Todas las guías de opciones
Separa una intervención de la trayectoria que ya existía18 min de lectura
Series temporales interrumpidas y regresión segmentada
Aprende a estimar cambios de nivel y pendiente, por qué importan la tendencia base y la autocorrelación, y cuándo una serie control refuerza un análisis financiero.
Preparado por Mark · Fuentes principales al final
Respuesta directa
Una serie temporal interrumpida proyecta la trayectoria estimada con observaciones repetidas antes de una intervención bien fechada y la compara con el camino posterior real. La regresión segmentada separa un cambio inmediato de nivel de un cambio de pendiente, pero una ruptura visible no basta para afirmar causalidad. No debe haber otro choque coincidente, la tendencia previa debe ofrecer un contrafactual creíble y hay que tratar estacionalidad, autocorrelación, anticipación, composición y rupturas de medición.
La trayectoria antigua se vuelve contrafactual
El diseño usa muchas observaciones a ambos lados de la intervención, no una sola comparación antes-después.
La serie previa estima el nivel y tendencia que habrían continuado sin intervención. Las desviaciones posteriores se miden contra esa proyección.
Es más fuerte con fecha fijada externamente, medición consistente y una trayectoria suficientemente estable para extrapolar.
La regresión segmentada separa dos cambios
Un modelo básico incluye tiempo, un indicador que se activa al intervenir y el tiempo transcurrido desde entonces.
El indicador estima un salto inmediato de nivel; el tiempo posterior estima cuánto cambia la pendiente respecto de la tendencia base.
El efecto en un horizonte posterior combina nivel y pendiente acumulada. Informar solo un coeficiente puede ocultar la ruta económica relevante.
La forma de interrupción debe seguir el mecanismo
Una regla bursátil puede entrar en vigor de golpe, mientras una reforma de cumplimiento puede implantarse gradualmente. Escalón, rampa, demora y pulso cuentan historias distintas.
La anticipación antes de la fecha formal vuelve engañoso un indicador abrupto. Conviene separar anuncio, adopción y ejecución.
Elegir el punto o la forma tras mirar el resultado exagera el ajuste. La cronología debe justificar la especificación principal de antemano.
La dependencia temporal cambia la incertidumbre
Observaciones cercanas comparten choques, por lo que errores independientes suelen producir intervalos demasiado estrechos.
Gráficos de residuos y diagnósticos de autocorrelación deben guiar el modelo de error o la inferencia temporal robusta. Más frecuencia no crea evidencia independiente.
Estacionalidad, festivos, volatilidad cambiante, atípicos y tendencias no estacionarias pueden parecer una intervención y exigen juicio estadístico y económico.
Los choques simultáneos son la mayor amenaza
Otro evento cercano puede crear el mismo cambio de nivel o pendiente. Noticias macroeconómicas y normas simultáneas son especialmente peligrosas en finanzas.
Medición y composición también deben permanecer estables. Cambiar proveedor, universo cotizado o definición del diferencial produce rupturas artificiales.
Si la intervención sigue a un valor extremo, preocupa la reversión a la media. Un periodo previo largo revela si hubo reversiones parecidas.
Una serie control puede reforzar el diseño
El diseño controlado añade una serie no expuesta que comparte choques comunes. El estimando pasa a ser una diferencia entre interrupciones.
El control debe compartir fuerzas base sin recibir tratamiento, anticipación ni contagio. Un referente contaminado puede restar parte del efecto real.
Varios controles o una comparación sintética ayudan, pero siguen exigiendo buena comovilidad previa y selección transparente.
Las aplicaciones financieras requieren contexto
Cambios en tamaño de tick, ventas en corto, plazos de divulgación o sistemas bursátiles pueden estudiarse mediante diferenciales, volumen o volatilidad.
La frecuencia intradía aporta puntos, pero también dependencia microestructural, patrones semanales y noticias solapadas. Tamaño muestral no equivale a identificación.
Define unidad, frecuencia, ventana, fechas, forma de respuesta esperada y eventos rivales antes de interpretar la ruptura.
La sensibilidad convierte la ruptura en evidencia
Prueba fechas placebo, ventanas razonables, tendencias, controles estacionales y estructuras de autocorrelación. Comprueba si domina un día extremo.
Informa cambios de nivel y pendiente, efectos a horizontes útiles, diagnósticos y trayectorias real y contrafactual con incertidumbre.
Si muchas fechas falsas muestran rupturas similares o el resultado desaparece al modelar un choque simultáneo, la conclusión causal debe debilitarse.
Preguntas frecuentes
¿Es solo un estudio antes-después?
No. Usa observaciones repetidas para estimar nivel y tendencia base, no un punto a cada lado.
¿En qué difieren nivel y pendiente?
El nivel cambia de inmediato; la pendiente cambia la velocidad con que evoluciona el resultado.
¿Por qué modelar la autocorrelación?
Las observaciones cercanas comparten choques y tratarlas como independientes suele subestimar la incertidumbre.
¿Una serie control resuelve todos los problemas?
No. Solo ayuda con choques comunes si es comparable y permanece libre de tratamiento y contagio.
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