¿Cómo anticipar mejor los momentos de calma y de turbulencia en el mercado bursátil?
Esa es la pregunta que aborda un nuevo estudio en el que participó el Dr. Guillermo Ferreira, académico del Departamento de Estadística de la Universidad de Concepción, como coautor del artículo científico “A Non-Parametric tv-GARCH Model With a Space-State Representation for Forecasting”, publicado el 1 de julio de 2026 en la revista científica Journal of Forecasting, de la editorial Wiley.
Los modelos que se usan habitualmente para predecir la volatilidad financiera —cuánto y con qué intensidad varían los precios de las acciones financieras— suelen asumir que los parámetros son constantes en el tiempo. En la práctica, sin embargo, los mercados tienen cluster de volatilidad: períodos de relativa calma seguidos de otros de alta turbulencia, y los modelos tradicionales no siempre logran capturar bien esos cambios de “clima financiero”.
Para superar esta limitación, el equipo de investigación —integrado también por Jorge A. Muñoz-Mendoza, Jorge Arratia-Llancao, Jorge Mateu, Miguel Flores-Sánchez y Francisco J. Rodríguez-Cortés— desarrolló un modelo para predecir la volatilidad basado en una representación de espacio de estados, en la que los parámetros del modelo GARCH pueden variar gradualmente a lo largo del tiempo, dando lugar a un modelo denominado tv-GARCH (time-varying GARCH).
La evolución temporal de estos parámetros se captura mediante métodos no paramétricos, que permiten estimar sus trayectorias sin imponer una forma funcional rígida. Estas estimaciones se integran posteriormente en un sistema recursivo basado en el Filtro de Kalman, que actualiza la volatilidad a medida que se dispone de nueva información. De este modo, la propuesta ofrece una mayor flexibilidad para representar y anticipar los cambios en la dinámica de la volatilidad de los mercados financieros.
Al probar el modelo con simulaciones de Monte Carlo y con datos del Índice de Precio Selectivo de Acciones (IPSA) del mercado bursátil chileno, los resultados mostraron que este enfoque logra un mejor ajuste y un mejor desempeño de pronóstico que el modelo GARCH estacionario y que otras variantes de tv-GARCH con parámetros determinados por funciones deterministas.
Según los autores, estos hallazgos tienen implicancias relevantes para la gestión de riesgo, la diversificación de portafolios y la asignación de activos, con aplicación directa para quienes toman decisiones de inversión y regulación financiera.
El artículo, resultado de una colaboración entre investigadores de distintas instituciones, se suma a la línea de trabajo del Dr. Ferreira en modelos estadísticos aplicados a series de tiempo financieras, un área en la que el académico ha desarrollado investigación en los últimos años.
