Respuesta rápida: qué es statistical arbitrage
Statistical arbitrage es una familia de estrategias que usa relaciones estadísticas para buscar operaciones con ventaja probabilística. A diferencia de un arbitraje clásico, no siempre existe una diferencia obvia entre dos precios idénticos. Aquí el punto central es una relación histórica: dos activos, pares o instrumentos suelen moverse de forma conectada y, cuando se separan demasiado, el modelo espera una vuelta parcial.
La palabra clave es “probabilística”. No hay garantía. Un sistema puede decir que una desviación es inusual, pero el mercado puede seguir alejándose. Por eso este enfoque exige datos, hipótesis, control de riesgo y humildad.
Glosario básico
Serie temporal: conjunto de datos ordenados en el tiempo, como precios por minuto o retornos diarios.
Correlación: medida de movimiento conjunto. Si dos activos suelen subir y bajar al mismo tiempo, pueden estar correlacionados.
Cointegración: relación más exigente que correlación. Sugiere que una combinación entre dos series mantiene equilibrio a largo plazo.
Spread estadístico: diferencia calculada entre dos activos o carteras. No siempre coincide con spread bid/ask.
Z-score: medida que indica cuántas desviaciones estándar se aleja un valor de su media.
Mean reversion: reversión a la media. Idea de que una variable alejada de su rango habitual puede regresar.
Drawdown: caída desde un máximo hasta un mínimo posterior. Mide dolor real durante una estrategia.
Ejemplo fácil
Supón dos tokens de un mismo sector que históricamente se mueven con relación estable. Durante semanas, cuando el token A sube 1%, el token B suele acompañar. Un día, A sube fuerte y B queda rezagado. El modelo calcula que esa separación equivale a z-score 2,5, es decir, una desviación poco común.
Una estrategia podría comprar B y vender A, esperando que la distancia se reduzca. Si sucede, gana por convergencia. Si la separación aumenta, pierde. La operación no depende de acertar dirección general del mercado, sino de la relación entre ambos.
Diferencia con arbitraje clásico
El arbitraje clásico compara precios equivalentes: mismo activo, mercados distintos. Statistical arbitrage compara relaciones. Puede usar pares, cestas, factores, volatilidad, funding o patrones de microestructura.
Por eso también requiere más cuidado. Una diferencia entre BTC en dos exchanges puede verificarse rápido. Una relación estadística necesita muestra, robustez y seguimiento. La señal no dice “hay dinero en la mesa”; dice “según el pasado, esta separación merece análisis”.
Backtesting sin autoengaño
El backtest simula cómo habría funcionado una estrategia sobre datos históricos. Es necesario, pero peligroso. Muchos modelos parecen excelentes porque fueron ajustados al pasado. Si pruebas cientos de reglas, alguna funcionará por casualidad.
Un proceso serio separa datos de entrenamiento y datos fuera de muestra. También incluye comisiones, slippage, retrasos y tamaño máximo. Si una curva solo funciona sin costes, no existe estrategia; existe decoración.
Señales habituales
Z-score de spread: mide desviación frente a media histórica. Puede activar entrada cuando supera umbral alto y salida al normalizar.
Cointegración: busca pares con relación estable. Es útil, aunque puede romperse si cambia narrativa, liquidez o estructura.
Volatilidad relativa: compara movimiento reciente entre activos. Una expansión anómala puede indicar estrés o oportunidad.
Funding diferencial: analiza pagos entre perpetuos y spot. No es puramente estadístico, pero puede integrarse en modelos cuantitativos.
Riesgos en cripto
El ecosistema digital cambia rápido. Tokens pierden liquidez, exchanges modifican reglas, narrativas mueren y stablecoins sufren eventos de confianza. Una relación que funcionaba puede romperse por una noticia, un hack, una migración de red o un cambio regulatorio.
Además, muchos activos tienen historial corto. Datos de seis meses no bastan para concluir robustez. La volatilidad extrema genera colas gruesas: eventos raros ocurren con más frecuencia de la que algunos modelos suponen.
Métricas útiles
No mires solo rentabilidad. Revisa:
- Sharpe ratio, con prudencia.
- Drawdown máximo.
- Tiempo bajo agua.
- Rotación y costes.
- Porcentaje de operaciones perdedoras.
- Sensibilidad a comisiones.
- Resultado por régimen de mercado.
- Capacidad real según liquidez.
Error frecuente
El mayor error es enamorarse del modelo. Una señal cuantitativa no es verdad matemática. Es una hipótesis operativa. Necesita límites, parada, revisión y contexto. Si un par deja de comportarse como antes, el sistema debe reducir exposición o salir.
Sigue leyendo
Antes de trabajar con modelos, conviene entender arbitrage meaning. Si quieres conectar señales con automatización, lee AI arbitrage.