Medidas dinámicas de predictibilidad en el índice S&P 500 y sus determinantes.

• Javier Humberto Ospina Holguín ^[1]
  1. [1] Universidad del Valle (Colombia)

     Universidad del Valle (Colombia)

     Colombia

     
• Localización: Innovar: revista de ciencias administrativas y sociales, ISSN 0121-5051, Vol. 25, Nº 56, 2015, págs. 69-82
• Idioma: español
• DOI: 10.15446/innovar.v25n56.48991
• Títulos paralelos:
  • Dynamic Measures of the Predictability of the S&P 500 Index and its Determinants.
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    El objeto de este estudio es medir la predictibilidad del índice accionario estadounidense S&P 500 y establecer posibles determinantes de esta predictibilidad. La predictibilidad se ha estudiado ampliamente, pero en pocos casos mediante medidas dinámicas y per se, como se hace aquí. Para establecer la predictibilidad se utilizan la medida eta del campo de las redes neuronales, el valor p del test de la razón de varianzas del campo de la econometría financiera y el análisis de fluctuación sin tendencia del campo de la econofísica. Se construye un algoritmo de inversión basado en las medidas dinámicas de predictibilidad que es mejor que la estrategia de comprar y mantenerse en el periodo estudiado. Para la medida más promisoria, se establece una relación empírica entre la predictibilidad y varios factores económicos y financieros. El panorama que arroja este estudio es el de un mercado que no es estáticamente predecible, sino cuya predictibilidad evoluciona dinámicamente en el tiempo, lo cual es compatible con la hipótesis del mercado adaptativo.

  • English

    The purpose of this study is to measure the predictability of the S&P 500 US stock index and identify its possible determinants. Though predictability has been broadly studied, in very few cases it has been approached via dynamic measures, as done in this work. In order to establish predictability we used the eta measure of the field of neural networks, along with the p-value of the variance ratio test of financial econometrics, and detrended fluctuation analysis from the field of econophysics. We built an investment algorithm based on dynamic measures of predictability which results better than the strategy of buying and holding in the period studied. For the most promising measure, an empirical relationship between predictability and various economic and financial factors is established. This study points at the picture of a market that is not statically predictable, but whose predictability dynamically evolves over time in accordance with the adaptive market hypothesis.