En una frase — Hurst separó 884 cierres semanales del Dow de 1935–1951 en seis componentes y afirmó que su suma reconstruía el índice dentro de ±1%. Es un resultado sobre la misma muestra utilizada para el análisis, no un error de previsión fuera de muestra.
¿Qué muestra la descomposición del DJIA de Hurst?
La Fig. IX-4 de The Profit Magic of Stock Transaction Timing reúne el DJIA, seis curvas extraídas mediante filtros numéricos y varios eventos de la Segunda Guerra Mundial. Hurst la presenta como el resultado de más de tres millones de cálculos y como una demostración interna de su interpretación cíclica.
La figura importa porque hace visible una idea difícil: un movimiento complejo puede describirse como suma de oscilaciones en escalas distintas. Sin embargo, describir bien una serie observada y prever una serie futura son tareas diferentes.
Las seis escalas, sin fórmulas
Las cuatro componentes más cortas tienen duraciones medias registradas de 9,6, 19,85, 34,6 y 67,98 semanas. Los cálculos del libro concuerdan con el número de oscilaciones contado en 884 semanas: 92, 44,5, 25,5 y 13 muestras respectivamente.
La quinta componente representa la familia nominal cercana a 4,5 años. Hurst no encuentra una duración fija: enumera muestras de 38, 43, 28, 54 y 58 meses. En el tramo 1942–1944, la duración más corta coincide con una amplitud casi nula; el autor lo interpreta como ejemplo de su principio de variación.
La primera curva reúne oscilaciones superiores a 54 meses y el movimiento subyacente. Hurst marca dos máximos, A y C, y dos mínimos, B y D, vinculándolos con la familia nominal cercana a nueve años. Estas etiquetas describen el modelo histórico del autor; no son periodos inmutables ni leyes universales demostradas.
Qué significa realmente ±1%
Hurst afirma que la suma de las seis componentes reproduce los cierres del DJIA dentro de ±1%. La afirmación mide la calidad de la reconstrucción dentro de la muestra de la que se identificaron y extrajeron las componentes.
No mide la distancia entre una previsión en tiempo real y un precio posterior. No dice cuántos filtros o periodos se probaron, no compara el método con una referencia sencilla y no aplica una regla congelada a datos intactos. Por eso, el ±1% no es un error de previsión y no es una validación independiente de la predictibilidad del mercado.
La distinción no vuelve inútil la figura. Permite leerla por lo que es: una descomposición retrospectiva muy ajustada y una comprobación interna de coherencia del modelo de Hurst.
La caída de Francia y los ocho casos
Hurst examina tres líneas verticales anteriores a la caída de Francia en mayo de 1940. Según su lectura, en la tercera fecha cinco componentes apuntan hacia abajo y una permanece lateral; la fuerte bajada resulta así coherente con el estado de las curvas ya extraídas.
El autor repite la misma ficha para ocho giros entre 1935 y 1951 e interpreta cada caso mediante dirección, fase y amplitud de las componentes. Es una comprobación narrativa consistente sobre el gráfico, pero los casos se eligen y explican después de observar todo el periodo. La lámina no documenta una previsión registrada antes de los eventos ni una regla completa de inclusión para todos los giros comparables.
Las fechas bélicas también son anotaciones retrospectivas. Que una curva filtrada parezca caer antes de un evento no establece que la noticia no tuviera efecto ni identifica por sí solo la causa del movimiento.
Qué no demuestra la figura
La Fig. IX-4 no demuestra que las seis componentes sean la única descomposición posible, que el residuo sea aleatorio o no aleatorio, que las duraciones persistan en toda época ni que el mismo resultado valga para cada valor. Sobre todo, no separa construcción y prueba del modelo: reutiliza una sola historia para elegir la representación y evaluar su ajuste.
Este es el problema que hoy se denomina data snooping: pueden surgir resultados llamativos cuando los datos ya examinados también orientan la selección del modelo. No significa que el resultado sea falso; significa que su capacidad predictiva todavía debe medirse en otro lugar.
Cómo sería una prueba moderna
Primero se fijarían periodos, filtros, reglas de fase y criterios de giro usando solo un tramo inicial. Después se aplicaría el modelo sin correcciones a un periodo posterior fuera de muestra. Reconstrucción y previsión tendrían métricas separadas; las previsiones se compararían con referencias sencillas y presentarían también ventanas adversas, inestabilidad y costes operativos.
Mientras falte ese paso, la lectura precisa es: Hurst registra una reconstrucción dentro de ±1% para el DJIA de 1935–1951; la Fig. IX-4 no mide capacidad predictiva fuera de muestra.
Fuentes
- J. M. Hurst, The Profit Magic of Stock Transaction Timing, Prentice-Hall, 1970, capítulo 9, pp. 151–157, Fig. IX-4 — muestra, componentes, duraciones, ±1%, caída de Francia y ocho casos.
- Registro bibliográfico de Google Books de la edición Prentice-Hall de 1970.
- Halbert White, «A Reality Check for Data Snooping», Econometrica, 68(5), 2000, pp. 1097–1126 — por qué selección y evaluación sobre los mismos datos no establecen superioridad predictiva.
Enlaces
- Ciclos nominales — familias de duración y variación
- Análisis espectral — cómo se buscan periodicidades
- Filtros numéricos de Ormsby — cómo aísla Hurst las bandas
- Eventos históricos y ciclicidad — eventos, contrafactuales y causalidad
- Tradición Hurst — recorrido histórico completo