Ortogonalización de factores

En la detección cuantitativa de operaciones con información privilegiada, múltiples señales suelen mostrar dependencias ocultas. La velocidad de presentación de Form 4, métricas de concentración de insiders y el momentum sectorial pueden responder a la misma condición de mercado subyacente, generando puntuaciones de convicción redundantes o infladas. La ortogonalización de factores, normalmente mediante descomposición Gram-Schmidt o análisis de componentes principales, transforma factores correlacionados en un conjunto base no correlacionado. Esto garantiza que cada componente de la señal aporte un poder explicativo único en lugar de amplificar exposiciones sistemáticas compartidas, lo que resulta fundamental para un ranking predictivo robusto en mercados competitivos.

Los profesionales aplican la ortogonalización tras la normalización pero antes de la ponderación, asegurando que las cargas factoriales y los coeficientes de información reflejen el verdadero valor incremental de la señal. Esto es especialmente relevante en la puntuación de concentración de actividad de insiders, donde la agrupación temporal y las señales basadas en volumen pueden estar vinculadas mecánicamente. Al desacoplar estos componentes, el modelo previene la inflación ficticia de la convicción y estabiliza las tasas de acierto en backtest a lo largo de los regímenes de mercado, especialmente durante periodos de baja liquidez o alta volatilidad, cuando la multicolinealidad se agudiza.