Objetivo de volatilidad en trading: tamaño de posición, pronóstico y límites

Un objetivo de volatilidad especifica cuánto debería fluctuar una posición o una cartera sin cambios bajo un pronóstico determinado. El método parte de una serie de rendimientos definida: por ejemplo, la de una acción, un futuro o una cartera con reglas ya establecidas. Después adapta el importe expuesto a la variabilidad estimada de esa serie. El objetivo no pronostica si el rendimiento será positivo o negativo.

Para una estrategia base fija, el multiplicador puede expresarse como kₜ = volatilidad objetivo ÷ volatilidad pronosticada. Si el objetivo anualizado es 10 % y el pronóstico anualizado es 20 %, kₜ = 0,50. Antes de aplicar otros límites, la exposición planificada equivale al 50 % de la base. Con la misma estrategia y la misma estimación de riesgo, el multiplicador cambia el tamaño de la posición; no crea por sí solo una nueva idea de trading.

Esto es distinto de un precio objetivo, un stop-loss o un presupuesto de pérdida fija. La regla distribuye el riesgo a lo largo de varios periodos bajo un pronóstico, pero no controla la pérdida de un día concreto. Confundir volatilidad con dirección o con una cantidad de riesgo garantizada lleva a interpretar mal la regla.

En la investigación y en la práctica, las expresiones gestión de volatilidad y gestión de riesgo se usan para reglas de escalado distintas. En una regla intuitiva de objetivo de volatilidad, la desviación estándar pronosticada queda en el denominador: la exposición es proporcional al objetivo de volatilidad dividido por su pronóstico. Si, manteniendo lo demás constante, el pronóstico se duplica, el multiplicador se reduce a la mitad, siempre que no intervenga otra regla.

Una construcción conocida en la investigación escala, en cambio, de forma proporcional a la varianza inversa estimada a partir de rendimientos pasados: ponderación ∝ 1 ÷ varianza estimada. En su construcción central, Moreira y Muir utilizan la varianza realizada del periodo anterior, no el mismo cálculo directo de un objetivo de volatilidad. Como la varianza es el cuadrado de la desviación estándar, duplicar la volatilidad reduce esa ponderación a una cuarta parte, no a la mitad. Además, a menudo se elige un factor de normalización propio. Ese factor responde al diseño del estudio; no convierte automáticamente la regla en un objetivo de volatilidad fijado de antemano.

No se trata solo de nombres distintos. Ambas reglas reaccionan de manera diferente ante el mismo cambio del pronóstico, por lo que pueden producir rotación, picos de apalancamiento y trayectorias de rentabilidad distintas. Moreira y Muir estudian una escala inversa a la varianza para carteras de factores (su estudio de 2017). Barroso y Santa-Clara analizan una estrategia de momentum con gestión del riesgo (su estudio de 2015). Los resultados de una estrategia o muestra concreta no se trasladan sin más a un instrumento individual.

El pronóstico tiene que corresponder a la serie de rendimientos cuya exposición se va a escalar. Quien opera un futuro no debería sustituirla, sin explicarlo, por la volatilidad de un índice bursátil. Si se gestiona una estrategia long-short definida, la estimación debe corresponder a sus rendimientos y reglas de posición. En una cartera de varios activos, la varianza también depende de las covarianzas; promediar las volatilidades individuales no basta.

La desviación estándar móvil de rendimientos diarios es fácil de calcular, pero primero mide fluctuaciones observadas en el pasado. Para usarla en la regla hace falta una estimación disponible en el momento de la decisión y aplicable al periodo siguiente. Una ventana móvil, EWMA o GARCH pueden servir de base, pero cada método responde de forma distinta a los shocks recientes y a observaciones más antiguas. Agrupamiento de volatilidad y GARCH explica la previsión de varianza condicional; cálculo de la volatilidad realizada trata su medición a partir de precios pasados; el cono de volatilidad compara sus valores entre horizontes con su distribución histórica.

También deben coincidir la unidad y el horizonte. Una desviación diaria y un objetivo anual no son comparables directamente. La conversión habitual por √252 supone una convención diaria adecuada y rendimientos aproximadamente incorrelacionados y suficientemente estables. Con autocorrelación, saltos o cambios de régimen, esa aproximación sencilla puede fallar al estimar la fluctuación en horizontes más largos. Compara magnitudes anualizadas con la misma convención o ambas magnitudes en la misma escala temporal. Desviación estándar y varianza tampoco son intercambiables: una volatilidad del 20 % equivale a una varianza de 0,20² = 0,04 en unidades al cuadrado. Varianza y volatilidad explica la diferencia de unidades.

Supongamos una estrategia base sin cambios, una exposición nocional de 100.000 dólares y un pronóstico de volatilidad anualizada del 20 %. El objetivo es del 10 %. El cociente es 10 % ÷ 20 % = 0,50, así que la exposición calculada baja a 50.000 dólares. Es una ilustración aritmética con escalado lineal, la misma cartera y unidades y horizontes compatibles. Aún no incluye costes y no fija en el 10 % la volatilidad que se realizará.

En otro periodo, supongamos que el pronóstico baja al 5 %. Sin restricciones, el factor sería 10 % ÷ 5 % = 2 y la exposición alcanzaría 200.000 dólares. Si una regla hipotética limita el factor a 1,25, el máximo permitido pasa a 125.000 dólares. Con un pronóstico del 5 %, bajo la suposición lineal esta exposición corresponde a un 6,25 % de volatilidad pronosticada tras el escalado, por debajo del objetivo del 10 %. El límite de apalancamiento prevalece sobre el factor matemático; en ese caso no se alcanza el objetivo.

El ejemplo mantiene la misma estrategia y cartera, exige que coincidan horizonte y unidades y supone una escala lineal del riesgo. Las posiciones en opciones, los saltos de precios y la liquidez limitada pueden modificar esa relación. La cuenta solo ilustra cómo cambia la exposición planificada cuando cambia el pronóstico. Excluye costes y no predice rendimiento ni pérdidas.

Una regla de posición solo puede usar información que estuviera disponible antes del periodo de los rendimientos escalados. Si al cierre de la sesión t se calcula una nueva estimación de volatilidad, puede servir para establecer la posición para la negociación posterior. No se puede aplicar retroactivamente al mismo rendimiento diario que se utilizó para calcularla. En un backtest, la hora de la señal, la orden, el precio de ejecución y el intervalo del rendimiento deben encajar cronológicamente.

Las demoras de los datos también importan. El precio de cierre puede no quedar confirmado hasta después de la sesión; el valor de un fondo o índice puede publicarse más tarde. Si en la ejecución real la estrategia solo puede reaccionar en el siguiente momento negociable, el modelo histórico debe reflejar la misma demora. Una adaptación irrealmente rápida hace parecer que la posición evitó un shock que en realidad ya había ocurrido.

Define también la frecuencia de rebalanceo. Actualizar a diario puede responder antes a los cambios en la estimación, pero también generar más rotación y costes. Un esquema semanal o mensual suaviza los ajustes, aunque deja la exposición más tiempo sin cambios entre revisiones. La frecuencia de los datos, el horizonte del pronóstico y el calendario de rebalanceo son decisiones distintas; no deben comprimirse en un solo número.

En una cartera con varias posiciones, el riesgo total no depende solo de la volatilidad de cada componente. Si los pesos no se escalan de forma proporcional, la varianza prevista debe incluir las covarianzas: σ²ₚ = wᵀΣw, donde w representa los pesos y Σ la matriz de covarianzas pronosticada. Si se aplica un solo multiplicador k a una cartera fija, la varianza se multiplica idealmente por k² y la volatilidad por |k|.

Esta simplificación presupone que la composición y los pesos relativos no cambian durante el ajuste y que los rendimientos escalan aproximadamente de manera lineal con la exposición. En cambio, si se escala cada acción, futuro o estrategia con su propia volatilidad, cambian también los pesos de la cartera y las correlaciones. La volatilidad resultante ya no se obtiene con un único cociente. Los shocks de mercado y liquidez compartidos pueden modificar las correlaciones justo cuando los promedios históricos son menos informativos.

Distingue también entre exposición a valor de mercado, apalancamiento bruto y neto, margen y riesgo de volatilidad. Un futuro puede exigir relativamente poco margen inicial y representar una exposición nominal elevada. El saldo libre de la cuenta no limita automáticamente el tamaño de una posición a un nivel de riesgo concreto. Las especificaciones del contrato, las garantías, el margen de variación diario y la liquidación del bróker requieren controles propios; una cifra de volatilidad objetivo no los reemplaza. El dimensionamiento de posiciones en futuros explica por qué el valor del tick, un escenario adverso y un presupuesto de pérdida son datos separados.

Cuando el pronóstico se acerca a cero, volatilidad objetivo ÷ volatilidad pronosticada crece mucho. Sin un límite superior, una muestra reciente tranquila puede hacer caer la estimación y la regla podría proponer una posición muy grande. Por eso los sistemas prácticos suelen fijar un apalancamiento máximo, un suelo en el denominador, un tamaño máximo de posición u otros límites de concentración y liquidez. Cada límite cambia la regla efectiva y debe aplicarse de la misma forma en el backtest.

Un límite reduce la exposición calculada, pero no garantiza una pérdida máxima. El mercado puede saltar entre cierres, las órdenes pueden ejecutarse parcialmente, los spreads pueden ampliarse y los requisitos de margen pueden subir. En futuros, perpetuos u otros instrumentos apalancados también intervienen la financiación, el funding, el coste de préstamo y los flujos diarios. La estimación de volatilidad tampoco garantiza un precio de salida: ante un gap, la ejecución puede quedar muy lejos del precio previsto.

Los ajustes frecuentes y las grandes variaciones del multiplicador generan más rotación. Comisiones, diferenciales comprador-vendedor, deslizamiento, impacto de mercado y financiación reducen la rentabilidad neta y pueden alterar la propia estimación si se excluyen de la serie de rendimientos. Una evaluación prudente comunica métricas brutas y netas e incorpora un supuesto de costes plausible y variable en el tiempo. Suavizar el pronóstico, aplicar histéresis o exigir una variación mínima antes de cursar una orden puede reducir la rotación, pero añade parámetros que no deberían optimizarse después de observar el resultado del backtest.

Compara la posición escalada con la estrategia base sin escalar usando los mismos datos y una cronología correcta. Usa una evaluación walk-forward en la que cada estimación aproveche solo información pasada. Si eliges la longitud de ventana, el modelo, la volatilidad objetivo, el límite superior y la frecuencia de ajuste con la misma historia, parte del resultado puede reflejar la búsqueda de una variante favorable y no una propiedad robusta.

Además de la volatilidad anualizada realizada, documenta rentabilidad neta, caída máxima, pérdidas de cola izquierda, distribución del apalancamiento, rotación, financiación y comportamiento en periodos de estrés. Reducir volatilidad puede ir acompañado de una rentabilidad menor; una mejora de Sharpe dentro de una muestra puede depender del diseño de evaluación. La anualización de Sharpe también puede inducir a error con rendimientos dependientes; correlación serial y anualización del Sharpe aborda ese punto. Un block bootstrap de rendimientos de estrategias puede analizar la incertidumbre de una estadística de rendimiento, pero tampoco corrige automáticamente la selección de estrategia.

La investigación no ofrece una garantía universal. Moreira y Muir documentan ventajas para determinadas carteras con escala inversa a la varianza (estudio de 2017), mientras que Cederburg y sus coautores no encuentran una mejora sistemática del Sharpe en una comparación más amplia de 103 estrategias bursátiles (estudio de 2020). El contraste muestra cuánto importan la definición, la muestra, la normalización ex post y la aplicación en tiempo real. En un marco teórico, Taylor muestra además que una asignación dinámica óptima puede tener en cuenta tanto la rentabilidad condicional como la varianza y la preferencia por el riesgo (estudio de 2023). Un pronóstico de volatilidad, por sí solo, no constituye una optimización completa de cartera.

Una regla de objetivo es una escala ex ante basada en un pronóstico, no una promesa sobre la volatilidad que se realizará después. El mercado puede fluctuar con más rapidez o intensidad de la prevista por el modelo. Un gap inesperado afecta primero a la posición ya abierta; solo después el pronóstico siguiente puede reducir la exposición. Si el aumento de volatilidad coincide con una caída de precios, el ajuste no puede deshacer la pérdida ni evitar una caída determinada.

Los mercados tranquilos tampoco están libres de riesgo. Una volatilidad reciente baja puede hacer crecer la posición justo antes de que cambie la distribución. Una desviación estándar no describe por sí sola la asimetría, el tamaño de los saltos, los problemas de liquidez ni los movimientos extremos conjuntos. Dos estrategias con igual volatilidad estimada pueden sufrir trayectorias de pérdida muy diferentes. Por eso el targeting de volatilidad no es un stop-loss, no garantiza protección frente a pérdidas y no pronostica los rendimientos futuros.

Antes de usar la regla, deja definidos el horizonte objetivo, el modelo de pronóstico, el momento de ejecución, el suelo del denominador, el límite de apalancamiento, los supuestos de costes y el proceso de revisión. Los backtests deben mostrar cuándo aumentó y cuándo redujo la exposición, no solo una estadística agregada. El método explica cómo traducir una estimación de riesgo definida en exposición; no demuestra que la estrategia subyacente sea viable y no es asesoramiento financiero personalizado.