{"id":25711,"date":"2025-03-09T11:57:05","date_gmt":"2025-03-09T10:57:05","guid":{"rendered":"https:\/\/qooant.com\/el-porque-del-uso-de-la-distribucion-normal\/"},"modified":"2025-03-09T15:30:35","modified_gmt":"2025-03-09T14:30:35","slug":"el-porque-del-uso-de-la-distribucion-normal","status":"publish","type":"post","link":"https:\/\/qooant.com\/es\/el-porque-del-uso-de-la-distribucion-normal\/","title":{"rendered":"El porqu\u00e9 del uso de la distribuci\u00f3n normal"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El an\u00e1lisis cuantitativo de los mercados financieros a menudo asume que los precios o retornos de los activos siguen una distribuci\u00f3n normal. Esta aproximaci\u00f3n no es perfecta pero resulta \u00fatil en muchos contextos. A continuaci\u00f3n, explicamos por qu\u00e9 la distribuci\u00f3n normal se ha convertido en uno de los modelos b\u00e1sicos para entender el movimiento de los mercados. <\/p>

1. El Teorema Central del L\u00edmite y la Normalidad de los Retornos<\/strong><\/h5>

Uno de los principales motivos para utilizar la distribuci\u00f3n normal es el Teorema Central del L\u00edmite (TCL)<\/strong>. Este teorema establece que la suma o media de un n\u00famero suficientemente grande de variables aleatorias independientes tiende a seguir una distribuci\u00f3n normal, independientemente de la distribuci\u00f3n original de las variables. <\/p>

Esto implica que si los precios de los activos est\u00e1n influidos por muchos factores peque\u00f1os e independientes (informaci\u00f3n de mercado, decisiones de inversores, ruido aleatorio, etc.), los retornos <\/strong>(variaciones porcentuales del precio) pueden aproximarse a una distribuci\u00f3n normal en el corto plazo.<\/p>

2. Facilidades matem\u00e1ticas y modelado<\/strong><\/h5>

La distribuci\u00f3n normal tiene propiedades matem\u00e1ticas que facilitan los c\u00e1lculos estad\u00edsticos y la toma de decisiones financieras:<\/p>

  • Est\u00e0 completamente definida per dos<\/strong> variables: la mediana (\u03bc<\/span><\/strong>) i la desviaci\u00f3n est\u00e1ndar (\u03c3<\/span><\/strong>).<\/li>
  • Permite sencillos c\u00e1lculos de probabilidades y riesgos mediante la tabla de la normal est\u00e1ndar.<\/li>
  • Se pueden construir modelos anal\u00edticos como el Value at Risk (VaR)<\/strong> o el modelo Black-Scholes<\/strong> para opciones.<\/li><\/ul>
    3. Regla del 68-95-99.7% y an\u00e1lisis de riesgo<\/strong><\/h5>

    Cuando se moldean los retornos financieros con una distribuci\u00f3n normal, se pueden establecer reglas generales para cuantificar riesgos:<\/p>

    • 68%<\/strong> de los valores est\u00e1n dentro de una desviaci\u00f3n est\u00e1ndar de la media (volatilidad baja).<\/li>
    • 95%<\/strong> dentro de dos desviaciones (acontecimientos m\u00e1s extremos, pero relativamente comunes).<\/li>
    • 99.7%<\/strong> dentro de tres desviaciones (eventos raros, como crisis financieras graves).<\/li><\/ul>

      Esta propiedad es clave en la gesti\u00f3n de riesgos y en la predicci\u00f3n de probabilidades de severas p\u00e9rdidas.<\/p>

      4. El Movimiento Brownia Geom\u00e9trico y los modelos financieros<\/strong><\/h5>

      Muchos modelos financieros asumen que los precios siguen un movimiento brownia geom\u00e9trico (GBM):<\/strong><\/p>

      $$dS_t = \\mu S_t dt + \\sigma S_t dW_t$$<\/span><\/p>

      Este modelo asume que los incrementos porcentuales de los precios siguen una normal distribuci\u00f3n, lo que permite derivar soluciones elegantes para el precio de derivados financieros.<\/p>

      5. Conceptos clave en el estudio de la distribuci\u00f3n normal en los mercados<\/strong><\/h5>
      5.1 Esperanza Matem\u00e1tica (\u03bc<\/span>) i Variancia (\u03c32<\/sup><\/span>)<\/strong><\/h5>
      • Esperanza Matem\u00e1tica (\u03bc<\/span>)<\/strong>: Representa la mitjana dels retorns d\u2019un actiu financer. Indica la tend\u00e8ncia central de la distribuci\u00f3 dels preus o retorns. <\/li>
      • Variancia (\u03c32<\/sup><\/span>)<\/strong>: Mide la dispersi\u00f3n de los retornos en torno a la media, indicando la volatilidad del activo.<\/li><\/ul>
        5.2 Desviaci\u00f3n Est\u00e1ndar (\u03c3<\/span>)<\/strong><\/h5>
        • La desviaci\u00f3n est\u00e1ndar es la ra\u00edz cuadrada de la varianza<\/strong> y se interpreta directamente como la volatilidad.<\/li>
        • En modelos financieros, a menudo se trabaja con la volatilidad anualizada<\/strong>, que es la desviaci\u00f3n est\u00e1ndar de los retornos diarios multiplicada por \\(\\sqrt{252}\\)<\/span> (por d\u00edas de bolsa en un a\u00f1o).<\/li><\/ul>
          5.3 Distribuci\u00f3n Normal Est\u00e1ndar (N(0,1))<\/strong><\/h5>
          • La versi\u00f3n est\u00e1ndar de la normal tiene media cero <\/strong>y desviaci\u00f3n est\u00e1ndar uno<\/strong>. Es clave para trabajar con estad\u00edsticos tipos Z-score<\/strong>: $$Z = \\frac{X – \\mu}{\\sigma}$$<\/span> Esto permite transformar cualquier variable normal en una normal est\u00e1ndar para realizar c\u00e1lculos de probabilidades. <\/li><\/ul>
            5.4 Valor en Riesgo (VaR – Value at Risk)<\/strong><\/h5>
            • Basado en la distribuci\u00f3n normal, el VaR estima la p\u00e9rdida m\u00e1xima esperada<\/strong> en un horizonte de tiempo dado para un determinado nivel de confianza.<\/li>
            • Ejemplo: un VaR al 5% diario<\/strong> indica la p\u00e9rdida que con un 95% de probabilidad no se superar\u00e1 en un d\u00eda de trading.<\/li><\/ul>
              5.5 Test de Normalidad<\/strong><\/h5>
              • Los retornos financieros no siempre siguen una normal perfecta<\/strong> porque pueden tener:
                • Asimetr\u00eda (skewness):<\/strong> Si la distribuci\u00f3n tiene mayor probabilidad a la derecha o izquierda.<\/li>
                • Curtosis (kurtosis):<\/strong> Si tiene colas m\u00e1s pesadas (ejemplo: m\u00e1s eventos extremos).<\/li><\/ul><\/li>
                • Para testar si los retornos siguen una normal se pueden realizar:
                  • Test de Jarque-Bera<\/strong>.<\/li>
                  • Test de Shapiro-Wilk<\/strong>.<\/li>
                  • QQ-Plot para ver las desviaciones respecto a la normal.<\/strong><\/li><\/ul><\/li><\/ul>
                    6. Limitaciones de la normalidad en los mercados<\/strong><\/h5>

                    Aunque la distribuci\u00f3n normal es una primera aproximaci\u00f3n \u00fatil, no siempre captura correctamente la realidad de los mercados:<\/p>

                    • Los mercados a menudo tienen colas m\u00e1s gruesas<\/strong> de lo que predice la normal (m\u00e1s eventos extremos).<\/li>
                    • La volatilidad no es constante<\/strong>, lo que viola una de las hip\u00f3tesis de la normalidad.<\/li>
                    • Existen correlaciones din\u00e1micas<\/strong> y efectos de dependencia temporal entre los movimientos de precios.<\/li><\/ul>

                      Por estos motivos, se utilizan modelos m\u00e1s sofisticados, como las distribuciones de L\u00e9vy<\/strong>, la teor\u00eda del valor extremo (EVT)<\/strong> y los modelos heteroced\u00e1sticos (GARCH)<\/strong>. <\/p>

                      Conclusi\u00f3n<\/strong><\/h5>

                      El atractivo de la distribuci\u00f3n normal en el estudio de los mercados financieros se debe a su simplicidad matem\u00e1tica y al soporte te\u00f3rico del Teorema Central del L\u00edmite. Aunque no es un modelo perfecto, sigue siendo una herramienta esencial para entender la volatilidad y el riesgo. Para capturar mejor los fen\u00f3menos extremos y las irregularidades del mercado, a menudo se utilizan modelos m\u00e1s complejos. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                      \n\t\t\t\t
                      \n\t\t\t\t\t
                      <\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

                      El an\u00e1lisis cuantitativo de los mercados financieros a menudo asume que los precios o retornos de los activos siguen una distribuci\u00f3n normal. Esta aproximaci\u00f3n no es perfecta pero resulta \u00fatil en muchos contextos. A continuaci\u00f3n, explicamos por qu\u00e9 la distribuci\u00f3n normal se ha convertido en uno de los modelos b\u00e1sicos para entender el movimiento de […]<\/p>\n","protected":false},"author":2,"featured_media":25703,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[19],"tags":[],"class_list":["post-25711","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-didactico"],"_links":{"self":[{"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/posts\/25711","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/comments?post=25711"}],"version-history":[{"count":1,"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/posts\/25711\/revisions"}],"predecessor-version":[{"id":25712,"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/posts\/25711\/revisions\/25712"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/media\/25703"}],"wp:attachment":[{"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/media?parent=25711"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/categories?post=25711"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/qooant.com\/es\/wp-json\/wp\/v2\/tags?post=25711"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}