Desviación Estándar
La medida clásica de dispersión que usa la mayoría de modelos de opciones para cuantificar la volatilidad y el riesgo.
Qué Mide la Desviación Estándar
La desviación estándar (denotada σ, la letra griega sigma minúscula) es la medida estadística más común de dispersión o variabilidad de un conjunto de datos respecto a su media. En términos intuitivos, responde la pregunta: "¿qué tan lejos de la media suelen estar los valores?". Una desviación estándar baja indica que los datos están agrupados cerca de la media; una alta indica que están dispersos ampliamente. Matemáticamente, para una muestra de n datos {x₁, x₂, ..., xₙ} con media x̄: σ = √[Σ(xᵢ − x̄)² / (n−1)]. La fórmula se interpreta como: "la raíz cuadrada del promedio de las desviaciones al cuadrado respecto a la media". Se usa el cuadrado (en lugar del valor absoluto) por razones matemáticas —facilita cálculo, tiene propiedades analíticas deseables, penaliza más las desviaciones grandes. En trading, la desviación estándar es sinónimo operacional de volatilidad: la desviación estándar de los retornos logarítmicos de un activo, generalmente anualizada. Si un activo tiene σ anual = 20%, significa que sus retornos típicamente varían ±20% alrededor de su media anual. La desviación estándar es fundamental porque está incorporada en prácticamente todos los modelos financieros modernos: Black-Scholes asume retornos lognormales con σ constante, VaR usa σ para cuantificar riesgo, el Sharpe Ratio divide exceso de retorno por σ.
La Regla 68-95-99.7
Si los datos siguen una distribución normal (campana de Gauss), existe una regla memorizable llamada empirical rule o regla 68-95-99.7: (1) aproximadamente 68% de las observaciones caen dentro de ±1 desviación estándar de la media; (2) aproximadamente 95% caen dentro de ±2 desviaciones estándar; (3) aproximadamente 99.7% caen dentro de ±3 desviaciones estándar. Esta regla es extraordinariamente útil para interpretación rápida. Ejemplo aplicado a un activo con precio actual $100 y volatilidad implícita anualizada 20%: durante los próximos 365 días, (1) hay ~68% de probabilidad que el precio termine entre $80 y $120 (±1σ, asumiendo lognormal); (2) ~95% entre $64 y $144 (±2σ); (3) ~99.7% entre $51 y $173 (±3σ). Estas cifras son el basis mental de muchos traders cuando deciden strike selection: "vender delta 16 puts = ~1σ OTM = ~84% POP". Es importante recordar dos caveats: (1) esto asume distribución normal, que es solo aproximación —los retornos financieros tienen fat tails que hacen eventos extremos más comunes que lo predicho; (2) la volatilidad es anualizada, pero para horizontes más cortos debe ajustarse multiplicando por √(T/365). Para 30 días: σ_30d = σ_anual × √(30/365) ≈ σ_anual × 0.286.
Volatilidad Diaria vs. Anualizada
La volatilidad de precios se reporta casi siempre anualizada, pero en la práctica necesitas convertirla a horizontes útiles (diario, semanal, mensual, hasta un vencimiento específico). La conversión asume independencia entre días (asunción razonable en primera aproximación): la varianza total es la suma de varianzas individuales, y la desviación estándar escala con la raíz cuadrada del tiempo. Fórmula clave: σ(T días) = σ(anual) × √(T / 252), donde 252 es el número de días de trading por año (aproximadamente). Ejemplos: (1) VIX actual = 20% anualizado → σ diaria = 20% / √252 ≈ 1.26% por día; esto significa que si asumes distribución normal, hay ~68% de probabilidad que el SPX se mueva menos de 1.26% en un día dado, y ~95% menos de 2.52%; (2) Bitcoin con IV 80% → σ diaria ≈ 5.04%, consistente con movimientos diarios de 3-5% siendo totalmente normales; (3) Apple con IV 25% → σ mensual ≈ 7.2%, razonable para un blue chip. La propiedad de scaling √T es fundamental para pricing de opciones: una opción a 60 días tiene aproximadamente 1.41× la σ de una a 30 días, no 2×. Esto también explica por qué theta decay se acelera cerca del vencimiento —el valor extrínseco depende de σ × √T, y como T disminuye, el valor decae con tasa cada vez mayor.
Cómo se Usa en Volatilidad Implícita
La volatilidad implícita (IV) es simplemente la desviación estándar anualizada del subyacente implícita en el precio de mercado de las opciones, bajo un modelo de valoración (usualmente Black-Scholes). Es el input inverso: en lugar de usar una σ conocida para calcular el precio teórico de la opción, tomas el precio de mercado y resuelves para la σ que hace cuadrar el modelo. Si IV = 30% para opciones de un stock, el mercado está "diciendo" que espera σ del 30% anualizada hasta el vencimiento. La IV es crítica para varias decisiones: (1) Si IV > RV (realized volatility) consistentemente, las opciones están overpriced en promedio y vender prima tiene edge estructural (variance risk premium); (2) El IV rank (IVR) indica dónde está la IV actual dentro del rango anual, útil para decisiones de timing; (3) El IV percentile (IVP) indica qué porcentaje del tiempo histórico la IV ha estado por debajo del nivel actual. Los traders sistemáticos venden prima cuando IVR > 50 y compran cuando IVR < 20; el patrón histórico en SPX, VIX y la mayoría de single names confirma edge en este approach. La IV también presenta skew (diferencias por strike) y term structure (diferencias por vencimiento) —dos dimensiones adicionales que ofrecen información.
Limitaciones y Fat Tails
La desviación estándar tiene limitaciones significativas como medida de riesgo, algunas de las cuales fueron brutalmente expuestas por crashes históricos. (1) Asume distribución normal, pero los retornos financieros tienen fat tails (exceso kurtosis) —eventos extremos ocurren con mayor frecuencia que la normal predice. Black Monday (19 octubre 1987) fue un evento de ~22σ según el modelo; bajo distribución normal esto debería ocurrir menos de una vez en la edad del universo. Ha ocurrido varias veces en los 40 años que tenemos data. (2) Trata positivos y negativos igual, pero los traders se preocupan principalmente de las pérdidas (downside). Medidas alternativas como semideviation (desviación solo de retornos negativos), maximum drawdown, o Conditional VaR (CVaR) capturan mejor el riesgo psicológico y operacional. (3) Asume retornos iid (independientes, identically distributed), pero los mercados tienen volatility clustering —períodos de alta volatilidad seguidos de alta, y períodos calmados seguidos de calmados. Modelos GARCH capturan esto mejor que σ constante. (4) No captura skewness —una distribución puede tener misma σ pero skewness muy distinto (positivo: cola larga al alza; negativo: cola larga al downside). Los retornos de mercados tienden a tener skewness negativo. A pesar de estas limitaciones, σ sigue siendo la medida de volatilidad más usada por su simplicidad y buenas propiedades matemáticas; solo debe complementarse con análisis adicional de tail risk.
Aplicación Práctica para Traders de Opciones
Para traders activos de opciones, la desviación estándar y su versión implícita tienen aplicaciones prácticas diarias. (1) Position sizing: si la σ diaria del subyacente es 2%, tu stop loss mental debería estar al menos a 2σ para no ser sacado por noise normal (4% en este ejemplo); si eso implica riesgo capital inaceptable, la posición es demasiado grande. (2) Strike selection: "vender delta 16 puts" ≈ "vender puts ~1σ OTM" ≈ ~84% POP asumiendo normal; "vender delta 7 puts" ≈ "~2σ OTM" ≈ ~97.5% POP. Estas aproximaciones funcionan bien para decisiones rápidas. (3) Expected move del subyacente: "expected move" por earnings o eventos se calcula como ATM straddle ≈ σ × S × √T; si AAPL straddle pre-earnings cotiza $5 y precio es $150 a 1 día del evento, IV implícita ≈ $5 / (150 × √(1/365)) = 63.7%. (4) Strangle vs. straddle pricing: un strangle 1σ OTM/1σ OTM debería cotizar ~40-50% del valor del straddle ATM equivalente (bajo distribución normal); desviaciones significativas indican skew a operar. (5) Gestión dinámica: cuando la σ realizada en tiempo real excede la IV cotizada al abrir la posición, considera hedging adicional o cierre; cuando σ realizada está por debajo, considera mantener expectando mean reversion a la IV.