Bolsa y Tipos de Interés

Introducción: qué nos enseña la relación entre Bolsa y tipos de interés 📈

La relación entre la Bolsa y los tipos de interés es uno de los laboratorios más fascinantes que existen para enseñar estadística aplicada en el aula. Cuando los mercados "descuentan" un acuerdo geopolítico —como el acuerdo con Irán— y desplazan su atención hacia los tipos de interés y la tecnología, lo que en realidad está ocurriendo es que millones de decisiones se traducen en números que suben y bajan de forma medible. Y donde hay números que se mueven juntos, hay una oportunidad de oro para enseñar correlación, lectura crítica de datos y pensamiento estadístico. 🧠

En este artículo no vamos a dar consejos de inversión: vamos a convertir una noticia económica en una clase práctica de análisis de datos, mostrando cómo medir, visualizar e interpretar la conexión entre el comportamiento bursátil y el precio del dinero. Encontrarás más material parecido en más artículos del blog de canaldocente.

Contexto: una noticia económica leída con ojos de estadístico 🔎

La noticia original señala que "la Bolsa descuenta ya el acuerdo con Irán y desplaza el foco hacia los tipos de interés y la tecnología". Traducido al lenguaje de los datos, esto significa tres cosas:

• Descontar un acontecimiento: el mercado ya ha incorporado esa información al precio, por lo que su efecto sobre la variabilidad futura es menor.
• Desplazar el foco hacia los tipos: aparece una variable explicativa candidata a estar correlacionada con el índice bursátil.
• La tecnología: un sector especialmente sensible a los tipos, porque sus beneficios se esperan a largo plazo y se "descuentan" a la tasa de interés.

Detrás de cada uno de estos titulares hay variables cuantitativas que podemos recoger, tabular y relacionar. Ese es justamente el corazón del análisis de la relación entre la Bolsa y los tipos de interés.

Relevancia para el análisis de datos: por qué la correlación es la herramienta clave 🎯

Cuando un alumno se pregunta "¿la Bolsa baja porque suben los tipos?", está formulando, sin saberlo, una pregunta estadística precisa: ¿existe asociación entre dos variables numéricas y de qué intensidad y signo?. La técnica que responde a esto es la correlación.

El coeficiente de correlación de Pearson (que denotamos como r) resume en un único número, entre -1 y +1, cómo se mueven dos variables a la vez:

• r ≈ +1: cuando una sube, la otra sube (relación positiva fuerte).
• r ≈ -1: cuando una sube, la otra baja (relación negativa fuerte).
• r ≈ 0: no hay relación lineal apreciable.

La fórmula que estudiaremos con el alumnado es:

r = Σ[(xᵢ − x̄)(yᵢ − ȳ)] / √[Σ(xᵢ − x̄)² · Σ(yᵢ − ȳ)²]

Lo potente didácticamente es que la correlación nos obliga a distinguir entre asociación y causalidad: que la Bolsa y los tipos se muevan juntos no demuestra que uno cause al otro. 💡

Variables: qué medimos exactamente 🧮

Para estudiar la relación entre la Bolsa y los tipos de interés definimos con claridad nuestras variables, su tipo y su unidad. Esto es un ejercicio excelente de "alfabetización de datos":

• X — Tipo de interés de referencia (variable continua, en %): por ejemplo, el tipo del banco central.
• Y — Rendimiento mensual del índice bursátil (variable continua, en %): la variación del índice.
• Z — Índice de volatilidad (variable continua): mide la "nerviosidad" del mercado.
• W — Peso del sector tecnológico (variable continua, en %): cuánto pesa la tecnología en el índice.

Definir bien las variables, su escala y su periodicidad (mensual, en este caso) es el paso que más errores evita después. 📚

KPIs: los indicadores que resumen el fenómeno 📊

Aunque nuestra técnica protagonista es la correlación, conviene acompañarla de unos KPIs sencillos que el alumnado pueda calcular a mano:

• Rendimiento medio mensual del índice (media de Y).
• Volatilidad media (desviación típica de Y).
• Coeficiente de correlación r entre tipos (X) y rendimiento (Y): el KPI estrella.
• Coeficiente de determinación r²: qué porcentaje de la variación se asocia linealmente.

Tabla didáctica: un dataset para practicar 🧾

La siguiente tabla contiene datos ilustrativos para uso docente (no son cifras reales de mercado; sirven solo para aprender a calcular la correlación entre la Bolsa y los tipos de interés):

Mes	Tipo de interés (X, %)	Rendimiento índice (Y, %)	Volatilidad (Z)	Peso tecnología (W, %)
Enero	3,00	+2,8	14	28
Febrero	3,25	+1,9	15	29
Marzo	3,50	+0,6	17	27
Abril	3,75	−0,4	19	26
Mayo	4,00	−1,2	21	25
Junio	4,25	−2,1	23	24
Julio	4,00	−0,9	20	25
Agosto	3,75	+0,8	18	27

Datos ilustrativos para uso docente. Observa a simple vista cómo, cuando el tipo de interés (X) sube, el rendimiento (Y) tiende a bajar: un anticipo de correlación negativa.

Análisis estadístico: calculando la correlación paso a paso 🔢

Con los datos anteriores, el procedimiento que seguiríamos en clase para medir la relación entre la Bolsa y los tipos de interés es:

1. Calcular la media de X (≈ 3,69%) y de Y (≈ 0,06%).
2. Obtener las desviaciones de cada dato respecto a su media.
3. Multiplicar las desviaciones emparejadas y sumarlas (covarianza).
4. Dividir por el producto de las desviaciones típicas.

Con este dataset ilustrativo se obtiene un coeficiente aproximado de r ≈ −0,93: una correlación negativa muy fuerte. Es decir, en esta muestra, a mayores tipos de interés, menor rendimiento bursátil. El r² ≈ 0,86 indica que el 86% de la variación del rendimiento se asocia linealmente con los tipos (en estos datos de práctica). ✅

Importante para el rigor: la correlación mide asociación lineal, no causalidad, y es sensible a valores atípicos. Por eso siempre la acompañamos del gráfico.

Modelo: de la correlación a una primera intuición predictiva 🧠

Una vez confirmada una correlación fuerte, el siguiente paso natural —que el alumnado descubrirá motivado— es preguntarse si podemos predecir. Aunque aquí nos centramos en la correlación, conviene señalar que un coeficiente cercano a −0,93 justifica explorar un modelo sencillo de relación entre ambas variables. La correlación es, por tanto, la puerta de entrada al modelado: primero medimos la fuerza de la asociación, y solo si es relevante avanzamos. Este orden lógico es una gran lección metodológica.

Visualización: el gráfico que cuenta la historia 📈

La visualización ideal para la correlación es el diagrama de dispersión (scatter plot):

• Eje X (horizontal): tipo de interés (%).
• Eje Y (vertical): rendimiento mensual del índice (%).
• Cada punto = un mes; añadimos una línea de tendencia para apreciar el sentido de la relación.

Como apoyo, un mapa de calor de correlaciones permite ver de un vistazo cómo se relacionan todas las variables (tipos, volatilidad, peso tecnológico) entre sí. Ambos gráficos se generan fácilmente con R (función cor() y plot()) o Python (pandas, seaborn.heatmap).

Aplicación didáctica: llevar la correlación al aula 🏫

Este caso encaja en asignaturas de Matemáticas, Economía y proyectos de datos. Una secuencia recomendada para profesorado (más ideas en recursos para profesores):

• Presentar la noticia real como gancho motivador.
• Repartir el dataset ilustrativo y calcular r a mano y con hoja de cálculo.
• Construir el diagrama de dispersión y debatir el signo de la relación.
• Discutir el error clásico de confundir correlación con causalidad.

Los datos económicos reales pueden consultarse en fuentes reputadas como Eurostat, ideales para un proyecto de mayor profundidad.

Preguntas y retos para el aula 📝

1. Calcula la media y la desviación típica de los tipos de interés (X) del dataset.
2. Obtén el coeficiente de correlación r entre X e Y y descríbelo con tus palabras.
3. Dibuja el diagrama de dispersión y traza la línea de tendencia: ¿asciende o desciende?
4. Interpreta el valor de r²: ¿qué proporción de la variación explica?
5. ¿La correlación negativa demuestra que subir tipos causa caídas en Bolsa? Argumenta.
6. Calcula la correlación entre tipos (X) y volatilidad (Z): ¿qué signo esperabas?
7. Propón una tercera variable "oculta" que pudiera influir en ambas a la vez.
8. Busca datos reales mensuales y repite el cálculo: ¿se mantiene la relación?

Conclusión: una noticia, una clase de estadística 💡

La aparente complejidad de la relación entre la Bolsa y los tipos de interés se vuelve transparente cuando aplicamos una herramienta tan elegante como la correlación. Hemos visto cómo definir variables, construir una tabla de datos, calcular el coeficiente r, visualizarlo en un diagrama de dispersión e interpretarlo sin caer en la trampa de la causalidad. Convertir titulares económicos en ejercicios estadísticos desarrolla el pensamiento crítico y la alfabetización de datos del alumnado. Para seguir practicando con casos reales, la guía para alumnos ofrece recursos paso a paso. 📚✅