Según arXiv q-fin, un estudio reciente aborda la evolución de la superficie de volatilidad implícita (IV), con especial atención a las fechas de reuniones del Federal Open Market Committee (FOMC). El análisis examina si la volatilidad aumenta antes de que se publiquen las decisiones del comité, y si este efecto es más pronunciado en opciones de corto plazo, fuera del dinero (OTM) y en condiciones de alta volatilidad. Además, se evalúa si un modelo de aprendizaje automático (ML) puede superar al modelo clásico de caminata aleatoria en predecir este comportamiento. Se incorpora una característica clave: la proximidad de las fechas de los FOMC, para determinar si el modelo puede capturar el impacto de la incertidumbre elevada previo a las declaraciones oficiales.
El avance principal del trabajo radica en la predicción cuantitativa del efecto pre-annunciado y en la integración de información externa dentro del marco de ML aplicado a la superficie de volatilidad. Este enfoque representa una de las primeras aplicaciones directas de modelos de aprendizaje automático sobre la IV sin recurrir a técnicas de reducción de dimensionalidad. Para lograrlo, se utiliza un modelo híbrido basado en redes convolucionales y listas temporales bidimensionales (2D LSTM), capaz de identificar patrones espaciotemporales en la superficie. A pesar de que la IV presenta características ruidosas que limitan el rendimiento del modelo, los resultados confirman que los algoritmos de ML pueden ofrecer pronósticos precisos incluso en días anómalos, cuando la volatilidad se desvía de su comportamiento normal.
Para los inversores peruanos, este hallazgo tiene relevancia directa. El comportamiento de la volatilidad implícita en mercados globales, especialmente en momentos de incertidumbre, puede reflejar expectativas de cambios en las políticas monetarias. En el contexto peruano, donde las decisiones del Banco Central de Reserva de Perú (BCRP) influyen en la estabilidad financiera, entender cómo se anticipan los movimientos de la tasa de interés puede ayudar a los inversionistas a tomar decisiones más informadas. Aunque el estudio se centra en el mercado estadounidense, los principios de cómo los mercados perciben el riesgo antes de eventos clave son universales. Así, los peruanos que participan en inversiones en activos globales —como bonos o acciones— pueden aplicar este conocimiento para evaluar mejor el impacto de las próximas reuniones del BCRP. La capacidad de los modelos de ML para predecir comportamientos de volatilidad, incluso en condiciones de incertidumbre, sugiere que la tecnología puede ser un instrumento útil para detectar movimientos anticipatorios en el mercado, facilitando una gestión más proactiva de riesgos.