El componente de selección adversa de la horquilla de precios cotizada: una revisión de los modelos de estimación

Abstract

[ES] Una de las principales preocupaciones en el área de la microestructura del mercado ha sido la estimación de los componentes no observables de la horquilla de precios a partir de las series de datos que proporcionan los mercados financieros, despertando quizá un mayor interés el de selección adversa por la implicaciones que supone la existencia del mismo. Esto ha provocado el desarrollo de numerosos modelos empíricos que, basándose en las propiedades estadísticas de las series de precios, proporcionan dichas estimaciones. La mayor disponibilidad de datos existentes en los mercados ha permitido el desarrollo en los últimos años de modelos basados en técnicas estadísticas más complejas como son el método generalizado de momentos o la metodología VAR y cuya base de partida es la dinámica de la formación del precio, y, en concreto, cómo la información privada de las transacciones se recoge en los nuevos precios cotizados. El objetivo de este trabajo es analizar este último grupo de trabajos, es decir, aquellos modelos de estimación de los componentes de la horquilla basados en la dinámica de la formación de precios que, además de permitir la estimación del componente de selección adversa en series temporales, suponen una herramienta fundamental para analizar el proceso de incorporación de la información a los precios cotizados en los distintos mercados.

[EN] One of the main interests of market microstructure is the estimation of the bid–ask spread components from financial data, specially the adverse selection component given the implications of its own existence. As a result, several empirical models based on price time–series statistical properties have been developed in order to estimate them. Recent greater financial data availability has allowed the development of models that focus on price discovery and use more statistical complex methodologies like GMM or VAR. This paper analyses this set of models that allows the estimation of the bid–ask spread components from price dynamics, specifically, the estimation of the adverse selection component in time series. Actually, this sort of models are a powerful tool to investigate how information is incorporated into quotes.