Evaluación de la Eficiencia de Mercado en el índice NQROBO mediante técnicas de análisis multifractal - López Guisández, Javier

Abstract

La inteligencia artificial y la robótica se han consolidado como motores clave para el desarrollo humano y tecnológico, son hoy dos de los sectores más prometedores donde se depositan grandes expectativas. Su capacidad para transformar nuestra sociedad ya es algo evidente, sin embargo, debido a sus altos costes de diseño y desarrollo, necesitan del sector financiero, convirtiéndolo en un elemento esencial dentro de este ecosistema. Las empresas que se encuentran es estos sectores necesitan de los mercados para obtener financiación de manera eficiente y sostenible. El presente trabajo tiene como objetivo principal realizar un análisis sobre la eficiencia en el comportamiento bursátil de las empresas del sector de la IA y la robótica empleando el índice Nasdaq CTA Artificial Intelligence & Robotics (NQROBO) como aproximación representativa de los mismos. Que este mercado alcanzase la eficiencia supondría importantes ventajas para estas empresas, ya que atraería capital de un mayor número de inversores. Se ha llevado a cabo un análisis cuantitativo transversal y longitudinal aplicando la innovadora técnica Multifractal Detrended Fluctuation Analysis (MF-DFA), la cual descompone la serie temporal para estudiar como escalan las fluctuaciones y la existencia de memoria a largo plazo en la serie. Los resultados de este estudio demuestran que tras un periodo de rica multifractalidad en el índice, el evento de la pandemia inició un cambio de tendencia acercando el comportamiento conjunto del índice, tanto empresas de IA como de robótica, hacía una mayor eficiencia. Este cambio supone importantes beneficios, como la atracción de inversores no especializados y el impulso de la inversión pasiva.

Artificial intelligence and robotics have established themselves as key drivers of human and technological development. Nowadays, they are two of the most promising sectors, in which high expectations are placed. Their ability to transform our society is already evident; however, due to their high development cost, they rely heavily on the financial sector, making it an essential component of this ecosystem. Companies operating within these sectors require markets to obtain financing in an efficient and sustainable manner. The main objective of this work is to analyze the efficiency of the stock market behavior of companies in the artificial intelligence and robotics sectors, using the Nasdaq CTA Artificial Intelligence & Robotics (NQROBO) index as a representative approximation. Achieving market efficiency would bring significant advantages to these companies by attracting capital from a larger number of investors. A quantitative, transversal, and longitudinal analysis was carried out using the innovative Multifractal Detrended Fluctuation Analysis (MF-DFA) technique, which decomposes the time series to study how fluctuations scale and the existence of long-term memory in the series. The results of this study demonstrate that, after a period of rich multifractality in the index, the onset of the pandemic initiated a trend shift, bringing the overall behavior of the index—both for AI and robotics companies—closer to greater efficiency. This shift implies significant benefits, such as attracting non-specialized investors and boosting passive investment