Marco metodológico

Cómo se construyen las proyecciones.

Especificación formal del pipeline estocástico, tratamiento de no-estacionariedad de series financieras, optimización multi-cuantil y regresión factorial de sensibilidad.

Ingesta Multifuente & Limpieza de Series OHLCV

Las series temporales financieras presentan desafíos de discontinuidad y asincronía (diferencias de calendarios bursátiles entre la Bolsa de Valores de Lima, COMEX y el mercado interbancario de divisas). Nuestro motor realiza:

Normalización Temporal Reversible (RevIN)

Los mercados de commodities y acciones mineras experimentan cambios estructurales de régimen (*distribution shift*). La normalización estándar de media móvil destruye la no-estacionariedad de la serie. Implementamos Reversible Instance Normalization (RevIN):

Cálculo de Estadísticos Locales

μ_x = (1 / T) · Σ_{t=1}^T x_t
σ_x = sqrt[ (1 / T) · Σ_{t=1}^T (x_t - μ_x)² + ε ]

Transformación Simétrica & Re-inyección

x̃_t = γ · ( (x_t - μ_x) / σ_x ) + β
ŷ_t = ( (ŷ̃_t - β) / γ ) · σ_x + μ_x

Donde $\gamma$ y $\beta$ son parámetros afines entrenables y $\epsilon$ es un término de estabilidad numérica ($10^{-5}$). Esta formulación garantiza que las proyecciones preserven las magnitudes y la escala nominal original de la serie.

Conos de Densidad Probabilística (P10 / P50 / P90)

El análisis cuantitativo profesional descarta las estimaciones escalares deterministas (un único número de precio objetivo carece de valor sin un intervalo de certidumbre). Modelamos la distribución empírica condicional completa $P(Y_{t+h} | X_{1:t})$ mediante optimización de pérdida cuantílica (*Pinball Loss*):

Función de Pérdida de Pinball

L_q(y, ŷ_q) = max[ q(y - ŷ_q), (1 - q)(ŷ_q - y) ]
Cuantil P10

Escenario adverso / soporte estocástico con 90% de probabilidad de ser superado.

Cuantil P50

Mediana condicional. Trayectoria central esperada con menor error absoluto.

Cuantil P90

Límite superior / resistencia estocástica. Delimita el 80% de la densidad empírica.

Sensibilidad Factorial OLS & Correlación de Pearson

Para descomponer las fuerzas exógenas que mueven a cada activo, resolvemos un sistema lineal de mínimos cuadrados ordinarios frente a los factores macroeconómicos fundamentales (Cobre COMEX, Oro y Tipo de Cambio USD/PEN):

Estimación Vectorial Matricial

β̂ = (X^T · X)^(-1) · X^T · Y

Coeficiente de Correlación de Pearson

ρ_{X,Y} = Cov(X, Y) / ( σ_X · σ_Y )

Esto permite a los comités de tesorería y analistas de renta variable comprender de forma instantánea si el movimiento proyectado de una acción minera (como Buenaventura o Southern Copper) responde a fundamentos del precio físico del metal o a variaciones en la prima por riesgo soberano.

Validación Temporal sin Fuga de Información

Todo modelo econométrico es auditado mediante Walk-Forward Cross-Validation: entrenamos estrictamente sobre ventanas deslizantes pasadas y evaluamos la precisión en horizontes ciegos hacia adelante. Queda estrictamente excluida cualquier fuga de datos de series futuras (*lookahead bias*).

Ponlo a prueba con datos reales.

Abrir la terminal →