En una frase — El método de Prony intenta describir una serie como suma de unas pocas ondas, estimando la frecuencia, amplitud y fase de cada una. El resultado muestra hasta qué punto esas ondas reconstruyen la muestra utilizada; no demuestra que continúen en el futuro.
¿Qué es el método de Prony según Hurst?
En el Apéndice VI de The Profit Magic of Stock Transaction Timing, Hurst parte de la salida de un filtro pasa-banda de Ormsby. El filtro ya ha reducido la serie a un intervalo de frecuencias; el método de Prony intenta expresar lo que queda mediante un número limitado de sinusoides.
La idea se parece a reconocer los instrumentos dentro de un acorde. El sonido conjunto es observable, mientras que el cálculo intenta separar cada nota y medir su intensidad y posición dentro del ciclo.
El modelo que se ajusta
Para observaciones tomadas en los instantes (t_k), Hurst postula una suma de (m) componentes:
S(t_k) ≈ Σ [Aᵢ cos(ωᵢt_k) + Bᵢ sin(ωᵢt_k)]
Cada (ωᵢ) es una frecuencia. Los coeficientes (Aᵢ) y (Bᵢ) describen la misma componente sobre los ejes coseno y seno. Debe haber más observaciones que coeficientes: el apéndice establece la condición N > 2m.
Esta desigualdad permite un ajuste sobredeterminado, pero no elige el valor correcto de (m). El número de componentes, la ventana de datos y el filtro previo siguen siendo hipótesis del investigador.
El procedimiento en cuatro pasos
1 — Fijar el perímetro
Se eligen la serie filtrada, las (N) observaciones y el orden (m). Cambiar estos elementos después de ver el resultado modifica el problema, no se limita a repetir el cálculo.
2 — Obtener las frecuencias
Cuando las frecuencias son desconocidas, Hurst construye N − 2m ecuaciones para estimar (m) coeficientes intermedios (α) por mínimos cuadrados. Estos entran en un polinomio expresado mediante polinomios de Chebyshev, donde (x = cos ω):
T₀(x)=1 · T₁(x)=x · Tᵣ₊₁(x)=2xTᵣ(x)−Tᵣ₋₁(x)
Las raíces admisibles proporcionan las frecuencias candidatas (ωᵢ). Este es el núcleo del paso de Prony.
3 — Estimar los coeficientes seno y coseno
Las frecuencias se sustituyen en el modelo inicial. Un segundo problema de mínimos cuadrados estima (Aᵢ) y (Bᵢ), minimizando la suma de los errores cuadrados entre la serie observada y la suma trigonométrica.
4 — Obtener amplitud y fase
Cada pareja se combina en la forma Cᵢ sin(ωᵢt + φᵢ). Con la convención de Hurst:
Cᵢ = √(Aᵢ²+Bᵢ²) y φᵢ = atan2(Aᵢ,Bᵢ).
La salida es, por tanto, un conjunto de estimaciones (ωᵢ, Cᵢ, φᵢ), además de los residuos que deja el modelo.
“Sin retraso adicional” no significa tiempo real
Hurst señala que el ajuste puede suavizar el residuo de alta frecuencia sin aplicar otro filtro y, por tanto, sin añadir un nuevo desplazamiento temporal a la serie ya disponible.
El límite es esencial: la entrada puede proceder de un filtro centrado que necesita datos a ambos lados del punto estimado. El método de Prony no recupera observaciones futuras ausentes ni elimina el borde descrito en la entrada sobre los filtros de Ormsby.
Dónde puede fallar
Orden del modelo. Un (m) demasiado bajo puede fusionar componentes distintas; uno demasiado alto puede asignar frecuencias al ruido.
Ruido y frecuencias próximas. Las raíces del polinomio pueden volverse inestables. La literatura moderna clasifica Prony como un método paramétrico de alta resolución sensible al ruido; el filtrado previo reduce el problema sin eliminarlo.
La misma muestra. Un residuo pequeño mide el ajuste sobre los datos utilizados. No es un error de previsión ni constituye una validación independiente.
Parámetros cambiantes. Frecuencia, amplitud y fase pueden variar entre ventanas. Llamarlas “objetivas” significa que proceden de un procedimiento numérico fijado, no que sean propiedades permanentes del mercado.
Cómo evaluarlo hoy
Una evaluación reproducible exige:
- fijar filtro, ventana, muestreo y orden (m) antes de observar el tramo de prueba;
- estimar los parámetros únicamente sobre la muestra de calibración;
- trasladarlos sin correcciones a datos posteriores fuera de muestra;
- informar de residuos, estabilidad de las frecuencias y sensibilidad a las decisiones iniciales.
El método técnico de Hurst no debe confundirse con el curve fitting en la jerga del trading. Ajustar un modelo a datos es una operación estadística normal; el sobreajuste aparece cuando la selección explota tanto la muestra que el resultado no resiste datos nuevos.
Fuentes
- J. M. Hurst, The Profit Magic of Stock Transaction Timing, Prentice-Hall, 1970, Apéndice VI, pp. 215–217 — procedimiento histórico completo: mínimos cuadrados generalizados, frecuencias, amplitudes y fases.
- NIST/SEMATECH, Least Squares — criterio de mínimos cuadrados, residuos y distinción entre estimaciones y valores verdaderos de los parámetros.
- B. W. Rust, NIST, Fitting Nature's Basic Functions Part III: Exponentials, Sinusoids and Nonlinear Least Squares, 2002 — ajuste sinusoidal y diagnóstico estadístico.
- F. Marvasti et al., A unified approach to sparse signal processing, 2012, sección 5.1 — orden del modelo, algoritmo de Prony y sensibilidad al ruido.
Enlaces
Interpolación parabólica · Filtros de Ormsby · Análisis espectral · Apéndices de Hurst