Este hecho resultaba sorprendente, pero aún mas si cabe que el choque entre la volatilidad y esos gaps de apertura nos marcaban los máximos y mínimos de mercado, especialmente en el caso de los índices americanos. Sin embargo al usar la volatilidad histórica, para su correcta interpretación y visualización, teníamos que recurrir a medias móviles del mismo, y aun usando MM de baja latencia (25 periodos). El efecto de esa detección del max/min, se traducía en lag de 20 a 40 días desde que el modelo los detectaba, hasta que estos se producirán.
Sin embargo, por que recurrir a una media móvil de la volatizad histórica, cuando existe una volatilidad implícita con datos diario, que no necesita ser modificada, y cuyas pendientes en grados o radianes se relacionan entre sí a través del número Phi.
Aunque farragoso el gráfico, y el BT (para mi me lo guardo, hasta que lo mejore), los lags en la detección de mínimos se reducen de manera impresionante desde los 20-40 días, hasta la impresionante cifra de 1 a 3 días. Consiguiendo detectar[*] con precisión cualquier mínimos de mercado, primario o secundario (Los máximos parece que no se pueden detectar a través de la volatilidad implícita, así que seguiremos investigando, en pos de mejorar el modelo).
Pd: se ha realizado un proceso de muestra in y out sample, creando el modelo para 2/3 partes e la muestra, y dejando el último tercio sin añadir en su construcción. Y los resultados son los mismos, una capacidad de 1 a 3 días de lag, en detectar los mínimos de mercado del SYP500
. 