Desviación Estándar: Mide el Riesgo en Finanzas

En el vasto universo de las finanzas y la inversión, la toma de decisiones informadas es fundamental. Para ello, es imprescindible contar con herramientas que nos permitan cuantificar y comprender el riesgo inherente a cada oportunidad. Una de estas herramientas, quizás la más importante en el contexto de la teoría de la cartera moderna, es la desviación estándar. Esta medida estadística, que a primera vista podría parecer un concepto puramente matemático, se ha convertido en sinónimo de riesgo en el ámbito financiero. Comprender qué es, cómo se calcula y, lo que es más crucial, cómo interpretarla, es un pilar para cualquier inversor.

La desviación estándar es, en esencia, una medida de la dispersión de los valores en torno a su promedio. En términos sencillos, nos indica cuán "extendidos" o "agrupados" están los datos con respecto a su media. Cuanto mayor sea la desviación estándar, más dispersos estarán los datos, y viceversa. Pero, ¿por qué dedicar un artículo entero a una medida estadística? La respuesta radica en su aplicación directa a la inversión: un activo cuya rentabilidad tiene una desviación estándar más alta es más volátil, y por ende, se considera más arriesgado que un activo con una volatilidad más baja. Dado que el mercado generalmente ofrece una remuneración según el riesgo soportado, una mayor volatilidad se traduce, por lo general, en un mayor rendimiento esperado. Es la balanza entre riesgo y recompensa.

La Desviación Estándar como Medida de Incertidumbre y Volatilidad

En el mundo de las finanzas, la desviación estándar no es solo un número; es un indicador de la incertidumbre. Si consideramos dos inversiones diferentes que ofrecen la misma rentabilidad esperada, pero con distinta volatilidad, la que presente una mayor desviación estándar implicará rendimientos mucho más dispersos respecto a la media. Esto significa que, si bien ambas podrían prometer, por ejemplo, un 8% de retorno, la inversión con alta volatilidad podría oscilar drásticamente entre pérdidas significativas y ganancias extraordinarias, mientras que la de baja volatilidad se mantendrá mucho más cerca de ese 8% esperado. Por lo tanto, la volatilidad, medida por la desviación estándar, representa una medida directa de la incertidumbre relacionada con la obtención de un rendimiento igual al rendimiento esperado. Si la volatilidad es baja, los rendimientos no difieren mucho de la rentabilidad media; si la volatilidad es alta, los rendimientos son mucho más dispersos, lo que implica una mayor probabilidad de resultados inesperados.

Cómo Calcular la Desviación Estándar Paso a Paso

Calcular la desviación estándar puede parecer un proceso complejo, pero se descompone en una serie de pasos lógicos. Para obtener el valor de la desviación estándar (σ), necesitamos seguir la siguiente secuencia:

1. Calcular la media (μ) de los datos: Suma todos los valores y divide por el número total de valores (N).
2. Obtener la desviación de cada punto de datos respecto a la media: Resta la media (μ) a cada valor individual (rᵢ – μ).
3. Elevar al cuadrado cada una de estas desviaciones: Esto se hace para asegurar que todos los valores sean positivos y para dar más peso a las desviaciones mayores (rᵢ – μ)².
4. Sumar todas las desviaciones elevadas al cuadrado: ∑(rᵢ – μ)².
5. Calcular la media de las desviaciones cuadradas: Divide la suma de las desviaciones cuadradas por el número total de valores (N). Esta cantidad se conoce como varianza. Es importante destacar que, si estás trabajando con una muestra de datos en lugar de la población completa, el denominador se convierte en (n-1) en lugar de N.
6. Calcular la raíz cuadrada del resultado final: La raíz cuadrada de la varianza nos dará la desviación estándar (σ).

Para ilustrar este proceso, tomemos el ejemplo de los números 3, 5, 8 y 12. Primero, calculamos la media: (3 + 5 + 8 + 12) / 4 = 28 / 4 = 7. Luego, calculamos las desviaciones al cuadrado: (3-7)² = 16, (5-7)² = 4, (8-7)² = 1, (12-7)² = 25. La suma de estas desviaciones al cuadrado es 16 + 4 + 1 + 25 = 46. La varianza (considerando estos 4 números como una población) sería 46 / 4 = 11.5. Finalmente, la desviación estándar sería la raíz cuadrada de 11.5, aproximadamente 3.39. Afortunadamente, herramientas como Excel simplifican enormemente este proceso. Puedes usar la función DESVEST.P (para población) o DESVEST.M (para muestra) para obtener el resultado de manera instantánea, verificando que los resultados coincidan con los cálculos manuales.

Lo que se obtiene es una medida de la dispersión de los rendimientos en torno a su media. Cuanto mayor es la desviación estándar, mayor es la dispersión y, por lo tanto, mayor es el riesgo. Como ya se mencionó, la desviación estándar en finanzas se usa como una medida de volatilidad y, a su vez, la volatilidad es la medida de riesgo más utilizada en el mercado.

Desviación Estándar y la Distribución Normal

En el ámbito financiero, a menudo se asume que los rendimientos de una inversión se distribuyen de manera normal. La distribución normal, también conocida como distribución gaussiana, es aquella cuya función de densidad de probabilidad toma la forma clásica de campana. Esta distribución es de suma importancia porque puede describirse con solo dos parámetros: la media (μ), que define el valor central o la ubicación de la distribución, y la desviación estándar (σ), que describe el ancho de la campana.

A medida que la media varía, el centro de la distribución se mueve a lo largo del eje horizontal. Sin embargo, la forma de la campana cambia de acuerdo con la variación de la desviación estándar: una desviación estándar mayor aplanará la curva, haciéndola más ancha y extendida, indicando una mayor dispersión de los datos. Por el contrario, una desviación estándar menor hará que la curva sea más delgada y alta, concentrando los datos más cerca de la media. Esta relación visual es crucial para entender cómo la desviación estándar representa el grado de variabilidad o riesgo.

La Desviación Estándar y la Probabilidad de un Evento

Una de las propiedades más poderosas de la distribución normal, y por extensión de la desviación estándar, es su capacidad para estimar la probabilidad de que una variable tome un cierto valor en relación con su distancia a la media. Intuitivamente, los valores muy distantes de la media se repiten con menos frecuencia, mientras que los valores cercanos al promedio son más comunes. Esta relación se cuantifica a través de la 'regla empírica' o 'regla 68-95-99.7'.

Esta regla establece que, en una distribución normal:

• Aproximadamente el 68.3% de los valores se distribuyen dentro de una desviación estándar de la media (±1σ).
• Aproximadamente el 95.4% de los valores se distribuyen dentro de dos desviaciones estándar de la media (±2σ).
• Aproximadamente el 99.7% de los valores se distribuyen dentro de tres desviaciones estándar de la media (±3σ).

Por lo tanto, dado un rendimiento y una volatilidad esperados, se pueden definir intervalos dentro de los cuales debería caer un cierto porcentaje de la rentabilidad. Por ejemplo, si una inversión tiene un rendimiento esperado del 10% y una desviación estándar (σ) del 15%, podemos esperar que el 68.3% de los rendimientos obtenidos estén entre -5% (10% - 15%) y 25% (10% + 15%). El 95.4% de los rendimientos caerán entre -20% (10% - 2*15%) y 40% (10% + 2*15%), y el 99.7% entre -35% (10% - 3*15%) y 55% (10% + 3*15%). Esta capacidad de definir intervalos de probabilidad tiene implicaciones muy significativas en la formulación de modelos financieros y en la gestión de riesgos.

Un alejamiento de la media de 2 o 3 desviaciones estándar toma una dimensión diferente dependiendo de la volatilidad del activo en cuestión. Tomemos como ejemplo la media y la desviación estándar diaria de los retornos registrados en el último año para empresas como Facebook (Meta), Nvidia y Alibaba. Un movimiento diario de 3 desviaciones estándar (conocido como 3 sigma) es equivalente a una desviación de sus respectivos promedios de 3.21% para Facebook (-3.04%, 3.38%), 7.98% para Nvidia (-7.65%, 8.31%) y 4.92% para Alibaba (4.66%, 5.18%). Esto nos muestra que Nvidia, con una desviación estándar más alta, experimenta movimientos de precios mucho más amplios para el mismo número de sigmas, lo que la convierte en una empresa con mayor expectativa de rentabilidad pero, a la vez, con un riesgo considerablemente mayor.

¿Los Mercados Financieros Siempre Cumplen con Estas Regularidades Estadísticas?

Una pregunta crucial es si los rendimientos efectivos encontrados en la realidad financiera respetan estas reglas estadísticas, especialmente la de la distribución normal. Si bien la distribución normal es una herramienta poderosa para modelar y entender los rendimientos, la realidad del mercado a menudo presenta desviaciones significativas.

La probabilidad predicha por una distribución normal para eventos más allá de las 6 desviaciones estándar se vuelve tan remota que el evento se considera prácticamente imposible. Sin embargo, la historia financiera está plagada de lo que se conoce como cisnes negros: eventos inesperados, de baja probabilidad, pero de alto impacto, que ocurren con una frecuencia mucho mayor de lo que predeciría una distribución normal. Por ejemplo, el 19 de octubre de 1987, conocido como el Lunes Negro, el índice S&P 500 cayó un 23%, un evento que representó una desviación de ¡25 desviaciones estándar! La probabilidad de un evento de esta magnitud, según una distribución normal, es tan ínfima que es comparable a ganar una lotería multimillonaria 21 o 22 veces seguidas. Durante la gran crisis de 2007/2008, se observaron movimientos que superaron las 20 desviaciones estándar. El día después del referéndum del Brexit, la tasa de cambio de la libra esterlina se redujo en 15 desviaciones estándar. Estos fenómenos se consideran prácticamente imposibles si los rendimientos se distribuyeran de manera estrictamente normal, lo que resalta la importancia de entender las limitaciones de los modelos estadísticos.

Empíricamente, al verificar cómo se distribuyeron los rendimientos diarios del S&P 500 en el período 2006-2015 en comparación con los predichos por una distribución normal (con media 0 y desviación estándar 1% para intervalos diarios, ya que el rendimiento esperado puede aproximarse a cero y la desviación estándar diaria histórica ha sido cercana al 1%), se observa que los eventos extremos (las "colas" de la distribución) ocurren con mayor frecuencia de lo que la campana de Gauss predeciría. Esto subraya que los mercados financieros tienen una característica conocida como "colas gordas" o "leptocurtosis", donde los eventos extremos son más probables de lo que la teoría normal sugiere.

Desviación Estándar, Volatilidad y Riesgo en Carteras de Inversión

En plataformas de inversión como inbestMe, el concepto de desviación estándar se integra directamente en la construcción y gestión de carteras. Estas plataformas suelen ofrecer diferentes perfiles de inversión (por ejemplo, del 0 al 10), donde el número de perfil indica la exposición a activos de riesgo (como la renta variable). Un perfil 5, por ejemplo, podría tener aproximadamente un 50% de exposición a renta variable.

La relación es clara: cuanto más alto es el perfil de riesgo, más alta es la expectativa de rentabilidad media a largo plazo, pero esto tiene su contrapartida directa en la desviación estándar. Como ya hemos indicado, en el mundo de la inversión, la desviación estándar es aceptada generalmente como sinónimo de volatilidad y, por ende, de riesgo. Lamentablemente, para obtener más rentabilidad en la inversión, es necesario aceptar una mayor volatilidad y, consecuentemente, un mayor riesgo. Cuanto más alto sea el perfil de inversión, más alta será la desviación estándar y, por tanto, la volatilidad y el riesgo asociados. A continuación, se muestra una tabla indicativa de las expectativas por perfil de rentabilidad y riesgo de las carteras inbestMe Strategic:

Nota importante: Las rentabilidades de esta tabla son brutas (antes de comisiones de inbestMe pero descontando el coste de los ETFs). Estos datos son indicativos y están sujetos a pequeños ajustes. Se corresponden a expectativas de largo plazo. Los resultados del pasado no son garantía de resultados futuros. Cualquier retorno previsto o proyecciones hipotéticas pueden no reflejar resultados reales futuros. TODA INVERSIÓN IMPLICA RIESGO Y ESTÁ SUJETA AL RIESGO DE PERDER DINERO. No puede asegurarse que una inversión o cualquier proyección o rentabilidad real mostrada se conviertan con certeza en rentabilidades reales o predecibles.

Conclusión

La desviación estándar es mucho más que un simple cálculo; es una lente a través de la cual podemos observar y cuantificar el riesgo en el volátil mundo de las finanzas. Nos permite entender cuán dispersos pueden ser los retornos de una inversión, ofreciendo una medida tangible de su volatilidad y, por extensión, de su riesgo. Aunque los mercados financieros pueden desafiar las suposiciones de una distribución normal con eventos extremos inesperados, la desviación estándar sigue siendo una herramienta indispensable para modelar y comprender la incertidumbre.

Para cualquier inversor, comprender este concepto es fundamental, ya que nos permite alinear nuestras expectativas de rendimiento con nuestro apetito de riesgo. No es imprescindible conocer todos los cálculos detallados, pero sí es crucial comprender qué significa una desviación estándar alta o baja para nuestras inversiones. Al final del día, la gestión del riesgo es tan importante como la búsqueda de la rentabilidad, y la desviación estándar es la brújula que nos guía en ese camino.

Preguntas Frecuentes

¿Cuál es la desviación estándar de los datos que se dan a continuación: 10, 28, 13, 18, 29, 30, 22, 23, 25 y 32?

Para calcular la desviación estándar de estos datos, seguimos los pasos descritos anteriormente:

1. Datos: 10, 28, 13, 18, 29, 30, 22, 23, 25, 32 (N = 10)
2. Calcular la media (μ):
   Suma = 10 + 28 + 13 + 18 + 29 + 30 + 22 + 23 + 25 + 32 = 230
   Media (μ) = 230 / 10 = 23
3. Calcular la desviación de cada punto respecto a la media y elevarla al cuadrado:
   • (10 - 23)² = (-13)² = 169
   • (28 - 23)² = (5)² = 25
   • (13 - 23)² = (-10)² = 100
   • (18 - 23)² = (-5)² = 25
   • (29 - 23)² = (6)² = 36
   • (30 - 23)² = (7)² = 49
   • (22 - 23)² = (-1)² = 1
   • (23 - 23)² = (0)² = 0
   • (25 - 23)² = (2)² = 4
   • (32 - 23)² = (9)² = 81
4. Sumar todas las desviaciones cuadradas:
   Suma de cuadrados = 169 + 25 + 100 + 25 + 36 + 49 + 1 + 0 + 4 + 81 = 490
5. Calcular la varianza:
   Varianza (σ²) = Suma de cuadrados / N = 490 / 10 = 49
6. Calcular la desviación estándar:
   Desviación Estándar (σ) = √Varianza = √49 = 7

La desviación estándar de los datos proporcionados es 7.

Si quieres conocer otros artículos parecidos a Desviación Estándar: Mide el Riesgo en Finanzas puedes visitar la categoría Estadística.