Detalles de uso y método en señales de dispersión

Información clave

Detalles operativos, supuestos y límites de nuestras señales de dispersión actualizados para 2026

Índices que se mueven poco mientras los componentes se agitan, sectores que se desacoplan sin aviso, canastas internas que dejan de comportarse como esperábamos. Esta página reúne la información práctica sobre cómo Riventos analiza esas situaciones, qué métodos utiliza y qué advertencias acompañan siempre a sus señales de dispersión.

Qué puede y qué no puede aportar nuestra información

Esta página no es un folleto comercial, sino un intento de explicar con calma qué hace y qué no hace nuestra analítica de dispersión, especialmente para quienes responden ante órganos de gobierno y supervisores.

Cuando alguien nos pide más información, casi siempre quiere saber dos cosas: qué puede esperar realmente de nuestras señales de dispersión y qué riesgos corre si las interpreta de forma literal.

En primer lugar, nuestras señales están pensadas para describir, no para prescribir. Mostramos cómo se abre o se cierra la dispersión entre índices, sectores y canastas, pero no indicamos qué decisión debe tomarse. Esta distinción es importante para equipos de riesgo y cumplimiento que necesitan separar la capa analítica de la capa de decisión. La utilidad está en poder decir: "esto es lo que muestran los datos bajo estos supuestos", sabiendo que otros enfoques o universos podrían ofrecer lecturas diferentes.

En segundo lugar, el valor de la información depende en gran medida de la calidad de las fuentes y de la coherencia en el tiempo. Por eso damos tanta importancia a la gobernanza de datos: registro de cambios metodológicos, control de huecos, revisión de outliers y trazabilidad completa de cada serie utilizada. Esta disciplina no elimina errores, pero reduce la probabilidad de que una señal llamativa sea en realidad un artefacto de datos o de cálculo, algo especialmente relevante cuando la información se presenta en comités o informes formales.

Por último, insistimos en que cualquier ejemplo histórico que mostremos tiene un alcance limitado. Sirve para ilustrar cómo se comportaron determinadas métricas de dispersión en contextos pasados, no para anticipar comportamientos futuros. Los resultados pueden variar de forma significativa si cambian la liquidez, la composición de los índices o el marco regulatorio. Por ello recomendamos contrastar siempre nuestras señales con otros indicadores internos y con el criterio profesional de los equipos implicados antes de extraer conclusiones de peso.

Gráfico de dispersión entre índices y sectores

Cómo estructuramos la información clave

Qué medimos, cómo lo hacemos y para qué sirve

En Riventos organizamos la información en torno a tres bloques: qué medimos, cómo lo calculamos y cómo esperamos que se utilice. En el primer bloque nos centramos en la dispersión entre índices amplios, sectores y canastas definidas por el usuario. Observamos amplitud de movimientos relativos, cambios en correlaciones condicionales y rupturas frente a patrones históricos. En el segundo bloque describimos el método: selección de universos, ventanas temporales, filtros de liquidez y controles básicos de calidad de datos. En el tercero hablamos de uso previsto: apoyo a la investigación de mercados y a discusiones internas entre áreas cuantitativas, riesgo y cumplimiento, nunca como instrucción automática para decisiones de inversión. Toda esta estructura se revisa de forma periódica y se documenta para que los equipos puedan auditar qué supuestos había detrás de cada señal en un momento concreto.

Preferimos que nuestra información sea el inicio de una conversación exigente sobre dispersión y riesgos, no el final incuestionable de un debate complejo.

Cómo queremos que se usen nuestras señales

Miramos nuestras propias señales con la misma desconfianza con la que un comité de riesgos examina un informe demasiado optimista.

Cuando una métrica de dispersión parece demasiado limpia, la sometemos a lo que internamente llamamos prueba de incomodidad: buscamos explicaciones alternativas, revisamos la sensibilidad a pequeños cambios de parámetros y comprobamos si la señal se sostiene al modificar el universo de componentes. Este enfoque evita enamorarnos de resultados visualmente atractivos pero frágiles. Preferimos mostrar una imagen menos espectacular y más honesta de cómo se distribuyen los movimientos entre índices y sectores.

También prestamos atención a cómo se presenta la información. Un mismo conjunto de datos puede inducir interpretaciones muy distintas según el formato. Por eso acompañamos los gráficos con texto explicativo, advertencias sobre límites y, cuando procede, referencias a secciones como el aviso legal y la política de privacidad, donde se detalla el marco de uso y tratamiento de datos. El objetivo es que nadie pueda confundir una visualización sugerente con una promesa de comportamiento futuro o con un consejo personalizado.

Finalmente, aceptamos que diferentes equipos pueden llegar a conclusiones divergentes a partir de la misma señal. No intentamos resolver ese desacuerdo desde la herramienta, sino facilitar que quede bien documentado: qué métrica se utilizó, qué interpretación se propuso y qué objeciones se plantearon. En entornos supervisados, esa trazabilidad del desacuerdo puede ser tan valiosa como la propia métrica, porque muestra que las decisiones se tomaron tras un análisis crítico y no siguiendo ciegamente una cifra generada por un modelo.

Qué hay detrás de nuestras métricas de dispersión

Cuando pedimos información a un proveedor, queremos saber qué hay detrás de los nombres de las funciones. Esta sección intenta responder justo a eso.

Nuestra analítica de dispersión se apoya en un conjunto acotado de métodos cuantitativos: medidas de amplitud de movimientos relativos, análisis de correlaciones condicionales y detección de rupturas frente a patrones históricos. No pretendemos abarcar todas las técnicas posibles, sino aquellas que podemos explicar con claridad en informes destinados a riesgo, cumplimiento y dirección. Cada método se documenta con sus supuestos, sus ventajas y sus puntos débiles, de modo que los usuarios puedan valorar si encaja con sus propios marcos de control internos.

En la práctica, esto significa que para cada índice o canasta de referencia definimos un universo de componentes, establecemos ventanas temporales y aplicamos filtros de liquidez mínimos. A partir de ahí, calculamos distribuciones de rendimientos relativos y observamos cómo cambian bajo distintos entornos de volatilidad. La señal resultante no es un veredicto, sino una fotografía cuantitativa de cómo se reparte el movimiento del mercado en un periodo dado. Esta fotografía puede combinarse con otras fuentes internas, pero nunca debe interpretarse como una instrucción automática.

Además, mantenemos un registro de cambios en parámetros, fuentes y configuraciones. Si se ajusta un umbral, se amplía un universo o se modifica una metodología de cálculo, el cambio queda anotado junto con su justificación. Esta práctica permite que, al revisar un informe meses después, el equipo pueda entender por qué la señal tenía una forma concreta en ese momento. Los resultados pueden variar entre periodos y entre entidades, y preferimos que esa variabilidad esté explicada y no se presente como una anomalía inexplicable.

Información detallada sobre nuestra analítica

Curvas que se separan, sectores que dejan de moverse al unísono, canastas internas que ya no siguen al índice de referencia. Cuando hablamos de información en Riventos, hablamos de cómo intentamos describir estas situaciones con datos y no con impresiones aisladas. Esta página reúne explicaciones operativas sobre qué hace nuestra analítica de dispersión, qué no hace y cómo esperamos que se utilice. No es un catálogo de funciones, sino una guía de lectura: qué significan las señales entre índices y componentes, cómo se construyen las canastas, qué papel juega la calidad de las fuentes y qué advertencias acompañan siempre a los resultados. Nos dirigimos a equipos que ya trabajan con métricas internas y que necesitan entender con precisión cómo encaja una capa adicional de análisis sin generar conflictos con sus procesos de riesgo y cumplimiento. A lo largo del texto encontrará referencias explícitas a límites, supuestos y recordatorios de que los resultados pueden variar y que Past performance doesn't guarantee future results.

Panel con múltiples vistas de dispersión

Definición breve

Cuando decimos que seguimos la dispersión, nos referimos a medir cómo se distribuyen los movimientos relativos entre componentes, sectores e índices de referencia, con series históricas que permiten comparar episodios y no solo el día de hoy.

No buscamos una única cifra mágica, sino un conjunto pequeño de señales que, juntas, describan si el mercado se está moviendo de forma concentrada o fragmentada y qué parte de esa historia podría deberse a factores estructurales o a eventos puntuales.

Cómo explicamos lo que hace nuestra herramienta

Para explicar qué hace nuestra analítica de dispersión preferimos contar historias concretas y, después, extraer la lección. Aquí resumimos cómo solemos trabajar: empezamos con un caso de mercado, pasamos por la metodología y terminamos con advertencias claras sobre su uso y sus límites.

Partir de un caso real

Imaginamos un episodio en el que un índice mantiene una trayectoria aparentemente estable mientras varios componentes muestran variaciones extremas. Nuestro primer paso es cuantificar esa diferencia con métricas de amplitud y dispersión sectorial, no con impresiones. A partir de ahí, reconstruimos el contexto: liquidez, noticias relevantes, cambios de composición y cualquier otro factor que pueda explicar el comportamiento observado antes de atribuirlo a una señal relevante.