Z-Score
Es una medida estadística que nos dice qué tan lejos o cerca está un valor del promedio de un grupo de valores. Imagínatelo como el arte de medir la «normalidad» de algo, usando las desviaciones estándar como unidad de medida.
Para calcular un Z-score, primero necesitas determinar la media (μ) y la desviación estándar (σ) de tus datos. Una vez que tengas estos valores, puedes calcular el Z-score de un dato específico (X) utilizando la fórmula:
Z=σ/(X−μ)
El Z-score te indica cuántas desviaciones estándar un valor específico está por encima o por debajo de la media.
Cuando nos encontramos con un Z-score de 0, es como si el universo nos dijera que ese dato en particular está bailando al ritmo del promedio. Un Z-score de 1.0, por otro lado, nos señala que el valor se ha desplazado una desviación estándar del promedio. Los Z-scores pueden ser tanto positivos como negativos: un valor positivo nos avisa que el dato está por encima del promedio, mientras que uno negativo indica lo contrario.
En el mundo de las inversiones y el trading, los Z-scores son como esa brújula que mide la variabilidad de un instrumento, ayudando a los traders a entender la volatilidad de sus jugadas. Ahora, no confundamos el Z-score con el Altman Z-score, que es otra criatura financiera que predice la probabilidad de bancarrota de una empresa. El Z-score que nos ocupa, en cambio, es más bien un Sherlock Holmes de las estadísticas, resolviendo misterios sobre cuánto se desvía el retorno de una acción de su retorno promedio—y mucho más.
Hay gente que lleva el uso de los Z-scores a otro nivel, aplicándolos en métodos de evaluación más sofisticados, como la inversión de factores, donde las acciones se evalúan basándose en atributos específicos usando Z-scores y desviación estándar. En los mercados de divisas, los traders utilizan los Z-scores y los límites de confianza para probar la capacidad de un sistema de trading para generar rachas de ganancias y pérdidas.
Que un Z-score sea alto (o bajo) no es intrínsecamente bueno o malo; simplemente nos indica dónde se ubica el dato dentro de una muestra distribuida normalmente. Esto significa que la evaluación de una inversión u oportunidad depende del gusto personal. Por ejemplo, algunos inversores prefieren trabajar con un rango de Z-score de -3.0 a 3.0, ya que el 99.7% de los datos normalmente distribuidos caen dentro de este rango, mientras que otros optan por un rango de -1.5 a 1.5, prefiriendo datos más cercanos al promedio.