Segun arXiv q-fin, un estudio reciente aborda el problema de optimización de portafolios bajo información parcial, donde el rendimiento de un activo riesgoso depende de dos factores latentes que evolucionan a distintas velocidades en el tiempo. La investigación demuestra que la estimación filtrada del nivel de reversiones latentes se construye a partir de la diferencia entre dos promedios exponenciales (EMA) aplicados a la historia de precios, generando así una señal similar a la MACD, un indicador ampliamente usado en trading. Además, se incorpora una corrección determinística basada en el modelo de Volterra, que ajusta la señal para reflejar mejor las dinámicas reales del mercado.
Los autores derivan estrategias óptimas en forma explícita, con retroalimentación directa al comportamiento de los precios, y validan su viabilidad bajo diferentes funciones de utilidad: logarítmica, de potencia y exponencial. Este enfoque matemático ofrece una fundamentación teórica para la aparición natural de señales MACD como estimadores del contenido oculto en los caminos de precios. Es decir, no se asume que el indicador funcione por tradición, sino que se puede justificar desde un modelo probabilístico riguroso.
Para el lector peruano, este hallazgo tiene implicaciones prácticas en el contexto de mercados emergentes como el de la bolsa de Lima. Los inversores locales, especialmente aquellos que utilizan herramientas de análisis técnico, podrían ver en esta investigación una validación científica de su uso cotidiano. Aunque el mercado peruano no presenta la misma estructura de factores latentes que los mercados internacionales, el principio de que las diferencias en promedios de precios pueden revelar cambios en la tendencia es universal. Por ello, una estrategia basada en promedios móviles podría ser más robusta si se aplica con un enfoque estructurado, considerando no solo el valor histórico, sino también la velocidad de evolución de los factores subyacentes.
Es importante destacar que este modelo no sustituye análisis de fundamentos, ni se aplica directamente a todos los activos. Los valores de mercado, el riesgo de liquidez y la volatilidad local son factores críticos que no están incluidos en el estudio. Sin embargo, el hecho de que una señal técnica común como la MACD tenga una base matemática sólida, incluso en condiciones de información parcial, puede dar más confianza a quienes aplican estrategias basadas en datos históricos.
En un entorno donde los inversores peruanos enfrentan volatilidades elevadas y baja transparencia de información, entender el origen matemático de señales técnicas puede ayudar a tomar decisiones más informadas. No se trata de eliminar el juicio, sino de dar un contexto más claro a las herramientas que ya usamos. Así, cada señal de mercado no es solo un patrón, sino una estimación de un proceso oculto que evoluciona en el tiempo. Esto puede convertirse en un pilar para desarrollar estrategias más inteligentes, especialmente en mercados donde la información no llega de forma uniforme.
Finalmente, este trabajo no ofrece una solución universal, pero sí demuestra que ciertos indicadores técnicos pueden tener una justificación profunda, lo que invita a reevaluar su uso con una perspectiva más rigurosa y menos intuitiva. Para los peruanos que invierten en acciones o bonos, esto significa que cada señal técnica puede ser vista como un resultado de un modelo matemático, y no solo como una regla de experiencia.