Las matemáticas detrás de las finanzas pueden ser un poco confusas y tediosas. Afortunadamente, la mayoría de los programas de computadora hacen cálculos complejos. Sin embargo, comprender los diversos términos y métodos estadísticos, sus significados y cuál es el mejor análisis de las inversiones es crucial al elegir la seguridad adecuada y obtener el impacto deseado en una cartera.
Una decisión importante es elegir entre distribuciones normales versus distribuciones lognormales, ambas se mencionan a menudo en la literatura de investigación. Antes de elegir, necesita saber:
- Qué son Qué diferencias existen entre ellos Cómo afectan las decisiones de inversión
Normal versus lo normal
Las distribuciones normales y lognormales se usan en matemática estadística para describir la probabilidad de que ocurra un evento. Lanzar una moneda es un ejemplo fácil de entender. Si lanzas una moneda 1000 veces, ¿cuál es la distribución de resultados? Es decir, ¿cuántas veces aterrizará en cara o cruz? Hay un 50% de probabilidad de que caiga en cara o cruz. Este ejemplo básico describe la probabilidad y distribución de resultados.
Hay muchos tipos de distribuciones, una de las cuales es la distribución normal o curva de campana.
Imagen de Julie Bang © Investopedia 2019
En una distribución normal, el 68% (34% + 34%) de los resultados caen dentro de una desviación estándar, y el 95% (68% + 13.5% + 13.5%) caen dentro de dos desviaciones estándar. En el centro (el punto 0 en la imagen de arriba) la mediana (el valor medio en el conjunto), el modo (el valor que ocurre con mayor frecuencia) y la media (promedio aritmético) son todos iguales.
La distribución lognormal difiere de la distribución normal de varias maneras. Una gran diferencia está en su forma: la distribución normal es simétrica, mientras que la distribución lognormal no lo es. Debido a que los valores en una distribución lognormal son positivos, crean una curva sesgada a la derecha.
Imagen de Julie Bang © Investopedia 2019
Esta asimetría es importante para determinar qué distribución es apropiada para usar en la toma de decisiones de inversión. Otra distinción es que los valores utilizados para derivar una distribución lognormal se distribuyen normalmente.
Aclaremos con un ejemplo. Un inversor quiere saber el precio futuro esperado de una acción. Como las acciones crecen a una tasa compuesta, ella necesita usar un factor de crecimiento. Para calcular los posibles precios esperados, tomará el precio actual de las acciones y lo multiplicará por varias tasas de rendimiento (que son factores exponenciales derivados matemáticamente basados en la capitalización), que se supone que se distribuyen normalmente. Cuando el inversor aumenta continuamente los rendimientos, crea una distribución lognormal. Esta distribución siempre es positiva incluso si algunas de las tasas de rendimiento son negativas, lo que ocurrirá el 50% del tiempo en una distribución normal. El precio futuro de las acciones siempre será positivo porque los precios de las acciones no pueden caer por debajo de $ 0.
Cuándo usar distribución normal versus distribución normal
El ejemplo anterior nos ayudó a llegar a lo que realmente importa para los inversores: cuándo usar cada método. Lognormal es extremadamente útil al analizar los precios de las acciones. Mientras se suponga que el factor de crecimiento utilizado se distribuye normalmente (como suponemos con la tasa de rendimiento), entonces la distribución lognormal tiene sentido. La distribución normal no se puede utilizar para modelar los precios de las acciones porque tiene un lado negativo, y los precios de las acciones no pueden caer por debajo de cero.
Otro uso similar de la distribución lognormal es con el precio de las opciones. El modelo Black-Scholes, utilizado para fijar precios de opciones, utiliza la distribución lognormal como base para determinar los precios de las opciones.
Por el contrario, la distribución normal funciona mejor al calcular el rendimiento total de la cartera. La distribución normal se utiliza porque el rendimiento promedio ponderado (el producto del peso de un valor en una cartera y su tasa de rendimiento) es más preciso al describir el rendimiento real de la cartera (positivo o negativo), particularmente si los pesos varían según alto grado. El siguiente es un ejemplo típico:
| Cartera de participaciones | Pesas | Devoluciones | Devoluciones ponderadas |
| Stock A | 40% | 12% | 40% * 12% = 4.8% |
| Stock B | 60% | 6% | 60% * 6% = 3.6% |
| Rendimiento promedio ponderado total | 4.8% * 3.6% = 8.4% |
Aunque el rendimiento logarítmico normal para el rendimiento total de la cartera puede ser más rápido de calcular durante un período de tiempo más largo, no logra capturar los pesos de las acciones individuales, lo que puede distorsionar enormemente el rendimiento. Además, los rendimientos de la cartera pueden ser positivos o negativos, y una distribución logarítmica no podrá capturar los aspectos negativos.
La línea de fondo
Aunque los matices que diferencian las distribuciones normales y lognormales pueden escaparse la mayor parte del tiempo, el conocimiento de la apariencia y las características de cada distribución proporcionará información sobre cómo modelar los rendimientos de la cartera y los precios futuros de las acciones.
Comparar cuentas de inversión × Las ofertas que aparecen en esta tabla son de asociaciones de las cuales Investopedia recibe compensación. Nombre del proveedor DescripciónArtículos relacionados
Herramientas para el análisis fundamental
Uso de métodos de distribución de probabilidad de acciones comunes
Gestión de riesgos
Los usos y límites de la volatilidad
Conceptos de comercio de opciones avanzadas
Cómo construir modelos de valoración como Black-Scholes
Gestión de riesgos
Cómo usar la simulación de Monte Carlo con GBM
Planificación de jubilación
Planificación de la jubilación con la simulación de Monte Carlo
Herramientas para el análisis fundamental
Comprender las mediciones de volatilidad
Enlaces de sociosTérminos relacionados
¿Cuáles son las probabilidades? Cómo funciona la distribución de probabilidad Una distribución de probabilidad es una función estadística que describe los posibles valores y las probabilidades que una variable aleatoria puede tomar dentro de un rango dado. Más información sobre la inclinación La inclinación se refiere a la distorsión o asimetría en una curva de campana simétrica, o distribución normal, en un conjunto de datos. más Cómo funciona el modelo de precios de Black Scholes El modelo de Black Scholes es un modelo de variación de precios a lo largo del tiempo de instrumentos financieros tales como acciones que, entre otras cosas, pueden usarse para determinar el precio de una opción de compra europea. más Tocando la curva de campana Una curva de campana es el tipo de distribución más común para una variable y, por lo tanto, se considera que es una distribución normal. El término "curva de campana" se origina en el hecho de que el gráfico utilizado para representar una distribución normal consiste en una línea en forma de campana. más Comprensión de la distribución T La distribución AT es un tipo de función de probabilidad que es apropiada para estimar parámetros de población para tamaños de muestra pequeños o variaciones desconocidas. más Distribución logarítmica normal Una distribución logarítmica normal es una distribución estadística de valores logarítmicos de una distribución normal relacionada. más