¿Por qué los modelos GARCH siguen siendo tan utilizados para medir la volatilidad?
No intentan adivinar hacia dónde irá el precio. Intentan responder algo distinto: qué tan inestable puede volverse.
Cuando alguien empieza a estudiar los mercados, dedica la mayor parte del tiempo a preguntarse hacia dónde irá el precio. Pero existe otra cuestión igual de importante: ¿qué tan inestable puede volverse ese precio?
Para responder a esa incógnita nacieron los modelos GARCH, una familia de modelos estadísticos que estima cómo podría comportarse la volatilidad en los próximos periodos. Su popularidad no se debe a que predigan el futuro con exactitud, sino a que describen algo que aparece constantemente en los mercados: la volatilidad suele agruparse.
Un comportamiento que se repite más de lo que parece
Los periodos de calma (turquesa) y de alta volatilidad (magenta/morado) no se alternan al azar: tienden a agruparse en el tiempo. GARCH parte precisamente de esa observación para construir su estimación.
Piensa en el clima. Si llevas una semana con tormentas intensas, ¿esperarías que mañana hiciera un día completamente despejado? Es posible, pero estadísticamente resulta más probable que continúe cierta inestabilidad.
Con la volatilidad ocurre algo parecido: GARCH no intenta adivinar un evento inesperado, sino proyectar el comportamiento reciente hacia el futuro más próximo.
¿Dónde se utiliza realmente?
Gestión del riesgo
Estima cuánto podría aumentar la incertidumbre de una cartera.
Valoración de derivados
Muchas estrategias con opciones necesitan estimar la volatilidad futura.
Fondos cuantitativos
Algunos algoritmos ajustan su exposición ante cambios de volatilidad.
Asignación de capital
Permite ajustar el tamaño de las posiciones según el riesgo esperado.
Una situación cotidiana
Administras dos activos con una rentabilidad parecida, pero un comportamiento muy distinto:
Aunque ambos puedan ofrecer una rentabilidad parecida, probablemente no asumirás el mismo nivel de riesgo en cada uno. Eso es exactamente lo que intenta cuantificar un modelo GARCH.
Qué aporta… y qué no
GARCH puede ayudarte a…
- Estimar cambios probables en la volatilidad
- Adaptar modelos de riesgo
- Analizar periodos de alta incertidumbre
- Mejorar estimaciones estadísticas
Pero no puede…
- Saber si el precio subirá o bajará
- Predecir noticias inesperadas
- Eliminar completamente el riesgo del mercado
- Acertar todos los escenarios futuros
Una curiosidad que explica su éxito
Hoy existen algoritmos de inteligencia artificial y modelos mucho más sofisticados. Aun así, GARCH sigue enseñándose en universidades y utilizándose en numerosas instituciones. Muchas veces no hace falta el modelo más complejo, sino uno estable, interpretable y con estimaciones consistentes — esa sencillez relativa explica su permanencia durante décadas.
«GARCH no intenta decir qué ocurrirá mañana. Intenta responder cuál es el nivel de incertidumbre más probable si el mercado continúa comportándose de forma similar a como lo ha hecho recientemente.»
Los modelos GARCH siguen siendo una referencia porque ayudan a entender una realidad que cualquier trader experimenta tarde o temprano: los mercados alternan periodos de calma y de tensión, y esos cambios rara vez aparecen de forma completamente aleatoria.
Más que intentar adivinar el futuro, GARCH ayuda a responder una pregunta mucho más práctica: ¿qué nivel de incertidumbre conviene esperar antes de tomar la siguiente decisión?