Semi-Asimetría (SA) y Semi-Curtosis (SC)

¿Quieres explorar más? 📂 Explorar Categorías 🔥 Tendencias 🎓 Cursos

¿Por qué nos importan las colas de una distribución?

¿Te has fijado alguna vez en cómo, después de una racha de días soleados, llega de forma inesperada una tormenta que arruina un picnic? O en la bolsa: por qué un activo que “parece” estable puede de repente registrar pérdidas grandes y sorprendentes. Esa diferencia entre lo habitual y lo extremo —la forma en que se distribuyen las desviaciones respecto al centro— es lo que intentan captar medidas como la asimetría y la curtosis. Pero a veces nos interesa algo más selectivo: ¿solo nos preocupan las caídas grandes (el “lado malo”) o las alzas excepcionales (el “lado bueno”)? Ahí entran en escena la Semi-Asimetría (SA) y la Semi-Curtosis (SC), dos herramientas que permiten mirar solo una “mitad” de la distribución y entender mejor el riesgo y la rareza.

¿Qué son la Semi-Asimetría y la Semi-Curtosis? — Una explicación clara

En estadística clásica hablamos de asimetría (skewness) para medir si una distribución tiene más “cola” hacia la derecha o hacia la izquierda, y de curtosis (kurtosis) para medir el peso de las colas (es decir, la propensión a valores extremos). Sin embargo, ambas medidas consideran todas las desviaciones alrededor del centro. Las versiones semi (semi-asimetría y semi-curtosis) se enfocan en una sola mitad:

Semi-Asimetría (SA): mide la asimetría pero solo de las observaciones que caen por debajo (o, alternativamente, por encima) de un punto de referencia (por ejemplo, la media o la mediana). Es útil cuando nos interesa la frecuencia y magnitud de desviaciones negativas (pérdidas) más que de las positivas.
Semi-Curtosis (SC): mide la “pesadez” o la propensión a valores extremos solo en una de las colas —nuevamente la cola inferior (eventos negativos) o la superior (eventos positivos).

En términos sencillos: si la asimetría y la curtosis nos dicen “qué tan inclinada” y “qué tan colosal” es la distribución en general, las versiones semi nos dicen lo mismo pero mirando solamente la mitad que nos interesa.

Nota: existen varias fórmulas para SA y SC en la literatura. La idea clave es que ambas se construyen a partir de momentos parciales (o semimomentos), es decir, promedios de potencias de las desviaciones condicionadas a una cola. A continuación explicamos el concepto sin ahogarnos en notación técnica, y luego mostramos una forma común de formalizarlas.

Concepto con un ejemplo sencillo: la analogía del paraguas

Imagina que vives en una ciudad donde, normalmente, llueve una vez cada tanto y no de forma intensa. La media de precipitación mensual es baja. Pero hay temporadas en que, de pronto, cae una tormenta torrencial y arruina cosechas. Si solo miras la lluvia promedio (media) o incluso la varianza total, no capturas la diferencia entre “lluvia habitual” y “episodios extremos”.

La asimetría total te diría si, en general, las precipitaciones tienden a tener colas hacia grandes lluvias o hacia sequías, considerando todo por igual.
La semi-asimetría (mirando solo la cola superior) te diría: ¿qué tan “pesada” es la parte de la distribución que corresponde a las lluvias intensas? ¿Qué tan asimétricas son esas lluvias respecto a la media?
La semi-curtosis (también mirando la cola superior) te diría: ¿qué tan frecuentes o intensos son realmente los episodios extremos? ¿Hay “colas” largas que debamos temer?

Organización Mundial del Comercio (OMC): Qué es, Características y Ejemplos

Si planificas cultivos o sistemas de drenaje, te interesa mucho más la información que ofrecen las medidas semi porque te permiten enfocarte en los riesgos asimétricos (las lluvias extremas) sin que “la calma” diaria diluya la señal.

Un poco de formalidad (pero accesible)

Para no perder la intuición, veamos cómo se construyen estas medidas sin entrar en fórmulas esotéricas. La idea básica es:

Elegir un punto de referencia (c). Normalmente se usa la media (\mu) o la mediana.
Tomar solo las desviaciones que están de un lado de ese punto (por ejemplo, (X – c < 0) para mirar la cola inferior).
Elevar esas desviaciones a una potencia (3 para medir asimetría, 4 para medir curtosis) y promediarlas.
Normalizar para obtener una medida comparable.

Una forma común (expresada de manera compacta) para el segundo semimomento (que da lugar a la semivarianza) es:
[{eq}\text{Semivarianza inferior} = E\big[\big(\min(0, X-\mu)\big)^2\big].{/eq}]
Luego, la semi-asimetría puede construirse como un cociente que utiliza el tercer semimomento (potencia 3) sobre la semivarianza elevada a (3/2), mientras que la semi-curtosis suele usar el cuarto semimomento normalizado por la semivarianza al cuadrado. Más importante que la forma exacta es recordar que se trabaja solo con la mitad de las observaciones (las que nos interesan), y que esas medidas están normalizadas para poder compararlas entre conjuntos de datos.

Detalles y ejemplos cotidianos

1. Economía y finanzas: el temor a la cola inferior

Supón dos fondos de inversión A y B con rendimientos promedios iguales y varianza similar. El inversor promedio mirará volatilidad (desviación estándar) y quizá asimetría. Pero si A tiene ocasionales caídas severas (pérdidas grandes) mientras que B tiene pérdidas más moderadas pero frecuentes, la semi-asimetría inferior y la semi-curtosis inferior de A serán peores: A tiene colas más pesadas abajo. Para alguien más sensible a pérdidas que a ganancias, estas medidas son cruciales: penalizan el riesgo “de verdad”, el de quedar muy por debajo del punto de referencia.

Analogía: dos techos con igual área y apariencia, pero uno tiene una zona donde la teja se desprende ocasionalmente y humedece todo; la semi-medida detecta esa vulnerabilidad específica.

2. Control de calidad: mirar defectos graves

En manufactura, puede que la mayoría de piezas cumplan con tolerancias, pero un pequeño porcentaje tenga defectos graves (por ejemplo, grietas) que arruinan el producto. La semi-curtosis, aplicada a la cola superior de medidas de defecto, muestra la tendencia a valores extremos que indican fallos críticos.

3. Meteorología e hidrología: tormentas y crecidas

Los hidrólogos estudian datos de caudal de ríos. La media no dice mucho sobre el riesgo de inundación; la semi-curtosis de la cola superior (valores grandes del caudal) ayuda a estimar la probabilidad y severidad de crecidas. Eso permite diseñar diques y planes de emergencia.

Eficiencia del Mercado: Qué es, tipos y recomendaciones

4. Salud pública: brotes y epidemias

Si estamos analizando casos diarios de una enfermedad, la semi-curtosis superior nos ayuda a comprender la propensión a picos epidémicos extremos, lo que es crítico para la capacidad hospitalaria.

¿Por qué no basta con la asimetría y la curtosis “normales”?

Las medidas clásicas promedian información de ambas colas y, según la aplicación, eso puede camuflar lo que realmente importa:

Si una empresa teme solo pérdidas grandes (no le importan tanto las ganancias extraordinarias), la asimetría total mezcla señales buenas y malas.
Las colas pueden tener comportamientos distintos: una cola puede ser “gorda” y la otra no. La medida total se queda con un balance que no refleja esa desigualdad.
En optimización de carteras, penalizar la varianza de forma simétrica (marcando por igual ganancias y pérdidas) puede llevar a decisiones que dejan expuesto al inversor a “cisnes negros” negativos. Utilizar semimedidas permite diseñar estrategias que prioricen la protección contra lo que realmente tememos.

Variantes prácticas: semivarianza, downside risk y más

En finanzas es muy común usar la semivarianza inferior o el downside deviation como métricas de riesgo porque solo miden las desviaciones por debajo de un umbral (por ejemplo, la tasa libre de riesgo o la media). A partir de allí, la semi-asimetría y semi-curtosis permiten evaluar la forma de esa misma cola inferior: si es asimétrica (hacia pérdidas profundas) o si tiene curtosis alta (más extremos de lo esperado).

Otro concepto relacionado es la skewness relativa o la semi-skewness definida respecto a la mediana en lugar de la media; esto puede ser útil si la distribución es muy sesgada y la media no representa el “centro” típico.

Aplicaciones prácticas

Inversiones y gestión de carteras

Optimización robusta: incluir semivarianza y semi-curtosis en el objetivo permite construir carteras que minimicen riesgo de pérdidas severas, en lugar de minimizar varianza total.
Evaluación de fondos: comparar fondos por su semi-curtosis inferior ayuda a identificar gestores que, aunque tengan rendimientos promedio similares, manejan mejor el riesgo extremo.

Ingeniería y diseño

Diseño resistente: en puentes o presas, interesa estimar la probabilidad de cargas extremas (vientos muy fuertes, lluvias intensas). Las medidas semi ayudan a valorar la magnitud de riesgos en la cola superior.
Control de calidad: detectar procesos con colas pesadas en defectos críticos y priorizar su corrección.

Ciencia ambiental y climática

Eventos extremos climáticos: entender la frecuencia e intensidad de olas de calor o lluvias extremas mediante semi-curtosis para planificación urbana y agrícola.

Salud pública y seguridad

Planificación de recursos: prever picos hospitalarios; si la semi-curtosis superior es alta para los casos diarios, el sistema de salud debe prepararse para picos raros pero intensos.

Machine learning y detección de anomalías

Modelos sensibles a colas: diseñar detectores que no solo aprendan la media y desviación, sino que capten el comportamiento asimétrico de anomalías graves (ataques, fallos).

Tipo de Interés: Qué es, para qué sirve y qué factores le afectan

Cómo interpretar los resultados (guía práctica)

Semi-asimetría negativa grande (valor negativo) en la cola inferior indica que las pérdidas por debajo de la media tienden a ser profundas; atención: alto riesgo a la baja.
Semi-curtosis elevada en la cola inferior sugiere que, además de ser asimétrica, la cola tiene muchos o muy grandes valores extremos: eventos raros pero muy dañinos.
Valores pequeños o cercanos a cero indican que la cola estudiada se parece a una distribución “no extrema” respecto al punto de referencia; no hay señales fuertes de peligrosas colas.
Comparaciones entre activos/procesos: dos activos con misma volatilidad pueden diferir mucho en SA y SC; el que tenga SA inferior más negativa o SC superior en la cola inferior es más arriesgado desde la perspectiva downside.

Limitaciones y precauciones

Sensibilidad a la elección del umbral: si eliges la media como referencia en lugar de la mediana, las semimedidas pueden cambiar. Es importante justificar el punto de referencia según la aplicación.
Muestras pequeñas: las colas se estiman mal con pocos datos; las semimedidas pueden ser inestables si no hay suficientes observaciones extremas.
No son la panacea: SA y SC complementan otras métricas (VaR, CVaR, semivarianza), pero no sustituyen un análisis completo. Siempre conviene mirar varias medidas y entender el contexto.
Variedad de definiciones: la literatura presenta distintas normalizaciones y fórmulas; si vas a comparar estudios, asegúrate de que usen la misma definición.

Resumen y conclusión

La Semi-Asimetría (SA) y la Semi-Curtosis (SC) son herramientas poderosas para mirar solo la mitad de una distribución —la cola que nos interesa— y así entender mejor riesgos y extremos que las medidas tradicionales promedian y, a veces, ocultan. Son especialmente útiles cuando el impacto de eventos extremos es asimétrico: pérdidas que dañan, picos que colapsan sistemas, defectos que arruinan producciones.

Si la estadística tradicional te da una “foto” general del comportamiento, las semimedidas te dan una lupa para estudiar los detalles críticos de una sola cola. En finanzas ayudan a proteger carteras; en ingeniería y climatología, a diseñar infraestructuras; en salud pública, a preparar respuestas ante picos. Pero ojo: requieren cuidado en su cálculo, en la elección del punto de referencia y en la interpretación, especialmente con muestras pequeñas.

Resultados del aprendizaje

Definir qué son la Semi-Asimetría y la Semi-Curtosis y en qué se diferencian de la asimetría y la curtosis tradicionales.
Explicar por qué es útil mirar solo una cola de la distribución (por ejemplo, para medir el riesgo a la baja).
Identificar aplicaciones prácticas relevantes (finanzas, ingeniería, hidrología, salud pública, machine learning).
Interpretar valores altos o bajos de SA y SC en términos de riesgo o propensión a eventos extremos.
Reconocer las limitaciones: sensibilidad al umbral (media vs mediana), problemas con muestras pequeñas y la variedad de definiciones usadas en la literatura.

Continua con:

Rodrigo Ricardo Editor y fundador