Hispanopedia WikiLos datos de alta frecuencia se refieren a datos de series temporales recopilados a una escala extremadamente fina. Gracias al avance de la capacidad computacional en las últimas décadas, los datos de alta frecuencia pueden recopilarse con precisión y a un ritmo eficiente para su análisis. [ 1 ] Ampliamente utilizados en el ámbito financiero, los datos de alta frecuencia proporcionan observaciones a intervalos muy frecuentes que pueden utilizarse para comprender los comportamientos, la dinámica y las microestructuras del mercado. [ 2 ]
Las recopilaciones de datos de alta frecuencia se formularon originalmente mediante la agrupación de datos de mercado tick a tick , donde cada "evento" individual (transacción, cotización, movimiento de precios, etc.) se caracteriza por un "tick", o una unidad lógica de información. Debido a la gran cantidad de ticks en un solo día, las recopilaciones de datos de alta frecuencia generalmente contienen una gran cantidad de datos, lo que permite una alta precisión estadística. [ 3 ] Las observaciones de alta frecuencia a lo largo de un día en un mercado líquido pueden equivaler a la cantidad de datos diarios recopilados en 30 años. [ 3 ]
Usar
Debido a la introducción de formas electrónicas de negociación y proveedores de datos basados en internet , los datos de alta frecuencia se han vuelto mucho más accesibles y permiten seguir la formación de precios en tiempo real. Esto ha dado lugar a una nueva y amplia área de investigación en el campo de los datos de alta frecuencia, donde académicos e investigadores utilizan las características de estos datos para desarrollar modelos adecuados que permitan predecir los movimientos y riesgos futuros del mercado. [ 3 ] Las predicciones de los modelos abarcan una amplia gama de comportamientos del mercado, incluyendo el volumen , la volatilidad , el movimiento de precios y la optimización de la colocación. [ 4 ]
Existe un interés constante, tanto en los organismos reguladores como en el ámbito académico, en torno a los datos de transacciones y los datos del libro de órdenes límite , cuyas implicaciones para el comercio y el comportamiento del mercado, así como los resultados y la dinámica del mercado, pueden evaluarse mediante modelos de datos de alta frecuencia. Los organismos reguladores muestran gran interés en estos modelos debido a que los riesgos de liquidez y precio no se comprenden completamente en el contexto de las nuevas aplicaciones de negociación automatizada. [ 4 ]
Los estudios de datos de alta frecuencia son valiosos por su capacidad para rastrear actividades de mercado irregulares durante un período de tiempo. Esta información permite una mejor comprensión de los precios, la actividad y el comportamiento de las operaciones. Debido a la importancia del factor tiempo en los eventos del mercado, los datos de alta frecuencia requieren un análisis mediante procesos puntuales , que dependen de observaciones e historial para caracterizar ocurrencias aleatorias de eventos. [ 4 ] Esta comprensión fue desarrollada por primera vez por Robert Fry Engle III , ganador del Premio Nobel de Economía en 2003 , quien se especializa en el desarrollo de métodos de análisis econométrico financiero utilizando datos financieros y procesos puntuales. [ 4 ]
Formularios de datos de alta frecuencia
Los datos de alta frecuencia se utilizan principalmente en la investigación financiera y el análisis del mercado de valores . Cada vez que se procesa una operación, cotización u orden electrónica, los datos relacionados se recopilan y se introducen en formato de serie temporal . Por ello, a los datos de alta frecuencia se les suele denominar datos de transacción. [ 4 ]
Existen cinco niveles generales de datos de alta frecuencia que se obtienen y utilizan en la investigación y el análisis de mercado :
Datos comerciales
Datos de transacciones individuales recopilados a intervalos determinados dentro de una serie temporal. [ 4 ] Existen dos variables principales para describir un único punto de datos de transacción: el momento de la transacción y un vector conocido como «marca», que caracteriza los detalles del evento de transacción. [ 5 ]
Datos de comercio y cotizaciones
Los datos recopilados detallan tanto las operaciones como las cotizaciones, incluyendo cambios de precio y dirección, marcas de tiempo y volumen. Esta información se puede encontrar en la base de datos TAQ ( Trade and Quote ) operada por la NYSE . [ 4 ] Mientras que los datos de operaciones detallan el intercambio de una transacción en sí, los datos de cotizaciones detallan las condiciones óptimas de negociación para una bolsa determinada. Esta información puede indicar interrupciones en las operaciones y cotizaciones de apertura y cierre. [ 6 ]
Datos del libro de órdenes de nivel fijo
Utilizando sistemas completamente informatizados, la profundidad del mercado puede evaluarse mediante las actividades de órdenes limitadas que se producen en segundo plano en un mercado determinado. [ 4 ]
Mensajes sobre todas las actividades de órdenes limitadas
Este nivel de datos muestra toda la información relativa a las actividades de órdenes limitadas y puede crear una reproducción del flujo de operaciones en cualquier momento dado utilizando información sobre marcas de tiempo, cancelaciones e identificación de compradores/vendedores. [ 4 ]
Datos sobre instantáneas de la cartera de pedidos
Se pueden registrar instantáneas de la actividad del libro de órdenes en cuadrículas equidistantes para limitar la necesidad de reproducirlo. Sin embargo, esto limita la capacidad de análisis de las operaciones y, por lo tanto, es más útil para comprender la dinámica que la interacción entre el libro de órdenes y las operaciones. [ 4 ]
Propiedades en el análisis financiero
En el análisis financiero, los datos de alta frecuencia pueden organizarse en distintas escalas temporales, desde minutos hasta años. [ 3 ] Dado que los datos de alta frecuencia se presentan de forma muy desagregada a lo largo de una serie temporal, en comparación con los métodos de recopilación de datos de menor frecuencia, contienen diversas características únicas que alteran la forma en que se comprenden y analizan los datos. Robert Fry Engle III clasifica estas características distintivas como espaciamiento temporal irregular, discreción, patrones diurnos y dependencia temporal. [ 7 ]
espaciamiento temporal irregular
Los datos de alta frecuencia implican la recopilación de una gran cantidad de datos a lo largo de una serie temporal, por lo que la frecuencia de recopilación de datos individuales tiende a espaciarse en patrones irregulares a lo largo del tiempo. Esto se observa especialmente en el análisis de los mercados financieros , donde las transacciones pueden ocurrir en secuencia o después de un período prolongado de inactividad. [ 7 ]
Discreción
Los datos de alta frecuencia incorporan principalmente precios y transacciones, cuyas reglas institucionales impiden que aumenten o disminuyan drásticamente en un corto período de tiempo. Esto da como resultado cambios en los datos basados en la medida de un tick. [ 7 ] Esta menor capacidad de fluctuación hace que los datos sean más discretos en su uso, como en el mercado de valores, donde las acciones populares tienden a mantenerse dentro de un rango de 5 ticks de movimiento. Debido al nivel de discreción de los datos de alta frecuencia, suele haber un alto nivel de curtosis presente en el conjunto. [ 7 ]
patrones diurnos
Un análisis realizado por primera vez por Engle y Russel en 1998 señala que los datos de alta frecuencia siguen un patrón diurno , siendo la duración entre operaciones mínima al inicio y al cierre del mercado. Algunos mercados extranjeros, que operan las 24 horas del día, aún muestran un patrón diurno basado en la hora del día. [ 7 ]
Dependencia temporal
Debido principalmente a la discreción de los precios, los datos de alta frecuencia dependen del tiempo. La diferencia generada por pequeñas variaciones en los precios de compra y venta crea una tendencia que impulsa el precio en una dirección determinada. De manera similar, la duración y las tasas de transacción entre operaciones tienden a agruparse, lo que indica una dependencia de las variaciones temporales del precio. [ 7 ]
Datos de ultra alta frecuencia
En una observación señalada por Robert Fry Engle III , la disponibilidad de frecuencias de datos más altas a lo largo del tiempo incitó a la transición de años a meses, e incluso a intervalos muy frecuentes de recopilación de datos financieros. Sin embargo, esta transición no es infinita en cuanto a frecuencias más altas, sino que se topa con un límite cuando todas las transacciones se registran finalmente. [ 5 ] Engle denominó a este nivel de frecuencia límite datos de ultra alta frecuencia . Una característica destacada de esta frecuencia máxima es la extrema irregularidad de los datos espaciados, debido a la gran dispersión temporal que impone una recopilación desagregada. [ 5 ] En lugar de romper la secuencia de datos de ultra alta frecuencia por intervalos de tiempo, lo que esencialmente causaría una pérdida de datos y haría que el conjunto tuviera una frecuencia menor, se pueden utilizar métodos y modelos como el modelo de duración condicional autorregresivo para considerar tiempos de espera variables entre la recopilación de datos. [ 5 ] El manejo eficaz de datos de ultra alta frecuencia puede utilizarse para aumentar la precisión de los análisis econométricos. Esto se puede lograr con dos procesos: limpieza de datos y gestión de datos . [ 6 ]
Limpieza de datos
La limpieza de datos , o depuración de datos , es el proceso de utilizar funciones algorítmicas para eliminar datos innecesarios, irrelevantes e incorrectos de conjuntos de datos de alta frecuencia. [ 6 ] El análisis de datos de ultra alta frecuencia requiere una muestra limpia de registros para que sea útil para el estudio. A medida que aumenta la velocidad de recopilación de datos de ultra alta frecuencia, es probable que se identifiquen más errores y datos irrelevantes en la recopilación. [ 6 ] Los errores que se producen pueden atribuirse a errores humanos , tanto intencionales (p. ej., citas ficticias) como no intencionales (p. ej., errores tipográficos ), o a errores informáticos, que ocurren con fallos técnicos. [ 8 ]
Gestión de datos
La gestión de datos se refiere al proceso de seleccionar una serie temporal específica de interés dentro de un conjunto de datos de ultra alta frecuencia para extraerla y organizarla con fines de análisis. Varias transacciones pueden reportarse simultáneamente y a diferentes niveles de precios, y los modelos econométricos generalmente requieren una observación en cada marca de tiempo, lo que exige algún tipo de agregación de datos para un análisis adecuado. [ 6 ] Los esfuerzos de gestión de datos pueden ser eficaces para corregir las características de los datos de ultra alta frecuencia, como el espaciado irregular, el rebote entre la oferta y la demanda, y la apertura y el cierre del mercado. [ 6 ]
Usos alternativos fuera del comercio financiero
Un estudio publicado en la revista Freshwater Biology, centrado en los efectos episódicos del clima en los lagos, destaca el uso de datos de alta frecuencia para comprender mejor los factores meteorológicos y las consecuencias de los "eventos" o cambios repentinos en los parámetros físicos, químicos y biológicos de un lago. [ 9 ] Gracias a los avances en la tecnología de recopilación de datos y las redes humanas, junto con la ubicación de estaciones de monitoreo de alta frecuencia en diversos tipos de lagos, estos eventos pueden explorarse de manera más efectiva. Se señala que el uso de datos de alta frecuencia en estos estudios es un factor importante que permite analizar los cambios climáticos rápidos en los lagos, como la velocidad del viento y las precipitaciones, lo que aumenta la comprensión de la capacidad de los lagos para afrontar eventos ante el aumento de la severidad de las tormentas y el cambio climático . [ 9 ]
Se ha comprobado que los datos de alta frecuencia son útiles para la previsión de la inflación. Un estudio de Michele Mondugno, publicado en el International Journal of Forecasting, indica que el uso de datos diarios y mensuales de alta frecuencia ha mejorado, en general, la precisión de la previsión de la inflación total del IPC en Estados Unidos. [ 10 ] El estudio comparó modelos de baja frecuencia con uno que consideraba todas las variables de alta frecuencia. Finalmente, se concluyó que la mayor precisión de los componentes de precios de alta volatilidad, tanto del transporte como de la energía, en el modelo de inflación de alta frecuencia, condujo a un mejor rendimiento y resultados más precisos. [ 10 ]
El uso de la estimación de la vida media para evaluar las velocidades de reversión a la media en variables económicas y financieras ha enfrentado problemas con respecto al muestreo, ya que una vida media de aproximadamente 13,53 años requeriría 147 años de datos anuales según los primeros modelos de procesos AR . [ 11 ] Como resultado, algunos investigadores han utilizado datos de alta frecuencia para estimar datos anuales de vida media. Si bien el uso de datos de alta frecuencia puede presentar algunas limitaciones para descubrir la vida media real, principalmente debido al sesgo de un estimador , se ha encontrado que utilizar un modelo ARMA de alta frecuencia estima la vida media de manera consistente y efectiva con datos anuales extensos. [ 11 ]
Véase también
Referencias
- ↑ Ruey S. Tsay (2000) Introducción del editor al panel de discusión sobre el análisis de datos de alta frecuencia, Journal of Business & Economic Statistics , 18:2, 139-139, doi : 10.1080/07350015.2000.10524855
- ↑ Andersen, TG (2000). Algunas reflexiones sobre el análisis de datos de alta frecuencia. Journal of Business & Economic Statistics , 18(2), 146-153. doi : 10.1080/07350015.2000.10524857
- 1 2 3 4 Dacorogna, MM (2001). Una introducción a las finanzas de alta frecuencia. San Diego: Academic Press.
- 1 2 3 4 5 6 7 8 9 10 Hautsch, N., & SpringerLink (Servicio en línea). (2012;2011;). Econometría de datos financieros de alta frecuencia (ed. 2012). Heidelberg;Berlín;: Springer. doi : 10.1007/978-3-642-21925-2
- 1 2 3 4 Engle, RF (2000). La econometría de los datos de ultra alta frecuencia. Econometrica , 68(1), 1-22. doi : 10.1111/1468-0262.00091
- 1 2 3 4 5 6 Brownlees, CT, & Gallo, GM (2006). Análisis econométrico financiero a ultra alta frecuencia: Problemas en el manejo de datos. Computational Statistics and Data Analysis, 51(4), 2232-2245. doi : 10.1016/j.csda.2006.09.030
- 1 2 3 4 5 6 R. Russell, Jeffrey y F. Engle, Robert. (2010). Análisis de datos de alta frecuencia. Manual de econometría financiera, vol. 1. 383-426. 10.1016/B978-0-444-50897-3.50010-9.
- ↑ Verousis, T., & Ap Gwilym, O. (2010). Un algoritmo mejorado para la limpieza de datos de ultra alta frecuencia. Journal of Derivatives & Hedge Funds , 15(4), 323-340. doi : 10.1057/jdhf.2009.16
- 1 2 JENNINGS, E., JONES, S., ARVOLA, L., STAEHR, PA, GAISER, E., JONES, ID, Teknisk-naturvetenskapliga vetenskapsområdet. (2012). Efectos de eventos episódicos relacionados con el clima en lagos: Un análisis basado en datos de alta frecuencia. Freshwater Biology , 57(3), 589-601. doi : 10.1111/j.1365-2427.2011.02729.x
- 1 2 Modugno, M. (2013). Pronóstico a corto plazo de la inflación utilizando datos de alta frecuencia. International Journal of Forecasting , 29(4), 664-675. doi : 10.1016/j.ijforecast.2012.12.003
- 1 2 Huang, M., Liao, S., & Lin, K. (2015). Estimación aumentada de la vida media basada en datos de alta frecuencia. Journal of Forecasting , 34(7), 523-532. doi : 10.1002/for.2342
- Datos
- finanzas matemáticas
- Series temporales