Todas las guías de opciones
Por qué muchos riesgos pequeños pueden parecer normales sin serlo15 min de lectura
El Teorema Central del Límite en finanzas
Entiende qué afirma el Teorema Central del Límite sobre sumas estandarizadas, qué supuestos violan los retornos, por qué la aproximación no es exacta y cuándo falla la regla de raíz del tiempo
Preparado por Mark · Fuentes principales al final
Respuesta directa
El Teorema Central del Límite dice que una suma debidamente centrada y escalada de muchas contribuciones aleatorias bien comportadas se acerca a una distribución normal. Es una afirmación asintótica con condiciones, no una prueba de que los retornos diarios sean normales ni de que las pérdidas de cola finitas sigan una campana
El teorema trata sumas, no observaciones originales
Sean X_1,…,X_n independientes e idénticamente distribuidas con media finita μ y varianza positiva finita σ²
La versión clásica dice que (Σ_iX_i−nμ)/(σ√n) converge en distribución a N(0,1) cuando n tiende a infinito
Cada X_i puede ser asimétrica o discreta; la conclusión trata el agregado estandarizado, no la forma de cada entrada
Centrar y escalar es esencial
La suma crece alrededor de nμ y su desviación estándar como σ√n bajo independencia
Para la media muestral, √n(Ȳ_n−μ)/σ tiene el mismo límite y el error estándar baja a ritmo 1/√n
Omitir el centrado, usar una varianza errónea o ignorar covarianzas cambia el objeto y puede invalidar la comparación normal
Convergencia no significa normalidad exacta
La convergencia en distribución describe umbrales estandarizados fijos en el límite, no igualdad para un n concreto
La velocidad depende de asimetría, grosor de cola, efectos de retícula y momentos más fuertes, y puede ser lenta en la cola lejana
Una aproximación normal puede funcionar en el centro y subestimar mucho la probabilidad de una gran pérdida de muestra finita
Los retornos financieros desafían los supuestos
Los retornos muestran agrupación de volatilidad, dependencia serial, saltos, rupturas, exposición cambiante y distribuciones variables
Hay TCL para dependencia débil y martingalas, pero cada versión sustituye independencia por condiciones regulares precisas
Si la varianza es infinita, el límite normal clásico con √n puede fallar y surgir un límite estable no normal con otro escalado
La raíz del tiempo es consecuencia de un modelo
Para incrementos estacionarios no correlacionados con varianza constante, Var(Σ_iX_i)=nσ² y la volatilidad es proporcional a √n
Las autocovarianzas añaden 2Σ_{h=1}^{n−1}(n−h)γ_h, por lo que persistencia o reversión cambian la varianza del horizonte
Capitalización, volatilidad estocástica, saltos, datos solapados y calendario también impiden una conversión diaria mecánica
La inferencia necesita varianza de largo plazo estimable
Sustituir σ por una estimación produce errores estándar asintóticos solo si el estimador y los supuestos de dependencia son válidos
Los métodos robustos a heterocedasticidad y autocorrelación estiman varianza de largo plazo sin fingir independencia
Muestras pequeñas, colas pesadas, exploración y medias inestables pueden descalibrar un intervalo de apariencia precisa
La validación debe seguir el uso de la aproximación
Examina dependencia, regímenes volátiles, gráficos de cola, estabilidad por submuestras y sumas estandarizadas por horizonte
Compara por separado cobertura empírica central y umbrales de cola, pues acertar cerca de la mediana no valida capital de riesgo
Usa Bootstrap, métodos robustos, leyes estables o series temporales explícitas cuando sus supuestos se ajusten mejor
Preguntas frecuentes
¿Qué dice el Teorema Central del Límite?
Bajo condiciones adecuadas, una suma centrada y dividida por su desviación estándar se aproxima a una normal estándar
¿Demuestra que los retornos bursátiles son normales?
No. Describe un agregado asintótico bajo condiciones, no retornos de un periodo ni colas finitas
¿Por qué la volatilidad escala con la raíz del tiempo?
Se deduce con incrementos estacionarios no correlacionados de varianza finita constante, no solo del TCL
¿Qué ocurre si la varianza es infinita?
El TCL normal clásico puede fallar y las sumas normalizadas converger a una ley estable no gaussiana con otro escalado
Fuentes
Aplique esta idea a una opción
Elija un contrato y un objetivo para mantener visibles los supuestos de precio, tiempo y volatilidad en un mismo análisis
Analizar mi opción en inglés