Quantitative Model for Market Collapse Prediction version 1.4.0 author: Diego Vallejo
Abstract: Este documento presenta un modelo cuantitativo para predecir colapsos de mercado basados en la convergencia de indicadores macroeconómicos clave. Se analizan la ilusión nominal, la liquidez sistémica, el impacto del ciclo inmobiliario, indicadores adelantados (Regla Sahm, condiciones financieras, estructura temporal del VIX, sentimiento del consumidor), y se propone una función de ruptura que integra estos factores mediante una media geométrica ponderada. El modelo se valida con datos históricos y se utiliza para prescribir una asignación dinámica de portafolio basada en el riesgo proyectado.
El mercado no experimenta un crecimiento orgánico generalizado; el aumento de los precios bursátiles es una función de la depreciación acelerada de la moneda base (el dólar).
$$P_{real}(t)=\frac{P_{nominal}(t)}{(1+\pi)^t}$$
Donde $P_{real}$ es el valor adquisitivo real de las acciones, $P_{nominal}$ es la cotización en bolsa, y $\pi$ es la tasa de devaluación monetaria o inflación real.
La liquidez sistémica es el límite superior absoluto para la expansión de múltiplos de valoración. Cuando ocurren Ofertas Públicas Iniciales (OPIs) masivas, estas actúan como sumideros que extraen capital directamente de los activos cotizados.
$$S_{tech}=\max(0,V_{IPO}-C_{sideline})$$
Donde $S_{tech}$ representa la presión de venta forzada sobre el mercado existente. Si el volumen de capital requerido por las nuevas OPIs ($V_{IPO}$) supera el efectivo inactivo disponible en el sistema financiero ($C_{sideline}$), se detona una liquidación obligatoria. Esto obliga a las instituciones a vender posiciones consolidadas en infraestructura tecnológica y semiconductores (presionando a la baja el valor de empresas como AMD o Nvidia) para reasignar ese capital hacia la nueva oferta.
En ausencia de datos granulares de OPIs, la liquidez se aproxima mediante el impulso combinado de la masa monetaria y el balance de la Reserva Federal:
$$L_{impulse}(t) = \frac{1}{2}\left(\frac{\Delta M2_{YoY}}{M2} + \frac{\Delta BS_{YoY}}{BS}\right)$$
Donde $M2$ es la oferta monetaria (FRED: WM2NS) y $BS$ es el balance de la Fed (FRED: WALCL). $L_{impulse} < 0$ indica contracción de liquidez.
Existe una divergencia matemática entre el Gasto de Capital de las corporaciones ($CapEx$) y la creación neta de empleo ($J$). Las mega-capitalizaciones están redirigiendo casi la totalidad de su flujo de caja operativo ($OCF$) hacia la adquisición de capacidad de cómputo, suprimiendo la expansión laboral.
$$OCF=CapEx_{AI}+CapEx_{trad}+\text{Hiring}$$
La dinámica actual del sector tecnológico dicta que:
$$\lim_{t\to 2026}CapEx_{AI}\to OCF\implies\Delta\text{Hiring}\to 0$$
El mercado laboral entra en un estado de congelación estructural. La inteligencia artificial no está ejecutando despidos masivos a nivel contable, sino suprimiendo la derivada de contratación ($\frac{dJ}{dt}\approx 0$). Esto explica el aumento de la tasa de desempleo global sin un pico en las reclamaciones iniciales.
El ecosistema mantendrá su fase expansiva mientras el momentum algorítmico y minorista supere la restricción de liquidez, hasta que se cruce un umbral crítico. El colapso ($C$) del modelo se activa si y solo si convergen tres Z-scores con memoria de inversión activa:
$$C=\begin{cases}1,&\text{si }Z_{\Delta YC}^{max}>\tau\text{ y }Z_{\Delta U}^{max}>\tau\text{ y }Z_{\Delta OAS}^{max}>\tau\text{ y }I_{mem}=1\0,&\text{en caso contrario}\end{cases}$$
Donde $Z^{max} = \max(Z_{20d}, Z_{60d})$ es el máximo entre el Z-score de la derivada a 20 días y la derivada a 60 días, capturando tanto estrés rápido (crash 2020) como acumulación gradual (2007–2008).
$I_{mem}$ es la memoria de inversión: vale 1 si la curva de rendimiento estuvo invertida en algún momento durante los últimos 252 días de trading. Esto resuelve el problema de que la curva se des-invierte antes del inicio de la recesión (como ocurrió en 2006→2007 y 2023→2024), haciendo inútil el filtro de inversión en tiempo real.
Donde el Z-score normaliza la derivada contra su distribución histórica:
$$Z_{\Delta YC}=\frac{\Delta YC - \mu_{\Delta YC}}{\sigma_{\Delta YC}}$$
$YC = R_{10Y} - R_{2Y}$ es la Curva de Rendimiento (consistente con la serie FRED T10Y2Y), donde $YC < 0$ indica inversión y $\frac{d(YC)}{dt} > 0$ indica empinamiento. $\tau$ representa el umbral de desviaciones estándar requerido (e.g., $\tau = 2.0$ para un evento de $2\sigma$), $\Delta U$ es la aceleración en las solicitudes iniciales de desempleo, y $\Delta CS$ es la aceleración del diferencial de crédito corporativo Baa (FRED: BAA10Y).
Los Z-scores se computan sobre derivadas de dos horizontes:
$$Z_{\Delta X}^{max} = \max\left(\frac{\Delta X_{20d} - \mu_{20d}}{\sigma_{20d}},\; \frac{\Delta X_{60d} - \mu_{60d}}{\sigma_{60d}}\right)$$
Ambos se normalizan sobre una ventana rolling de 252 días. El operador $\max$ asegura que el sistema responde al horizonte más estresado.
El diferencial de crédito corporativo Baa sobre el rendimiento del Tesoro a 10 años (FRED: BAA10Y) es un indicador adelantado al mercado laboral. El crédito corporativo se deteriora antes de que las empresas ejecuten recortes, proporcionando señal anticipada:
$$Z_{\Delta CS}=\frac{\Delta CS - \mu_{\Delta CS}}{\sigma_{\Delta CS}}$$
El indicador binario se complementa con un score continuo. La versión anterior usaba $\min(Z_i)$, lo cual era demasiado conservador (requería las 3 patas simultáneamente en umbral). Se reemplaza por una media geométrica que permite que 2 patas fuertes + 1 moderada produzcan señal:
$$\text{Score} = \left(\prod_{i=1}^{3} \frac{Z_i^{max}}{\tau}\right)^{1/3} \times S_{boost} \times w_{regime} \quad \in [0, 1]$$
Donde:
El operador de media geométrica garantiza que si una pata está en cero, el score total es cero (no hay falsos positivos por una sola pata), pero es más permisivo que $\min$ cuando hay distribución desigual de estrés.
Resultados del backtest (v1.3.0):
| Recesión | Alertas (Score > 0.5) | Anticipación (días) | Peak Score |
|---|---|---|---|
| 1990 | 27 | 363 | 1.00 |
| 2001 | 44 | 311 | 1.00 |
| 2007 | 69 | 274 | 1.00 |
| 2020 | 5 | 264 | 0.62 |
El sector inmobiliario actúa como indicador adelantado primario para recesiones estructurales. La caída en ventas de viviendas reduce el consumo de bienes asociados, detonando eventualmente el ciclo de desempleo generalizado.
Dos amortiguadores explican por qué las métricas de la Sección 4 no colapsaron el mercado entre 2024–2026 a pesar de la caída en actividad inmobiliaria:
$$H_{drag} = Z_{\Delta HSN1F_{YoY}} - Z_{\Delta MSACSR}$$
Donde:
Cuando $H_{drag} < -1.5\sigma$ (ventas colapsando + inventario acumulándose), el mercado laboral opera sin red de seguridad inmobiliaria. El cruce de las tres patas de ruptura ejecuta una corrección acelerada.
El sistema reactivo (Secciones 4–5) valida la ruptura cuando ocurre. Para proyectar el riesgo a un horizonte de $T+6$ meses, se implementa un modelo logit multivariado:
$$P(Rupture_{t+h}=1 \mid X_t) = \frac{1}{1 + e^{-(\beta_0 + \beta_1 YC_t + \beta_2 H_{drag,t} + \beta_3 OAS_t + \beta_4 L_{impulse,t} + \beta_5 Z_{\Delta U,t}^{max} + \beta_6 Sahm_t + \beta_7 NFCI_t + \beta_8 I_{mem,t} + \beta_9 S_{stress,t})}}$$
Donde $h = 126$ días de trading ($\approx 6$ meses) y $\beta_n$ son coeficientes optimizados sobre datos desde 1990 con class_weight='balanced' y regularización L2 ($C=0.1$).
La probabilidad continua $\hat{P}$ alimenta la prescripción de asignación dinámica.
La Regla Sahm indica recesión cuando la media móvil de 3 meses de la tasa de desempleo sube $\ge 0.5$ puntos porcentuales desde su mínimo de 12 meses. Históricamente ha capturado cada recesión en tiempo real.
Índice compuesto que integra riesgo, crédito, apalancamiento y variables de mercado. $NFCI > 0$ indica condiciones más restrictivas que el promedio histórico.
La relación entre VIX (30 días) y VIX3M (90 días) revela el régimen de volatilidad:
$$V_{term} = \frac{VIX}{VIX3M} - 1$$
El índice de la Universidad de Michigan es un indicador adelantado del gasto. El colapso sostenido en sentimiento ($< 60$) precede recortes de consumo que eventualmente se transmiten al empleo.
Se computa un Z-score de la derivada a 20 días para detección de caídas abruptas.
El índice ponderado por capitalización está distorsionado por el CapEx en infraestructura tecnológica. Las mega-capitalizaciones actúan como sumideros de liquidez, enmascarando la erosión de empresas medianas y pequeñas.
$$\Delta_{breadth} = R_{SPX,60d} - R_{RSP,60d}$$
Donde $R_{SPX}$ es el rendimiento a 60 días del S&P 500 (cap-weighted) y $R_{RSP}$ el del S&P 500 Equal-Weight (ticker: RSP). Una divergencia positiva sostenida ($\Delta_{breadth} > 3\%$) indica huida defensiva hacia mega-caps y es precursor de correcciones violentas en portafolios concentrados.
La probabilidad predictiva del modelo logit se transforma en un parámetro de ejecución exacto:
$$E_{max} = 1 - \hat{P}(Rupture_{t+h})$$
A un riesgo de ruptura de $\hat{P} = 31.6\%$, la exposición máxima a renta variable es $68.4\%$, exigiendo una retención mínima de $31.6\%$ en liquidez (efectivo o equivalentes de corto plazo). Esto elimina la ambigüedad semántica ("revisar coberturas") y prescribe parámetros de rebalanceo cuantitativos.
El mercado de deuda soberana ($39 billones) presenta una divergencia estructural no capturada por la Curva de Rendimiento (que mide spreads relativos). Este pilar mide la anomalía absoluta del mercado de bonos del Tesoro.
El Term Premium es la compensación extra que exigen los inversores por el riesgo de mantener deuda a largo plazo. Su media histórica de 60 años es 2.5%. Si el mercado fuerza una reversión a la media, el rendimiento a 10 años subiría de 4.5% a >6.0%, causando un colapso adicional de 20-25% en precios de bonos.
$$S_{stress} = \frac{\mu_{TP} - TP_{t}}{\sigma_{TP}} - Z_{\Delta FDHBFIN}$$
Donde:
Cuando $S_{stress}$ es alto, el Term Premium está irracionalmente suprimido por debajo de su media mientras los bancos centrales extranjeros están vendiendo masivamente. La resta de $Z_{\Delta FDHBFIN}$ amplifica el estrés cuando las tenencias caen (Z negativo → sustracción de negativo = aumento del estrés total).
Este modelo define un mercado mecánicamente hipertrofiado que colapsará en el instante en que el drenaje de liquidez institucional interseque con el endurecimiento del crédito corporativo, forzando la corrección de los precios nominales hacia su valor real estancado.