En una frase — El análisis espectral transforma una serie observada en un mapa de las frecuencias que aparecen con mayor intensidad. Ayuda a encontrar oscilaciones candidatas; por sí solo no identifica su causa, no garantiza su persistencia ni produce una previsión.
¿Qué es el análisis espectral según Hurst?
En el capítulo 11 de The Profit Magic of Stock Transaction Timing, Hurst presenta las herramientas numéricas que sustentan su investigación cíclica: análisis de Fourier, filtros numéricos y ajuste de curvas. Parte de precios observados a intervalos regulares y busca describir cuánta oscilación aparece en distintas frecuencias.
La idea se parece a separar un acorde musical en sus notas. En el dominio temporal vemos una línea que sube y baja; en el espectro vemos dónde se concentra la variación. Un pico espectral señala una frecuencia candidata, no un ciclo económico ya demostrado.
Tres números para leer una oscilación
El periodo T es el tiempo necesario para completar una vuelta. La frecuencia es el número de vueltas por unidad de tiempo: f = 1/T. La frecuencia angular es ω = 2π/T.
Un periodo de seis meses equivale a T = 0,5 años, f = 2 ciclos al año y ω = 4π ≈ 12,57 radianes al año. Si una sinusoide se escribe como A sin(ωt + φ), A es la amplitud desde el centro hasta un pico; la distancia entre pico y valle es 2A. La fase φ sitúa la oscilación respecto al origen temporal.
Estas unidades no son intercambiables sin conversión. Multiplicar por 52 solo tiene sentido al transformar una frecuencia expresada por semana en su equivalente anual; el factor 2π sirve para pasar de ciclos a radianes.
Qué dice realmente un espectro
Un gráfico espectral coloca la frecuencia en el eje horizontal y una medida de amplitud o potencia en el vertical. Los picos muestran qué frecuencias tienen más peso en la muestra y con las decisiones analíticas adoptadas. El NIST lo presenta como una herramienta para identificar componentes cíclicas y frecuencias dominantes en una serie temporal.
El espectro no revela directamente el mecanismo que produjo esos picos. Además, cambia con la longitud de la muestra, la frecuencia de muestreo, la eliminación de tendencia y el estimador. El aliasing puede hacer que una frecuencia aparezca con otra identidad; la spectral leakage reparte energía entre frecuencias vecinas cuando la ventana observada no contiene ciclos completos.
El recorrido descrito por Hurst
Hurst empieza con datos equidistantes — diarios, semanales o mensuales — y explica un procedimiento de Fourier atribuido a Cornelius Lanczos. Separa la serie alrededor de su punto central, calcula componentes seno y coseno y las combina en amplitudes asociadas a las frecuencias analizadas.
La segunda etapa utiliza filtros numéricos como selectores de banda. Un filtro deja pasar un intervalo de frecuencias y atenúa el resto, de modo que una componente candidata pueda observarse a lo largo del tiempo. En el libro, la media móvil centrada es el caso intuitivo; el filtro de Ormsby permite controlar la banda con mayor precisión.
Por último, Hurst introduce la recta de mínimos cuadrados, la interpolación parabólica y el ajuste trigonométrico de Prony para resumir o adaptar las salidas. Son herramientas de estimación retrospectiva: asignar frecuencia, amplitud y fase no convierte automáticamente un ajuste en una señal disponible en tiempo real.
El límite entre texto histórico y evidencia
Hurst afirma correctamente que casi cualquier forma de onda puede representarse mediante sinusoides y que tener un espectro no demuestra que el proceso naciera sumando ciclos. Después sostiene que las partes aleatoria y fundamental del movimiento del precio no se generarían así, mientras que su “motivación X” sí.
Esta segunda afirmación es una conclusión de Hurst dentro de su modelo histórico, no una validación independiente obtenida del espectro por sí solo. Un pico puede reflejar estructura real, tendencia, autocorrelación, estacionalidad, muestreo o selección del método. Por eso, “X” sigue siendo una hipótesis operativa; el gráfico no establece su causa.
Los filtros centrados también tienen un límite práctico: para calcular el valor central utilizan observaciones a ambos lados. Son excelentes para estudiar y reconstruir un tramo histórico, pero el extremo derecho todavía no dispone de los datos futuros necesarios. Reconstrucción y previsión responden, por tanto, a preguntas distintas.
Cómo se comprueba hoy una periodicidad candidata
Antes del análisis se fijan la serie, el intervalo, las transformaciones, las frecuencias que se explorarán y el criterio para considerar relevante un pico. Si se prueban muchas ventanas, periodos y filtros, debe tenerse en cuenta la selección múltiple: elegir el mejor resultado sobre los mismos datos puede crear una ventaja aparente.
Después se comprueba si el pico permanece estable en subperiodos distintos y con métodos complementarios. Finalmente, frecuencias, filtros y reglas se congelan y se miden en un tramo posterior nunca utilizado para seleccionarlos. Solo esa prueba fuera de muestra puede evaluar capacidad predictiva; el espectro inicial sigue siendo un mapa exploratorio.
Para qué sirve en la práctica
El análisis espectral sirve para formular mejores preguntas: qué escalas merecen un filtro, qué frecuencias dominan una ventana, cuánto cambia un pico en el tiempo y qué hipótesis pueden refutarse. Por sí solo no indica cuándo comprar o vender.
La lectura más rigurosa del capítulo 11 es esta: Hurst ofrece una caja de herramientas para buscar y aislar periodicidades en los precios; su persistencia y valor predictivo deben demostrarse en una prueba posterior.
Fuentes
- J. M. Hurst, The Profit Magic of Stock Transaction Timing, Prentice-Hall, 1970, capítulo 11, pp. 168–186 y apéndices IV–VI — Fourier, filtros, ajuste de curvas y advertencias finales.
- Registro bibliográfico de Google Books de la edición Prentice-Hall de 1970.
- NIST/SEMATECH, Spectral Plot — Engineering Statistics Handbook — espectro como varianza respecto a la frecuencia y búsqueda de componentes dominantes.
- Halbert White, «A Reality Check for Data Snooping», Econometrica, 68(5), 2000, pp. 1097–1126 — riesgo de seleccionar y evaluar un modelo con los mismos datos.
Enlaces
- Análisis de Fourier según Hurst — cálculo histórico paso a paso
- Filtros numéricos de Ormsby — aislamiento de bandas
- Descomposición del DJIA — reconstrucción y límite fuera de muestra
- Motivación cíclica X — hipótesis causal de Hurst
- Tradición Hurst — recorrido histórico completo