📊 Trading cuantitativo
Mean reversion estadística avanzada: cómo encontrar el equilibrio del mercado
Convertir “el precio está lejos de su media” en una hipótesis que se puede probar, medir y validar estadísticamente.
La mean reversion estadística parte de una idea sencilla: después de alejarse de su comportamiento habitual, una serie financiera puede tender a regresar hacia un nivel de equilibrio. Sin embargo, convertir esa idea en una estrategia cuantitativa exige mucho más que observar si un precio está por encima o por debajo de una media.
El verdadero desafío consiste en determinar si la reversión existe estadísticamente, cuánto tarda en producirse y cuándo una desviación representa una oportunidad o, por el contrario, el comienzo de un nuevo régimen.
📉 Cuando estar lejos de la media no es suficiente
Una estrategia tradicional puede utilizar una media móvil para detectar precios aparentemente extremos. Las bandas de Bollinger, por ejemplo, incorporan la desviación estándar para medir la distancia entre el precio y su promedio. Estas herramientas pueden ayudar a localizar situaciones de sobreextensión, pero una señal extrema no garantiza una reversión.
❓ La primera pregunta cambia: ¿la serie tiene realmente propiedades compatibles con la reversión a la media, o es simplemente una caminata aleatoria?
QuantStart plantea esta diferencia mediante el concepto de estacionariedad. Un proceso de reversión puede representarse, por ejemplo, mediante un modelo de Ornstein-Uhlenbeck, donde existe una fuerza que devuelve la variable hacia una media de largo plazo.
🧪 Dos pruebas para separar reversión y ruido
El Augmented Dickey-Fuller (ADF) permite analizar la presencia de una raíz unitaria. Su hipótesis nula está relacionada con un proceso no estacionario; si puede rechazarse bajo los criterios adecuados, existe evidencia compatible con estacionariedad.
El Hurst Exponent aporta una perspectiva diferente:
Compatible con mean reversion
Caminata aleatoria
Persistencia / tendencia
Pero ninguna de estas pruebas debería convertirse en una señal automática de compra o venta. Son herramientas de diagnóstico: ayudan a determinar qué tipo de comportamiento presenta la serie antes de diseñar la operación.
Este filtro permite evitar uno de los errores más habituales: interpretar cualquier movimiento extremo como una oportunidad mean-reverting.
🔗 El spread puede ser más interesante que el precio
Spread = Precio A − β × Precio B. Si los precios individuales siguen tendencias pero su combinación es estable, ese spread se vuelve el objeto de análisis.
Aquí aparece el pairs trading. La estrategia busca dos activos relacionados y aprovecha las divergencias temporales entre ellos: comprar relativamente el activo que se ha quedado atrás y vender el que se ha separado al alza. IG identifica esta operativa como una aplicación del arbitraje estadístico y de la reversión a la media. Interactive Brokers también aborda las estrategias de mean reversion desde una perspectiva cuantitativa, incluyendo enfoques basados en relaciones estadísticas entre activos.
🔢 Ejemplo: una desviación de 2,5 sigmas
Imaginemos un spread cuya media histórica es 100 y cuya desviación estándar es 5. Actualmente cotiza en 112.
Spread en 112
Z = 2,4
2,4 desviaciones por encima de la media
Spread cae a 103
Z = 0,6
La desviación se redujo — convergencia capturada
A primera vista podría parecer una señal para vender. Pero todavía falta una pregunta fundamental: ¿ese spread suele revertir después de alcanzar niveles similares? Si las pruebas anteriores indican que la serie es estacionaria y el comportamiento histórico respalda la hipótesis, la desviación puede convertirse en una señal candidata.
El z-score mide la distancia, pero no demuestra por sí mismo que vaya a producirse una reversión.
🛠️ Cómo construir una estrategia de mean reversion
Datos históricos
Comprobar estacionariedad
Evaluar Hurst y dinámica temporal
Construir spread si procede
Calcular z-score
Definir entrada y salida
Aplicar gestión del riesgo
Validar fuera de muestra
Este proceso convierte una observación subjetiva en una hipótesis cuantificable.
⚠️ El peligro: una media también puede cambiar
La mayor debilidad de la mean reversion aparece cuando el mercado cambia de régimen. Un precio que se encuentra muy por encima de su media puede no estar “sobrevalorado” estadísticamente. Puede existir nueva información que haya cambiado permanentemente su nivel de equilibrio. En ese escenario, vender únicamente porque el precio está lejos de la media puede generar pérdidas crecientes.
IG señala que una nueva información puede modificar la valoración de un activo y hacer que la propia media se desplace hacia el nuevo nivel. Macro Ops plantea la reversión como un fenómeno que debe analizarse dentro del contexto de mercado: volatilidad, extremos, volumen y régimen.
Por eso, una estrategia avanzada necesita contemplar tamaño de posición, stop-loss, costes de ejecución, slippage y límites de pérdida.
🧭 De la estadística al trading cuantitativo
La mean reversion estadística no consiste simplemente en comprar cuando un activo cae demasiado. Su valor aparece cuando podemos demostrar que existe una relación de equilibrio, medir la magnitud de las desviaciones y establecer bajo qué condiciones esa relación deja de ser válida.
✨ La verdadera ventaja no está en asumir que los precios siempre regresan a la media, sino en determinar cuándo existe suficiente evidencia para considerar que una desviación es temporal y cuándo debemos aceptar que el mercado ha cambiado.
Este contenido tiene fines educativos y no constituye una recomendación de inversión. El trading conlleva un alto riesgo de pérdida de capital. Analiza siempre tu propia situación financiera antes de operar.