Todas las guías de opciones
Separa una señal cambiante de cómo se observa18 min de lectura
Modelos de espacio de estados y estados latentes
Entiende ecuaciones de transición y medición, predicción, filtrado, suavizado, identificación y señales financieras cambiantes en espacio de estados.
Preparado por Mark · Fuentes principales al final
Respuesta directa
Un modelo de espacio de estados separa un estado que evoluciona sin observarse de las mediciones ruidosas que genera. La ecuación de transición describe cómo cambia el estado latente y la de medición lo conecta con los datos. La predicción usa información anterior a una nueva observación, el filtrado incorpora la actual y el suavizado revisa estados pasados con toda la muestra. El estado estimado depende del modelo y no es una verdad descubierta, por lo que identificación, ruido, inicialización y revisiones en tiempo real deben ser visibles.
Observaciones y estados tienen papeles distintos
El precio de mercado se observa; un precio eficiente, tendencia, volatilidad o prima de riesgo puede tratarse como estado latente.
El estado resume lo necesario para describir la dinámica y pronosticar observaciones. No tiene que ser un objeto físicamente medible.
Elegirlo es una decisión de modelado. Llamar “valor fundamental” a un residuo no identifica esa interpretación económica.
Dos ecuaciones definen la representación
La transición mueve el estado entre fechas mediante persistencia, entradas conocidas y ruido de proceso.
La medición proyecta el estado actual sobre variables observadas y añade ruido de medición o perturbaciones breves.
Matrices variables permiten exposiciones cambiantes, ausencias, estacionalidad o intervenciones conocidas sin alterar la lógica.
Predicción, filtrado y suavizado usan información distinta
La predicción a un paso estima el siguiente estado u observación con datos hasta t−1 y es el prior verdaderamente disponible.
El filtrado condiciona por observaciones hasta t y actualiza el estado actual. El suavizado usa datos posteriores para revisar uno anterior.
Una historia suavizada puede parecer más limpia que lo disponible en vivo. Un backtest no debe sustituir filtrados por suavizados.
La identificación precede al cálculo
Rotaciones, escalas o descomposiciones diferentes pueden producir la misma distribución observada. Sin restricciones, etiquetas y unidades no son únicas.
Fijar cargas, varianzas, signos u orden puede identificar una representación, pero cada restricción tiene significado económico.
La casi falta de identificación aparece como verosimilitud plana, parámetros inestables y estados sensibles a pequeños cambios.
Las varianzas de ruido controlan la señal
El ruido de proceso decide cuán rápido puede cambiar el estado y el de medición cuánto puede apartarse una observación.
Una razón proceso-medición alta produce un estado reactivo; una baja, uno suave. Es un equilibrio estimado, no una elección estética.
Si ambas perturbaciones absorben igual variación, las varianzas se identifican débilmente. Varias mediciones o restricciones pueden ayudar.
La estimación deja evidencia diagnóstica
Los modelos lineales Gaussianos suelen usar Kalman Filter para errores predictivos y varianzas, formando una verosimilitud de innovaciones.
Innovaciones estandarizadas no deberían tener autocorrelación ni varianza predecible. Patrones restantes señalan dinámica omitida.
Atípicos, colas gruesas, no linealidad y rupturas distorsionan estados. Métodos robustos o no Gaussianos cambian cálculo y supuestos.
Los componentes financieros evolucionan
El modelo puede dividir una curva de tipos en factores, estimar beta variable o separar precio eficiente de ruido microestructural.
También representa volatilidad estocástica, liquidez latente o retorno esperado lento si las observaciones contienen información suficiente.
Una descomposición flexible no prueba causalidad. Cada componente hereda las mediciones y restricciones que lo definen.
Expón la incertidumbre en tiempo real
Si la revisión histórica importa, informa trayectorias filtradas y suavizadas con incertidumbre, no una sola línea.
Declara ecuaciones, unidades, restricciones, distribución inicial, covarianzas, estimación, ausencias y origen del pronóstico.
Evalúa pronósticos rodantes y revisiones. Un modelo que explica bellamente la historia puede estimar mal el estado actual al final.
Preguntas frecuentes
¿Un estado latente es una variable económica real oculta?
No necesariamente. Es una representación definida por el modelo y su interpretación requiere evidencia adicional.
¿En qué difieren filtrado y suavizado?
El filtrado usa datos hasta el presente; el suavizado revisa el pasado con observaciones posteriores.
¿Por qué importan tanto las varianzas?
Deciden si una observación nueva se atribuye a movimiento del estado o a perturbación temporal.
¿Puede manejar observaciones ausentes?
Sí. Puede omitirse o adaptarse la actualización de medición mientras continúa la transición.
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