ZuninoMar del Plata, 27/04/20093 Motivaciones Louis Bachelier, 1900 Random walk (caminante aleatorio) Distribución GaussianaIncrementos independientes Movimiento Browniano Ordinario Hipótesis de eficiencia de los mercados Eugene Fama, J. Finance 25, 383 (1970) La mejor predicción para el valor de un activo mañana es utilizar el valor que tuvo hoy Análisis estadístico no sería útil

Luciano ZuninoMar del Plata, 27/04/20094 ¿Teoría de los mercados eficientes? Desviaciones respecto a la Gaussianidad Incrementos dependientes Correlaciones entre valores distantes ¡¡¡Ineficiencia!!! La eficiencia de los mercados es una idealización ¿Cómo cuantificamos la ineficiencia de los mercados? Estabilidad política, liquidez del mercado, volumen del mercado, etc. Aproximación física a este problema Cuantificadores derivados de la Teoría de la Información

Luciano ZuninoMar del Plata, 27/04/20095 Antecedentes Benoit Mandelbrot ( ) Movimiento Browniano Ordinario + Correlaciones Movimiento Browniano fraccionario Exponente de Hurst, 0<H<1 El exponente de Hurst cuantifica las correlaciones La sola estimación del exponente de Hurst no alcanza Bassler et al., Physica A 369, 343 (2006) Mercados emergentes tiene H más grandes (H > 0.5) que los mercados desarrollados (H ~ 0.5)

Luciano ZuninoMar del Plata, 27/04/20096  Desviación respecto de la distribución Gaussiana (Matia et al., Europhys. Lett. 66, 909 (2004));  Grado de multifractalidad (Zunino et al., Physica A 387, 6558 (2008));  Complejidad algorítmica de Lempel-Ziv (Giglio et al., Europhys. Lett. 84, (2008));  Estimación de los coeficientes de Kramers-Moyal (Cortines et al., Eur. Phys. J. B 65, 289 (2008));  Distintas definiciones de entropía  Approximate entropy (Oh et al., Physica A 382, 209 (2007));  Permutation entropy (Zunino et al., Physica A, en prensa (2009));  Tsallis entropy (Bentes et al., Physica A 387, 3826 (2008)). Cuantificador independiente del modelo que discrimine las correlaciones subyacentes y las desviaciones respecto a la Gaussianidad Plano complejidad-entropía

Luciano ZuninoMar del Plata, 27/04/20097 Complexity-entropy causality plane Bandt & Pompe, PRL 88, (2002) Este plano de representación distingue:  Gaussian from non-Gaussian process;  Different degrees of correlations. Rosso, Larrondo, Martín, Plastino & Fuentes, PRL 99, (2007) Eje temporal

Luciano ZuninoMar del Plata, 27/04/20098 El método de Bandt & Pompe introduce la causalidad temporal en el cálculo de la distribución de probabilidades asociada a la serie temporal. Estas ventajas desaparecen si se consideran otras alternativas para el cálculo de las probabilidades (Histograma de las amplitudes, Representación binaria). La complejidad no es una función trivial de la entropía Movimiento periódico Complejidad nula Ruido blanco Complejidad nula Dinámica con estructuras ocultas......

Luciano ZuninoMar del Plata, 27/04/20099 La clasificación en desarrollados y emergentes es obtenida siguiendo la metodología de Morgan Stanley Capital Index (MSCI) (

Luciano ZuninoMar del Plata, 27/04/200910

Luciano ZuninoMar del Plata, 27/04/200911

Luciano ZuninoMar del Plata, 27/04/200912

Luciano ZuninoMar del Plata, 27/04/200913

Luciano ZuninoMar del Plata, 27/04/ Conclusiones  El plano complejidad-entropía (Bandt & Pompe method) permite cuantificar la ineficiencia de los mercados financieros;  Se propone una solución Física a este problema de la Economía con herramientas derivadas de la Teoría de la Información ;  Se vuelven a evidenciar las ventajas del método de Bandt & Pompe en el cálculo de la distribución de probabilidades asociada a una serie temporal (causalidad temporal);  Clasificación más “objetiva” de los mercados financieros mundiales. ¿Cómo decido los límites en el plano complejidad-entropía?