CAIDAS DE PRECIOS ANALIZADAS BAJO LA LEY DE POTENCIA DE 30 INDICES

BURSATILES

¿Cómo se aplica y que resultados arroja la aplicación de la ley de potencia a una serie de tiempo
financiera?

Para comprender el comportamiento en las series de tiempo de los precios de mercados

internacionales, se han empleado estrategias que permitan estandarizar ciertos criterios característicos
en ellos, inicialmente se emplearon supuestos estrictos en donde el compartimento económico se
sostenía bajo parámetros que no correspondían a la realidad, sin embargo, los resultados que estudios
arrojaron permitieron dar un avance en la compresión de las fluctuaciones en las series de tiempo.
Posteriormente este tipo de análisis fue criticado ya que se omitía información del comportamiento
de los inversores que no siempre correspondía a una teoría clásica, en la cual siempre se buscaba una
maximización en las utilidades, algunos comportamientos se explican por medio de factores externos,
la percepción de la información en el entorno y capacidades propias de cada inversor como por
ejemplo: el perfil, costos, políticas de inversión, estrategias propias e influencias por parte de otros
actores.
Cantú, L. Campos, A. Matamoros, O & Pérez, A. en su artículo “Ley de potencia en caídas de precios
mayores a un nivel crítico en las series de tiempo financieras” toman los cierres de precio diarios en
un tiempo determinado (6 meses) y seleccionan las caídas seguidas por un rebote de 30 índices
bursátiles.
Antes de continuar es pertinente definir la Ley de potencia y Auto-Organización; de acuerdo a Cantú,
L. Campos, A. Matamoros, O & Pérez, A. (2017)
“En 1949, el filólogo norteamericano George Zipf descubrió que al ordenar por su tamaño
(valor de capitalización) las corporaciones estadounidenses, de la mayor a la menor, el
tamaño s(n) de la na empresa más grande era inversamente proporcional al lugar que ocupaba
en la serie de manera aproximada en la forma s(n) ∼ 1/n”

La ley de potencia resulta ser una aplicación especial a la ley de Pareto y geométricamente tiene
propiedades fractales, lo que quiere decir que ciertos valores tienen auto-semejanza a diferente escala
en un rango en particular. A nivel matemático se proponen 4 mecanismos que explican la ocurrencia
de la ley de potencia:
a) La tolerancia altamente optimizada propone que en los sistemas naturales organizados se
puede ofrecer un fuerte desempeño aun con factores no controlados como la incertidumbre,
se genera diseños optimizados que predisponen eventos de gran magnitud. Se caracterizan
por tener una alta eficiencia, desempeño y robustez a la incertidumbre con la cual se diseñan,
alta sensibilidad a trastornos no contemplados o defectos de diseño, configuraciones
estructurales específicas y están enmarcado en la ley de potencia.

b) Mecanismo de Sneppen y Newman enfocado al comportamiento de agentes bajo estrés, en

donde cada actor maneja un nivel de estrés diferentes y aquellos que llegan a su límite son
remplazados por otros con la capacidad de manejar un nivel de estrés mayor; de ese modo el
sistema se auto regula.
 c) El proceso de Udny Yule y los fenómenos críticos se caracteriza por una alternativa
dominante la cual termina siendo amplificado y genera la auto regulación en el sistema.

d) Proceso de auto organización al estado crítico de PerBak, sugiere que alcanzado ese punto
cada actor de acuerdo a sus características propias decide el momento en cual oferta su
posición teniendo en cuenta factores propios que regulan su acción.

Continuando con la aplicación realizada por Cantú, L. Campos, A. Matamoros, O & Pérez, A. es
posible inferir que el tamaño de las compañías interfiere en la construcción de portafolios eficientes
ya que es imposible diversificar el riesgo dado un alto peso por parte de un activo; se puede explicar
los periodos de alta volatilidad a causa de la heterogeneidad en las expectativas de los agentes; las
caídas de los precios se dan en una alternancia entre periodos con una marcha aleatoria y un régimen
de auto organización además se puede sugerir la presencia de memoria a mediano plazo dados bucles
de retroalimentación.
Dado lo anterior se puede concluir que al analizar una serie de tiempo los resultados se adaptan a unas
suposiciones previas que posteriormente determinan la relación de estos con la teoría y la necesidad
de realizar pruebas futuras que permitan confirmar que varios de los resultados implícitos en el
proceso corresponden a la realidad de la serie de tiempo.

Andrés Felipe Calvo Lozano