Según arXiv q-fin, un estudio reciente reevalúa la relación entre las predicciones implícitas en opciones y los rendimientos de activos, utilizando un conjunto de datos compuesto por 12.36 millones de observaciones diarias de empresas estadounidenses entre 2015 y 2026. Este panel abarca 10,026 activos y se divide en tres etapas distintas: periodos de baja volatilidad post-crisis (2015–2019), transición hacia altas volatilidades (2020–2022) y el periodo de concentración de tecnologías y grandes capítulos (2023–2026). En este marco, la relación entre el "smirk" de opciones —una curvatura en los precios de opciones— y los rendimientos futuros se ve afectada. El coeficiente univariante del próximo mes disminuye de -0.023 (con valor t de -5.5) en 2015–2019 hasta un valor insignificante de -0.006 (t = -1.5) en 2023–2026, y se vuelve positivo a tres meses de anticipación (+0.016, t = +2.1). En modelos combinados con seis señales tradicionales, el smirk pierde relevancia en todos los escenarios y cambia de signo en el último periodo. En contraste, el espacio de diferencias entre Cremers y Weinbaum, así como una medida de asimetría de riesgo neutral basada en Bakshi et al. (2003), mantiene su impacto significativo en todos los periodos. Un modelo basado en árboles de aprendizaje que integra superficies de opciones, actividad de trading, derivadas y características de liquidez supera a los modelos lineales solo en el periodo de alta tecnología y grandes capítulos, alcanzando un R² fuera de muestra de +1.29% frente a +0.07%. La importancia relativa de las variables cambia por etapa, y ninguna señal manualmente diseñada llega al top cinco. En clasificaciones de eventos de colapso de empresas a cinco días, el modelo de precisión (AUC) es más alto en mercados estables (0.706, XGBoost) y más bajo en el periodo de transición de volatilidad (0.561). El hallazgo principal indica que, aunque las señales de opciones poseen capacidad predictiva, su efectividad depende fuertemente del contexto económico y del entorno tecnológico en el que se desarrollan. El periodo post-2023, marcado por la expansión de activos tecnológicos y la concentración de capital en empresas de alto valor, presenta patrones distintos a los observados antes de la pandemia.
Para inversores peruanos, este análisis subraya que las herramientas tradicionales de predicción, como el "smirk", ya no son tan confiables en entornos de alta volatilidad o en mercados impulsados por tecnologías emergentes. En un contexto donde las empresas de tecnología y fintechs dominan las cotizaciones, las decisiones de inversión deben integrar modelos más dinámicos y adaptativos, no solo dependiendo de indicadores históricos. Los datos sugieren que la volatilidad no solo se mide, sino que se transforma, y que los nuevos actores en el mercado requieren nuevas estrategias de análisis. El lector peruano, al evaluar su portafolio, debe considerar que las condiciones del mercado no son homogéneas, y que los patrones de comportamiento de las opciones pueden cambiar drásticamente en tiempos de transformación tecnológica. Esto implica que la diversificación y la adaptabilidad en el diseño de estrategias son factores clave para mantener la estabilidad a largo plazo.