Segun arXiv q-fin, una investigación reciente examina el desempeño de distintas métricas para identificar desviaciones en la distribución de datos financieros, un fenómeno crítico en modelos de riesgo. Aunque el Índice de Estabilidad de Población (ISP) es ampliamente adoptado, otras herramientas como la Divergencia de Jensen-Shannon y la Divergencia de Kullback-Leibler ofrecen ventajas específicas. La primera, diseñada para modelos mixtos, evita problemas asociados a ceros en categorías de datos y presenta simetría en sus cálculos. La segunda, más utilizada en comparaciones bayesianas, permite evaluar diferencias entre distribuciones de probabilidad con precisión estadística. Este trabajo amplía el análisis de Yurdakul y Naranjo (2020) al establecer las propiedades estadísticas y los valores críticos del chi-cuadrado para ambas medidas. Se valida su utilidad mediante la detección de cambios en probabilidades de default, utilizando modelos de Merton, Merton con saltos y volatilidad estocástica con saltos.
Los resultados muestran que ambas divergencias siguen distribuciones chi-cuadrado, lo cual permite establecer límites de confianza. La Divergencia de Jensen-Shannon logra un control más riguroso del error tipo I, manteniendo tasas de rechazo cercanas al 5%. Esto significa que reduce alarmas falsas, un aspecto clave en entornos de alta volatilidad. Sin embargo, esta precisión genera una pérdida de poder estadístico en muestras pequeñas: al comparar con el ISP y la Divergencia de Kullback-Leibler, el rendimiento de la medida es solo del 27% frente al 32% en muestras de tamaño 200. Por lo tanto, para obtener resultados confiables, se requieren muestras más grandes. Esta característica permite a los profesionales elegir entre minimizar falsos positivos o maximizar la sensibilidad para detectar cambios reales.
Para inversores y gestores de activos en el Perú, este análisis es especialmente relevante. El mercado peruano enfrenta volatilidades recurrentes, desde fluctuaciones en la tasa de cambio hasta cambios en la liquidez de productos financieros. Al detectar cambios en la distribución de riesgos, los modelos de crédito pueden anticipar crisis o ajustar estrategias antes de que se manifiesten. La elección entre una medida conservadora o sensible depende del objetivo: si se prioriza evitar alertas erróneas, la Divergencia de Jensen-Shannon es más adecuada. Si se busca maximizar la detección de riesgos incluso en muestras limitadas, entonces el ISP o la Divergencia de Kullback-Leibler podrían ser más útiles. En entornos donde la confiabilidad es clave, como los fondos de inversión o créditos a PYMES, la comprensión de estas diferencias permite tomar decisiones más informadas, reduciendo exposiciones innecesarias y mejorando la estabilidad de los portafolios.