Vous êtes sur la page 1sur 89

Introducción

Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Escalamiento y Multiescalamiento Fractal en


Mercados Financieros:
Estudio del Índice General de la Bolsa de Valores de Lima

Luis Francisco Rosales Marticorena


l.rosales@cgiar.org
Trabajo de Investigación Presentado
para Obtener el Tı́tulo Profesional
de Licenciado en Economı́a

Marzo de 2007

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Movimiento Browniano Ordinario (mBo)

Bachelier [84]
propone al mBo para
modelar precios en el
mercado de acciones.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Movimiento Browniano Ordinario (mBo)

Bachelier [84]
propone al mBo para
modelar precios en el
mercado de acciones.
Pero no es suficiente.
Se requieren modelos
que caractericen los
hechos estilizados del
retorno.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Problemas:
Análisis lineal, variabilidad de las medidas tomadas en cada escala;
carencia de un modelo analı́tico para el retorno.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

La literatura financiera peruana se ha centrado en la


verificación de que la hipótesis de mercado eficiente [32], [33]
no se cumple en su versión débil.
Para ello se han empleado i) métodos lineales en una versión
de la serie [24], [72], [73]; y ii) algoritmos de inversión no
lineales [51].

Problemas:
Análisis lineal, variabilidad de las medidas tomadas en cada escala;
carencia de un modelo analı́tico para el retorno.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

1 Analizar la validez de la eficiencia débil en mercado bursatil


peruano para un conjunto determinado de escalas; y

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

1 Analizar la validez de la eficiencia débil en mercado bursatil


peruano para un conjunto determinado de escalas; y
2 Analizar la predictivilidad de las fluctuaciones del retorno no
recogida (necesariamente) por modelos econométricos
ARIMA-GARCH, y que puede ser útil para un mejor manejo
del riesgo.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Los métodos empleados para verificar las hipótesis anteriores se


basan en:

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Los métodos empleados para verificar las hipótesis anteriores se


basan en:
El análisis-R/S de Hurst [34], [83] sobre r (t).

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Los métodos empleados para verificar las hipótesis anteriores se


basan en:
El análisis-R/S de Hurst [34], [83] sobre r (t).
El AMBW desarrollado por Muzy, Bacry y Arnéodo [2], [4] y
[7] para las fluctuaciones |r (t)|.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

1 La existencia de persistencia en la serie r (t) del IGBVL


medida por un exponente de Hurst mayor a 1/2; y

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción Antecedentes
Fundamentos Matemáticos El Caso Peruano
Caracterización de Señales Financieras Objetivos
Resultados Empı́ricos de IGBVL Metodologı́a
Conclusiones y Recomendaciones Hipótesis

1 La existencia de persistencia en la serie r (t) del IGBVL


medida por un exponente de Hurst mayor a 1/2; y
2 La existencia de un proceso multifractal en la fluctuación
|r (t)| bajo el análisis del AMBW, para un conjunto
determinado de momentos estadı́sticos.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Definición (Fractal)

Un fractal es una figura formada por partes similares al todo en


alguna manera.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Definición (Autosimilaridad)

S es autosimilar si es invariante en dilataciones y traslaciones.

Conjunto de Cantor

Conjunto de kotch

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Una manera alternativa de analizar el fenómeno de autosimilaridad


para funciones fractales f (t), i.e. el conjunto de puntos en el plano
que cumplen la relación (x1 , x2 ) = (t, f (t)) consiste en considerar
un ratio de escalamiento λ de modo que f (t) cumpla con

f (λt) = λα f (t), ∀ t ∈ R (1)

con un exponente de escalamiento α [66], [87].

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Funcion de Weierstrass

−1

−2
0 100 200 300 400 500 600 700 800 900 1000

Ejemplo (Función Coseno 2

Weierstrass-Mandelbrot) 1

1−cos b n t
W (t) = ∞
P
−∞ b (2−D)n −1
150 200 250 300 350 400 450 500

−1
260 280 300 320 340 360 380

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Dimensión Fractal

Curva de Koch (1<D<2)

Definición (Dimensión por


Conteo de Cajas)

DB (S) es el parámetro que


muestra la relación entre la
longitud total L y la resolución δ
de la rejilla para el conjunto S

L(δ) ∼ aδ 1−DB , (2)

con a ∈ R.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Dimensión Fractal

Definición (Rango de 5

Escalamiento Fractal) 4.5

El rango de escalamiento fractal 3.5

de un conjunto de puntos S se

log(L(!))
3

define como el conjunto de 2.5

escalas para las que existe 2

linealidad entre la medida del 1.5

conjunto S y la escala de 1
0.6 1.4
log(!)

medición δ.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

H=0.15
6

Definición (Autoafinidad 4

2
Estadı́stica) 0

−2
0 100 200 300 400 500 600 700 800 900 1000

{X (t), t ≥ 0} es 0.5
H=0.5

0
estadı́sticamente autoafı́n si −0.5

−1

Ley (X ) = b −H Ley (bX ), (3) −1.5


0 100 200 300 400 500
H=0.85
600 700 800 900 1000

0.4

0.2

con b ∈ R, y donde H ∈ [0, 1] es 0

−0.2
el exponente de Hurst. −0.4
0 100 200 300 400 500 600 700 800 900 1000

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Relación entre H y DH
El exponente H y la dimensión fractal DH se relacionan mediante
la ecuación de Voss [87]

DH = 2 − H,

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Relación entre H y DH
El exponente H y la dimensión fractal DH se relacionan mediante
la ecuación de Voss [87]

DH = 2 − H,

Esto muestra el vı́nculo entre geometrı́a y probabilidad.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Relación entre H y DH
El exponente H y la dimensión fractal DH se relacionan mediante
la ecuación de Voss [87]

DH = 2 − H,

Esto muestra el vı́nculo entre geometrı́a y probabilidad.


Esto simplifica la tarea. No es necesario aplicar R/S, y basta
con calcular dimensiones fractales.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Definición (Multiafinidad
Estadı́stica)

{X (t), t ≥ 0} es
estadı́sticamente multiafı́n si

Ley (X ) = b −αt Ley (bX ), (4)

con b ∈ R, y αt ∈ [0, 1] ∀t ≥ 0
gobierna el proceso.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Ejemplo (Proceso Multiplicativo


Binomial)

El generador parte una barra en


dos piezas, cada una con 1/2 del
área original. Esto hace que se
genere un apilamiento uniforme
hacia los extremos de modo que
el área se concentra en dos Caso1 Caso2

rectángulos de tamaño 1/3 y


altura 3/2 (etapa 2).

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Dimensiones Multifractales

q=1 q=2
0.35 0.07

0.3 0.06
Definición (Exponentes de Masa) 0.25 0.05

0.2 0.04

Son los τ (q) que hacen que la 0.15

0.1
0.03

0.02

medida 0.05

0
0.01

0
0 2000 4000 6000 0 2000 4000 6000

q 4 q=−1 10 q=−2
χ(δ, q) = E[|r (δ, q)| ] 15
x 10
2.5
x 10

2
(q−1)Dq τ (q)
∼ δ =δ , 10
1.5

1
5

no sea 0 ni ∞ para todo q. 0.5

0 0
0 2000 4000 6000 0 2000 4000 6000

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Dimensiones Multifractales

Definición (Espectro Multifractal)


Considerando la secuencia τ (q) y
conociendo que

∂τ (q)
α = −
∂q
−α ln α + (1 − α) ln(1 − α) La convexidad de τ (q)
f (α) = −
ln 2 muestra la multifractalidad
del fenómeno.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Multiescalamiento y Transformada Wavelet

Definición (Transformada Wavelet)

La TW de f es una función complejo


valuada [42] definida por
Z  
−n t −b
Th (a, b) = a h dµ(t),
a
(5)
con a dilatación, b translación,
a, b, n ∈ R ∀ a > 0 y h(t) la wavelet
madre.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Propiedad

Th (λa, t0 + λb) ∼λ→0 λα(t0 ) Th (a, t0 + b), (6)


donde λ, t0 ∈ R, ∀ λ > 0,

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Propiedad

Th (λa, t0 + λb) ∼λ→0 λα(t0 ) Th (a, t0 + b), (6)


donde λ, t0 ∈ R, ∀ λ > 0,

Un exponente local α(t0 ) describe el escalamiento en B(t0 , δ),


con
µ(B(t0 , δ)) ∼δ→0 δ α(t0 ) , (7)
y todas las singularidades de f se detectadan mediante el
máximo local de Th (a, b), ó TWMM en escala a.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Propiedad

Th (λa, t0 + λb) ∼λ→0 λα(t0 ) Th (a, t0 + b), (6)


donde λ, t0 ∈ R, ∀ λ > 0,

Un exponente local α(t0 ) describe el escalamiento en B(t0 , δ),


con
µ(B(t0 , δ)) ∼δ→0 δ α(t0 ) , (7)
y todas las singularidades de f se detectadan mediante el
máximo local de Th (a, b), ó TWMM en escala a.
La TWMM permite replantear la función de partición
considerando un muestreo autosimilar
X
χ(a, b) = |Th (a, bi )|q ∼ aτ (q) ,
bi

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Fractales
Caracterización de Señales Financieras
Multifractales
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Ejemplo (Análisis Multifractal del


mBf)

Los mBf y mBo tienen un sólo


tipo de singularidad, representada
por el valor de H, con
αt = H ∀t, ∀q. Por lo tanto, su
secuencia de exponentes de masa
τ (q) forma una lı́nea recta ∀q, y
su espectro de singularidades
f (α) [formado por las derivadas
de τ (q)], está compuesto por el
par ordenado (H, 1).

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

E1: Presencia de Saltos.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

E1: Presencia de Saltos.


E2: No-independencia

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

E1: Presencia de Saltos.


E2: No-independencia
E3: Colas Pesadas y
Asimetrı́a de la
Densidad.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

E1: Presencia de Saltos.


E2: No-independencia
E3: Colas Pesadas y
Asimetrı́a de la
Densidad.
E4: Conglomerados de
Volatilidad.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

E1: Presencia de Saltos.


E2: No-independencia
E3: Colas Pesadas y
Asimetrı́a de la
Densidad.
E4: Conglomerados de
Volatilidad.
E5: Deformación de la
Densidad en δ

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

E1: Presencia de Saltos.


E2: No-independencia
E3: Colas Pesadas y
Asimetrı́a de la
Densidad.
E4: Conglomerados de
Volatilidad.
E5: Deformación de la
Densidad en δ
E6: Inestabilidad de H

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

Ejemplo (Un Proceso de


Volatilidad Multifractal)

ra (t) = ln P(t + a) − ln P(t)


= σa (t)u(t),

con σa (t) > 0 que puede ser


desc. mult. para cualquier sec.
decrec. de escalas {ai }i=0,...,n
con a0 = T y an = a
n−1
Y
σa = Wai+1 ,a σT . (8)
i=0

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

Supuestos básicos:
HMF1: El mercado está formado por muchos individuos con
horizontes de inversión heterogéneos.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

Supuestos básicos:
HMF1: El mercado está formado por muchos individuos con
horizontes de inversión heterogéneos.
HMF2: Un mismo conjunto de información tiene diferente
impacto sobre las decisiones de un inversionista
dependiendo de su horizonte de inversión.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

Supuestos básicos:
HMF1: El mercado está formado por muchos individuos con
horizontes de inversión heterogéneos.
HMF2: Un mismo conjunto de información tiene diferente
impacto sobre las decisiones de un inversionista
dependiendo de su horizonte de inversión.
HMF3: La estabilidad del mercado es un problema de
liquidez (balance entre oferta y demanda).

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

Supuestos básicos:
HMF1: El mercado está formado por muchos individuos con
horizontes de inversión heterogéneos.
HMF2: Un mismo conjunto de información tiene diferente
impacto sobre las decisiones de un inversionista
dependiendo de su horizonte de inversión.
HMF3: La estabilidad del mercado es un problema de
liquidez (balance entre oferta y demanda).
HMF4: Los precios reflejan la combinación del análisis
técnico de corto plazo con la valoración de
fundamentos de largo plazo.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos El Paradigma Monofractal y los HER
Caracterización de Señales Financieras Procesos Multifractales en Volatilidad
Resultados Empı́ricos de IGBVL Hipótesis de Mercado Fractal
Conclusiones y Recomendaciones

Supuestos básicos:
HMF1: El mercado está formado por muchos individuos con
horizontes de inversión heterogéneos.
HMF2: Un mismo conjunto de información tiene diferente
impacto sobre las decisiones de un inversionista
dependiendo de su horizonte de inversión.
HMF3: La estabilidad del mercado es un problema de
liquidez (balance entre oferta y demanda).
HMF4: Los precios reflejan la combinación del análisis
técnico de corto plazo con la valoración de
fundamentos de largo plazo.
HMF5: Si un activo no tiene relación con el ciclo económico,
no existirá tendencia de largo plazo.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

(a) (b)

0.85 0.85

0.75 0.75
H

H
0.65 0.65

0.55 0.55

2/87 1/91 12/95 1/97 1/01 1/06

(c) (d)

0.85 0.85

0.75 0.75

0.65 0.65
H

0.55 0.55

0.45 0.45

2/87 1/91 12/95 0 1/01 1/06

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Los exponentes de Hurst son inestables.

(a) (b)

0.85 0.85

0.75 0.75
H

H
0.65 0.65

0.55 0.55

2/87 1/91 12/95 1/97 1/01 1/06

(c) (d)

0.85 0.85

0.75 0.75

0.65 0.65
H

0.55 0.55

0.45 0.45

2/87 1/91 12/95 0 1/01 1/06

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Los exponentes de Hurst son inestables.


La mayor inestabilidad corresponde al periodo 87-95.

(a) (b)

0.85 0.85

0.75 0.75
H

H
0.65 0.65

0.55 0.55

2/87 1/91 12/95 1/97 1/01 1/06

(c) (d)

0.85 0.85

0.75 0.75

0.65 0.65
H

0.55 0.55

0.45 0.45

2/87 1/91 12/95 0 1/01 1/06

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

(a) (b)
−2 −2
−3 −3
−4 −4
Ln(P(r))

Ln(P(r))
−5 −5
−6 −6
−7 −7
−8 −8
−9 −9
−0.15 −0.1 −0.05 0 0.05 0.1 0.15 0.2 −0.2 −0.1 0 0.1 0.2 0.3
r r

(c) (d)
−2 −2
−3 −3
−4 −4
Ln(P(r))

Ln(P(r))
−5 −5
−6 −6
−7 −7
−8 −8
−9 −9
−0.2 −0.1 0 0.1 0.2 0.3 0.4 −0.2 −0.1 0 0.1 0.2 0.3 0.4
r r

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

La densidad del retorno dista de distribuirse normal.

(a) (b)
−2 −2
−3 −3
−4 −4
Ln(P(r))

Ln(P(r))
−5 −5
−6 −6
−7 −7
−8 −8
−9 −9
−0.15 −0.1 −0.05 0 0.05 0.1 0.15 0.2 −0.2 −0.1 0 0.1 0.2 0.3
r r

(c) (d)
−2 −2
−3 −3
−4 −4
Ln(P(r))

Ln(P(r))
−5 −5
−6 −6
−7 −7
−8 −8
−9 −9
−0.2 −0.1 0 0.1 0.2 0.3 0.4 −0.2 −0.1 0 0.1 0.2 0.3 0.4
r r

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

La densidad del retorno dista de distribuirse normal.


Presencia de eventos extremos.
(a) (b)
−2 −2
−3 −3
−4 −4
Ln(P(r))

Ln(P(r))
−5 −5
−6 −6
−7 −7
−8 −8
−9 −9
−0.15 −0.1 −0.05 0 0.05 0.1 0.15 0.2 −0.2 −0.1 0 0.1 0.2 0.3
r r

(c) (d)
−2 −2
−3 −3
−4 −4
Ln(P(r))

Ln(P(r))
−5 −5
−6 −6
−7 −7
−8 −8
−9 −9
−0.2 −0.1 0 0.1 0.2 0.3 0.4 −0.2 −0.1 0 0.1 0.2 0.3 0.4
r r

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

El espectograma de todo el periodo analizado muestra


anomalı́as marcadas al rededor de 1989.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

El espectograma de todo el periodo analizado muestra


anomalı́as marcadas al rededor de 1989.
Terminado 1997 se observa un patrón de anomalı́as menores.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Espectro Multifractal f(α)


1
15 0.99
0.98
q=−2 0.97
10 0.96
0.95
q=−1.5
0.94
Función de Partición log2(Sn(q))

5 0.93
q=−1
0.92
0.91
q=−0.5
0.9
0 0.6 0.62 0.64 0.66 0.68 0.7 0.72 0.74
q=0 α

q=0.5 Dimensiones Generalizadas τ(q)


−5 1
q=1
0.5
q=1.5
−10 0
q=2
−0.5
q=2.5
−15 −1

q=3 −1.5

−2
−20
−2.5
0 1 2 3 4 5 6 −2 −1 0 1 2 3
log2(scale) q

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

El espectro multifractal muestra diversidad de singularidades


(rango α) con intensidades altas.

Espectro Multifractal f(α)


1
15 0.99
0.98
q=−2 0.97
10 0.96
0.95
q=−1.5
0.94
Función de Partición log2(Sn(q))

5 0.93
q=−1
0.92
0.91
q=−0.5
0.9
0 0.6 0.62 0.64 0.66 0.68 0.7 0.72 0.74
q=0 α

q=0.5 Dimensiones Generalizadas τ(q)


−5 1
q=1
0.5
q=1.5
−10 0
q=2
−0.5
q=2.5
−15 −1

q=3 −1.5

−2
−20
−2.5
0 1 2 3 4 5 6 −2 −1 0 1 2 3
log2(scale) q

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

El espectro multifractal muestra diversidad de singularidades


(rango α) con intensidades altas.
Los momentos positivos q > 0 tienen mayor importancia.

Espectro Multifractal f(α)


1
15 0.99
0.98
q=−2 0.97
10 0.96
0.95
q=−1.5
0.94
Función de Partición log2(Sn(q))

5 0.93
q=−1
0.92
0.91
q=−0.5
0.9
0 0.6 0.62 0.64 0.66 0.68 0.7 0.72 0.74
q=0 α

q=0.5 Dimensiones Generalizadas τ(q)


−5 1
q=1
0.5
q=1.5
−10 0
q=2
−0.5
q=2.5
−15 −1

q=3 −1.5

−2
−20
−2.5
0 1 2 3 4 5 6 −2 −1 0 1 2 3
log2(scale) q

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

1
NIKKEI225 IGBVL

0.95

0.9

0.85

0.8

0.75
0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Al comparar el espectro multifractal peruano (mdo pequeño)


con el japonés (mdo grande), se observa que el segundo
muestra un mayor rango de singularidades.

1
NIKKEI225 IGBVL

0.95

0.9

0.85

0.8

0.75
0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Al comparar el espectro multifractal peruano (mdo pequeño)


con el japonés (mdo grande), se observa que el segundo
muestra un mayor rango de singularidades.
El espectro multifractal del electrocardiográma de una
persona sana y una enferma muestra es mismo patrón que los
de un mercado eficiente y uno ineficiente.
1
NIKKEI225 IGBVL

0.95

0.9

0.85

0.8

0.75
0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

1
Periodo I Periodo II

0.99

0.98

0.97

0.96

0.95

0.94

0.93

0.92

0.91
0.45 0.5 0.55 0.6 0.65 0.7 0.75

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Persistencia para el primer


periodo.

1
Periodo I Periodo II

0.99

0.98

0.97

0.96

0.95

0.94

0.93

0.92

0.91
0.45 0.5 0.55 0.6 0.65 0.7 0.75

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

Persistencia para el primer


periodo.
En el segundo periodo el
mdo pierde memoria.
1
Periodo I Periodo II

0.99

0.98

0.97

0.96

0.95

0.94

0.93

0.92

0.91
0.45 0.5 0.55 0.6 0.65 0.7 0.75

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos Retornos Fractales
Caracterización de Señales Financieras Fluctuaciones Multifractales
Resultados Empı́ricos de IGBVL Comparación con Modelos ARIMA-GARCH
Conclusiones y Recomendaciones

0.5
0.3

0.45

0.25
0.4

0.35
0.2

0.3
Correlación

Correlación
0.25 0.15

0.2

0.1
0.15

0.1
0.05

0.05

0
0

5 10 15 20 25 30 35 5 10 15 20 25 30 35
t t

0.1 0.1

0.05
r vs rest

0.08
0

−0.05

0.06
500 1000 1500 2000 2500 3000 3500 4000 4500 5000
t Correlación

0.04
0.1

0.05
0.02
Resid

−0.05

0
−0.1

500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5 10 15 20 25 30 35
t t

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

El mercado bursatil peruano no es un mercado eficiente en el


sentido débil para un conjunto determinado de escalas, i.e.
H > 1/2.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

El mercado bursatil peruano no es un mercado eficiente en el


sentido débil para un conjunto determinado de escalas, i.e.
H > 1/2.
Existe información en las fluctuaciones del mercado que no es
recogida por los modelos econométricos ARIMA-GARCH.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

El mercado bursatil peruano no es un mercado eficiente en el


sentido débil para un conjunto determinado de escalas, i.e.
H > 1/2.
Existe información en las fluctuaciones del mercado que no es
recogida por los modelos econométricos ARIMA-GARCH.
Esta nueva información puede ser útil para un mejor manejo
del riesgo cuando se emplea el AMBW.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

El mercado bursatil peruano no es un mercado eficiente en el


sentido débil para un conjunto determinado de escalas, i.e.
H > 1/2.
Existe información en las fluctuaciones del mercado que no es
recogida por los modelos econométricos ARIMA-GARCH.
Esta nueva información puede ser útil para un mejor manejo
del riesgo cuando se emplea el AMBW.
Queda pendiente la verificación empı́rica del planteamiento de
modelos de cascada sobre el proceso camino de
log-volatilidad, y

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

El mercado bursatil peruano no es un mercado eficiente en el


sentido débil para un conjunto determinado de escalas, i.e.
H > 1/2.
Existe información en las fluctuaciones del mercado que no es
recogida por los modelos econométricos ARIMA-GARCH.
Esta nueva información puede ser útil para un mejor manejo
del riesgo cuando se emplea el AMBW.
Queda pendiente la verificación empı́rica del planteamiento de
modelos de cascada sobre el proceso camino de
log-volatilidad, y
La aplicación de modelos en tiempo multifractal, mediante los
cuales el tiempo entre negociaciones es considerado como un
proceso multifractal y el precio es modelado como un mBo.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas


Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Arens, G.
Wave propagation and sampling theory (part I): Complex signal and
scattering in multilayered media.
Geophysics, 47(2), 1982.

Arnéodo, A. et al.
Wavelet transform of multifractals.
Journal of Mathematical Physics, 61(20), 1988.

Arnéodo, A. et al.
Multifractal formalism for fractal signals: The structure-function approach
versus the wavelet-transform modulus-maxima method.
Physical Review E, 47(2), 1993.

Arnéodo, A. et al.
Singularity spectrum of fractal signals from wavelet analysis: Exact
results.
Journal of Statistical Physics, 70(3-4), 1993.

Arnéodo, A. et al.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Analysis of random cascades using space-scale correlation functions.


Physical Review Letters, 80, 1998.

Arnéodo, A. et al.
Direct causal cascade in the stock market.
The Europan Physical Journal B, 2, 1998.

Arnéodo, A. et al.
Random cascades of wavelet dyadic trees.
Journal of Mathematical Physics, 39(8), 1998.

Barabási, A. y Vicsek, T.
Multi-affine model of the velocity distribution in fully turbulent flows.
Journal of Physics A: Mathematical and General, 24, 1991.

Berry, M. y Lewis, Z.
On the Weierstrass-Mandelbrot fractal function.
Proceedings of the Royal Society A: Mathematical, Physical and
Engineering Sciences, 370, 1980.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Bj̈ork, T. y Hult, H.
A note on Wick products and the fractional Black-Scholes model.
Finance and Stochastics, 9(2), 2005.

Black, F. y Scholes, M.
The valuation of option contracts and the test of market efficiency.
The Journal of Finance, 27(2), 1972.

Black, F. y Scholes, M.
The pricing of options and corporate liabilities.
The Journal of Political Economy, 81(3), 1973.

Bodie, Z. y Merton, R.
Financial Markets and Investments.
Prentice-Hall, 1999.

Brzeźniak, Z. y Zaztawniak, T.
Basic Stochastic Processes.
Springer-Verlag, 1999.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Butkov, E.
Mathematical Physics.
Addison-Wesley Publishing Company, 1996.

Chávez Bedoya, L. y Rosales, L.


Notes on the adequacy of the brownian motion hypothesis in emerging
markets: Are jump processes or discrete time ones a better alternative?
VI Conferencia Internacional de Finanzas, 2006.

Chhabra, A. et al.
Direct determination of the f (α) singularity espectrum and its application
to fully developed turbulence.
Physical Review A, 40(2), 1989.

Chhabra, A. y Jensen, V.
Direct determination of the f (α) singularity spectrum.
Physical Review Letters, 62(12), 1989.

Cootner, P.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

The Random Character of Stock Market Prices.


MIT Press, 1964.
Cornelis, A. et al.
Persistence characteristics of Latin American financial markets.
Technical report, EconWPA, 2004.

Daubechies, I.
The wavelet transform, time-frecuency localization and signal analysis.
IEEE Transactions on Information Theory, 36(5), 1990.

De Arce Borda, R.
20 años de modelos ARCH: una visión de conjunto de las distintas
variantes de la familia.
Estudios de Economı́a Aplicada, 22, 2004.

Delfiner, M.
Comportamiento de los precios de las acciones en el mercado burástil
argentino (un estudio comparativo).
CEMA Working Papers, 215, 2002.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Delgado, L. y Humala, A.
El mercado bursátil peruano y la hipótesis del mercado eficiente.
Revista de Estudios Económicos, Octubre, 1997.
Doukhan, P. et al.
Theory and Applications of Long-Range Dependence.
Birkhauser, 2003.
Droztz, S. et al.
Investigating multifractality of stock market fluctuations using wavelet and
detrending fluctuation methods.
Acta Physica Polonica B, 36(8), 2005.

Ghashghaile, S. et al.
Turbulent cascades in turbulent exchange markets.
Nature, 381, 1996.
Muller, U. et al.
Volatilities of different time resolutions: Analyzing the dynamics of market
components.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Journal of Empirical Finance, 4, 1997.

Falconer, J.
The Geometry of Fractal Sets.
Cambridge University Press, 1985.

Fama, E.
Mandelbrot and the stable paretian hypothesis.
The Journal of Business, 36(4), 1963.

Fama, E.
Tomorrow on the New York stock exchange.
Journal of Business, 38(3), 1965.

Fama, E.
Efficient capital markets: A review of theory and empirical work.
The Journal of Finance, 25(2), 1970.

Fama, E.
Efficient capital markets: II.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

The Journal of Finance, 46(5), 1991.

Feder, J.
Fractals.
Plemum Press, 1988.
Granger, C.
Some aspects of the random walk model of stock market prices.
International Economic Review, 9(2), 1968.

Graps, A.
An introduction to wavelets.
IEEE Computacional Science and Enineering, 2(2), 1995.

Grassberger, P. y Procaccia, I. .
Characterization of strange attractors.
Physical Review Letters, 50, 1983.

Greene, W.
Econometric Analysis.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Prentice-Hall, 1997.
Hamilton, J.
Time Series Analysis.
Cambridge University Press, 1994.

Hans, P. y Van Dijk, D.


Nonlinear Time Series Models in Empirical Finance.
Cambridge University Press, 2000.

Hasley et al.
Fractal measures and their singularities.
Physical Review A, 33(2), 1985.

Ho, J. et al.
Analysis of singularities from modulus maxima of complex wavelets.
IEEE Transactions of Information Theory, 51(3), 2005.

Hull, J.
Options, Futures and other Derivatives.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Prentice-Hall, 1997.

Kantelhardt, J. et al.
Multifractal detrented fluctuation analysis of nonstationary time series.
Physica A, 316, 2002.

Kendall, M.
The analysis of economic time series (part I): Prices.
Journal of The Royal Statistical Society, 116(1), 1953.

Kim, S. y Uhm, W.
Discrete walvelet analysis of multifractal measures and multi-affine signals.

Journal of the Korean Physical Society, 32(1), 1997.

Kyaw, N. et al.
Persistence characteristics of Latin American financial markets.
2003.
Laura, E .
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

La relación dinero-producto, brecha del producto e inflación subyacente:


Una introducción a la teorı́a de wavelets y sus aplicaciones.
Pontificia Universidad Católica del Perú, 2004.
LeBaron, B. y Scheinkman J.
Nonlinear dynamics and stock returns.
The Journal of Business, 62(3), 1989.

Lee, J. et al.
Multifractal behavior of the korean stock market index KOSPI.
Physica A, 364, 2006.

Loveday et al.
Algoritmos no lineales de inversión y eficiencia de mercado: una aplicación
al caso peruano.
III Conferencia Internacional de Finanzas, 2003.
Lovejoy S. et al.
Multifractal cascade dynamics and turbulence inttermitency.
Fractals, 5, 1997.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Lovejoy S. y Schertzer, D.
Physical modelling and analysis of rain and clouds by anisotropic scaling
multiplicative processes.
Journal of Geophysical Research, 92(8), 1987.

Lovejoy S. y Schertzer, D.
Multifractal fluctuations in finance.
International Journal of Theoretical and Applied Finance, 3(3), 2002.

Lovejoy S. y Schertzer, D.
Space-time complexity and multifractal predictability.
Physica A, 338(1), 2004.

Mallat, S.
A wavelet Tour of Signal Processing.
Academic Press, 1998.
Mandelbrot, B.
The Pareto-Lévy law and the distribution of income.
International Economic Review, 1(2), 1960.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Mandelbrot, B.
The variation of certain speculative prices.
The Journal of Business, 36(4), 1963.

Mandelbrot, B.
Forecast of future prices, unibiased markets, and martingale models.
Journal of Business, 39(1), 1966.

Mandelbrot, B.
How long is the coast of Britain? statistical self-similarity and fractional
dimension.
Science, 156(3775), 1967.

Mandelbrot, B.
On the variation of stock price differences.
Operations Research, 15(6), 1967.

Mandelbrot, B.
Long-run linearity, locally gaussian processes, h-spectra and infinite
variances.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

International Economic Review, 10(1), 1969.

Mandelbrot, B.
When can price be arbitraged efficiently?: A limit to the validity of the
random walk and martingale models.
The Review of Economics and Statistics, 53(3), 1971.

Mandelbrot, B.
Lognormal hypothesis and distribution of energy dissipation in
intermittent turbulence.
Journal of Statistical Models and Turbulence, 12, 1972.
Mandelbrot, B.
Geometry of homogeneous scalar turbulence: iso-surface fractal
dimensions 5/2 and 8/3.
Journal of Fluid Mechanics, 72(2), 1975.

Mandelbrot, B.
The Fractal Geometry of Nature.
Freeman, 1982.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Mandelbrot, B.
Self-affinity and fractal dimension.
Physica Scripta, 32(1), 1985.

Mandelbrot, B.
Fractals and Scaling in Finance: Discontinuity, Concentration and Risk.
Springer-Verlag, 1997.
Mandelbrot, B. y Van Ness, J.
Fractional brownian motions, fractional noises and applications.
SIAM Review, 10(4), 1968.

Mantegna, R. y Stanley, H.
An Introduction to Econophysics: Correlations and Complexity in Finance.
Cambridge University Press, 2000.
Mel’nikov, A.
Financial Markets, Stochastic Analysis and the Pricing of Derivatives
Securities.
American Mathematical Society, 1999.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Mongrut, S.
Market Efficiency: A Survey of the Methods.
Universidad del Pacı́fico, 2003.

Nagamine, J. y Terrones, M.
Mercado de capitales y eficiencia: una evaluación de las propiedades
estadı́sticas del ı́ndice general bursátil de la bolsa de valores de Lima.
Notas para el Debate, 13(1), 1995.

Nualart, D.
The Malliavin Calculus and Related Topics.
Springer-Verlag, 1995.

Oksendal, B. y Hu, Y.
Fractional white noise calculus and applications to finance.
Infinite Dimensional Analysis, Quantum Probability and Related Topics,
6(1), 2000.

Peters, E.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Chaos and Order in Capital Markets.


John Wiley & Sons, 1991.

Peters, E.
Fractal Market Analysis.
John Wiley & Sons, 1994.

Polikar, R.
The Engineer’s Ultimate Guide to Wavelet Analysis: The Wavelet
Tutorial.
Rowan University, 1994.

Puente, C.
Lecciones a partir de la complejidad: la hipotenusa y el camino de la paz.
Complexus: Complejidad, Ciencia y Estética, 1(3), 2005.

Roberts, H.
Stock market patterns and financial analysis: Methodological suggestions.
Journal of Finance, 14(1), 1959.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Samuelson, P.
Proof that properly anticipated prices fluctuate randomly.
Industrial Management Review, 6(1), 1965.

Samuelson, P.
Efficient portfolio selection for Pareto-Lévy investments.
The journal of Financial and Quantitative Analysis, 2(2), 1967.

Shiryaev, A.
Essentials of Stochastic Finance: Facts, Models, Theory, volume 3.
Advanced Series on Statistical Science and Applied Probability, 1999.

Taquu, M.
Bachelier and his times: A conversation with Bernard Bru.
In Mathematical Finance - Bachelier Congress 2000. Springer Verlag,
2002.
Tsay, R.
Analysis of Financial Time Series.
John Wiley & Sons. Inc., 2002.
Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas
Introducción
Fundamentos Matemáticos
Caracterización de Señales Financieras
Resultados Empı́ricos de IGBVL
Conclusiones y Recomendaciones

Vasconcelos, G.
A guided walk down wall street: An introduction to econophysics.
Brazilian Journal of Physics, 34(3), 2004.

Voss, R.
Random fractals: Charaterization and measurement.
In Scaling Phenomena in Disordered Systems. Plenum Press, 1985.

Worthington, A. and Higgs, H.


Tests of random walk and market efficiency in Latin American stock
markets: An empirical note.
2003.

Luis Francisco Rosales Escalamiento y Multiescalamiento Fractal en Finanzas