13 noviembre 2026
•
Fundamentos bayesianos
•
Redacción Rausynveirviamno
Qué es el promediado de modelos bayesianos y por qué importa en el análisis de volatilidad
El promediado de modelos bayesianos, conocido por sus siglas en inglés BMA, es una técnica que combina las predicciones de varios modelos estadísticos en lugar de elegir uno solo. Cuando analizas la volatilidad de un activo financiero, ningún modelo individual capta todos los factores relevantes. El BMA pondera cada modelo según la probabilidad de que sus supuestos sean correctos, produciendo una estimación más robusta. Este artículo explica el concepto paso a paso y describe cuándo aplicarlo tiene más sentido para tu análisis.
Leer más
10 noviembre 2026
•
Análisis de riesgo
•
Redacción Rausynveirviamno
Volatilidad implícita frente a histórica: diferencias clave para un análisis más informado
La volatilidad implícita y la volatilidad histórica miden cosas distintas, aunque ambas llevan la misma palabra en su nombre. Confundirlas es un error frecuente que distorsiona cualquier análisis posterior. Este artículo define cada concepto con precisión, explica cómo se calculan, describe en qué situaciones cada una resulta más informativa y detalla por qué los métodos bayesianos de combinación de pronósticos pueden integrar ambas perspectivas para producir estimaciones más equilibradas.
Leer más
7 noviembre 2026
•
Modelos estadísticos
•
Redacción Rausynveirviamno
Modelos de cambio de régimen en la combinación bayesiana de pronósticos de volatilidad
Los mercados financieros no se comportan de la misma manera en todos los períodos. Existen fases de baja turbulencia y fases de alta agitación, y los modelos que ignoran esa distinción producen estimaciones de volatilidad que no reflejan la realidad del momento analizado. Los modelos de cambio de régimen identifican esas transiciones de forma estadística y los marcos bayesianos ofrecen una vía para integrarlos con otros modelos en una previsión combinada más honesta y mejor calibrada.
Leer más
4 noviembre 2026
•
Estadística aplicada
•
Redacción Rausynveirviamno
Intervalos de credibilidad bayesianos frente a intervalos de confianza frecuentistas: una distinción que cambia cómo lees cualquier análisis de volatilidad
Un intervalo de credibilidad bayesiano y un intervalo de confianza frecuentista parecen, a primera vista, dos formas de decir lo mismo. No lo son. Confundirlos lleva a interpretaciones erróneas sobre cuánta incertidumbre contiene realmente una estimación de volatilidad. Este artículo define cada concepto con precisión, explica por qué la diferencia importa en la práctica y describe cómo el enfoque bayesiano permite comunicar la incertidumbre de forma más directa y sin ambigüedades interpretativas.
Leer más
1 noviembre 2026
•
Métodos dinámicos
•
Redacción Rausynveirviamno
El filtro de Kalman en la estimación dinámica de volatilidad: qué es y cómo se integra en un marco bayesiano
El filtro de Kalman es una herramienta estadística que actualiza estimaciones en tiempo real a medida que llegan nuevos datos, sin necesidad de reestimar el modelo completo desde cero. Cuando se aplica al análisis de volatilidad financiera y se combina con un marco bayesiano, produce estimaciones que se adaptan al comportamiento actual del activo sin perder la información acumulada en períodos anteriores. Este artículo explica el concepto con precisión, describe cómo funciona la actualización secuencial y detalla en qué condiciones su integración en un esquema de combinación bayesiana resulta más informativa que un modelo estático equivalente.
Leer más
29 octubre 2026
•
Evaluación de modelos
•
Redacción Rausynveirviamno
El criterio DIC y el WAIC en la selección y combinación de modelos de volatilidad bayesianos
Elegir entre modelos estadísticos alternativos requiere criterios objetivos que vayan más allá del ajuste en muestra. El Criterio de Información de la Devianza, conocido como DIC, y el Criterio de Información Ampliamente Aplicable, conocido como WAIC, son dos herramientas bayesianas diseñadas para comparar modelos penalizando la complejidad innecesaria. Este artículo define cada criterio con precisión, explica sus diferencias metodológicas y describe cómo su uso dentro de esquemas de combinación bayesiana produce ponderaciones más informadas que la selección por ajuste en muestra.
Leer más