Resumen
Existe evidencia de que señales provenientes de los mercados financieros, tales como índices bursátiles, tasas de interés, variaciones de precios de productos básicos, tienen naturaleza multifractal. En los últimos años se han hecho esfuerzos para relacionar la ineficiencia de los mercados con las características multifractales de sus correspondientes señales. Estas características se resumen en el conocimiento del espectro de singularidades o espectro multifractal que relaciona al conjunto de puntos singulares de la selñal con su correspondiente dimensión de Hausdorff. La novedosa aproximación que se propone en este trabajo, para el estudio de la dinámica de los mercados financieros, es el estudio de la evolución de los puntos singulares o exponentes Hölder locales de las series de índices bursátiles, medidos diariamente. Se analizaron los “retornos logarítmicos” de los índices bursátiles de 9 países pertenecientes a mercados desarrollados y 12 pertenecientes a mercados emergentes, desde febrero de 2006 hasta marzo de 2009. El análisis revela que la variación temporal del exponente Hölder puntual refleja la evolución de la crisis y detecta los eventos históricos que se desarrollaron durante este fenómeno, a partir de los valores mínimos del exponente Hölder puntual.
Citas
Bony, J.M. (1986) “Second microlocalization and propagation of singularities for semilinear hyperbolic equations”, in Hyperbolic Equations and Related Topics (Kata/Kyoto,1984); Academic Press: Boston: 11-49.
Jaffard, S.; Meyer, Y. (1996) “Wavelet methods for pointwise regularity and local oscillations of function”, Mem. Amer. Math. Soc. 123:587.
Jaffard, S. (1998) “Oscillation spaces: Properties and applications to fractal and multifractal functions”, J. Math. Phys. 39: 4129–4141.
Jaffard, S. (2004) “Wavelet techniques in multifractal analysis”, Proc. Sympos. Pure Math., AMS 72,(2): 91–151.
Kantelhardt, J.W.; Zschiegner,S. A.; Koscielny-Bunde, E.; Havlin, S.; Bunde, A.; Stanley, H. E. (2002) “Multifractal detrended fluctuation analysis of nonstationary time series”, Phys. A316: 87–114.
Legrand, P.; Lévy Vehel, J. (2003) “Local regularity-based image de-noising”, Image Processing, ICIP 2003. Proceedings 3: 377–380.
Lévy Vehel, J; Lutton, E. (2001) “Evolutionary signal enhancement based on Hölder regularity analysis”, in: Application in Evolutionary Computing, Lecture Notes in Computer Science; Springer, Berlin: 325–334.
Loutridis, S. (2007) “An algorithm for the characterization of time-series based on local regularity”, Phys. A381: 383–398.
Mallat, S. (1989) “Multiresolution approximations and wavelet orthonormal bases of L2”, Trans. Amer. Math. Soc., 315: 69–87.
Mallat, S. (2009)A Wavelet Tour of Signal Processing, The Sparse Way, 3rd Edition. Academic Press, Burlington.
Meyer, Y. (1997) Wavelets, Vibrations and Scalings, CRM Monograph Series, Vol. 9, AMS.
Seuret, S.; Lévy Vehel, J. (2002) “The local Hölder function of a continuous function”, Applied and Computational Harmonic Analysis, 13(3): 263–276.
Shang, P.; Lu, Y.; Kama, S. (2006) “The application of Hölder exponent to traffic congestion warning”, Phys. A370: 769–776.
Zunino, L.; Figliola, A.; Tabak, B.M.; Pérez, D.G.; Garavaglia, M.; Rosso, O. A. (2009) “Multifractal structure in Latin-American market indices”, Chaos, Solitons & Fractals 41,(5): 2330–2339.