Unknown

Kevin Davey es un conocido trader de futuros, divisas y materias primas. Ha estado operando durante más de 25 años. Durante tres años consecutivos, Kevin logró más del 100 % de rendimiento anual en un campeonato de trading con dinero real. Es autor del libro de  trading algorítmico «Building Algorithmic Trading Systems: A Trader’s Journey From Data Mining to Monte Carlo Simulation to Live Trading» (Wiley 2014). 
Kevin Davey / kjtradingsystems.com

 

Lecciones reales después de 30 años de experiencia

Llevo desarrollando y operando estrategias algorítmicas desde mediados de la década de 1990. He ganado el trofeo del World Cup Trading Championship en tres ocasiones: número 1 en 2006 y número 2 en 2005 y 2007, logrando en cada una de esas ediciones rentabilidades anuales superiores al 100% con dinero real.

image

También he formado a cientos de traders a través de mi Strategy Factory Workshop. Estas son las lecciones que se han mantenido válidas en todos los entornos de mercado que he atravesado.

Lo sencillo casi siempre gana

Al principio de mi carrera perseguía la complejidad como muchos otros traders: más indicadores, más reglas y más parámetros.

Los backtests parecían excelentes. Sin embargo, el comportamiento en tiempo real decepcionaba de forma sistemática.

Necesité años de experiencia, y bastantes pérdidas dolorosas, para aceptar lo que los datos estaban intentando mostrarme.

Hoy, cuando desarrollo una nueva estrategia, comienzo con el mínimo número posible de reglas y parámetros necesarios para expresar la idea central del sistema.

Solo añado complejidad cuando puedo demostrar, mediante pruebas walk-forward, que esa complejidad mejora realmente el comportamiento de la estrategia.

Esta disciplina puede resultar incómoda porque los modelos complejos parecen más impresionantes.

Sin embargo, es el único enfoque que he comprobado que funciona de forma sostenible a largo plazo.

El proceso siempre es más importante que las herramientas

He visto evolucionar la tecnología aplicada al trading durante tres décadas.

Redes neuronales, algoritmos genéticos, sistemas expertos, Machine Learning, Deep Learning, Reinforcement Learning y grandes modelos de lenguaje.

Cada pocos años aparece una nueva herramienta acompañada de la misma promesa: por fin existe una forma más inteligente de encontrar ventajas en los mercados.

Sin embargo, los traders que he visto tener éxito de forma consistente durante largos periodos comparten una característica común: disponen de un proceso de desarrollo estructurado y disciplinado que siguen independientemente de cuál sea la herramienta de moda.

Las herramientas cambian cada pocos años.

El proceso permanece.

Ese proceso consiste en desarrollar rigurosamente, validar rigurosamente y evaluar los resultados con absoluta honestidad.

Una estrategia mediocre desarrollada mediante un proceso sólido superará a una estrategia extremadamente sofisticada construida de manera descuidada.

Siempre.

El sobreajuste destruye más cuentas que los malos mercados

He visto traders sobrevivir a condiciones de mercado extremadamente adversas utilizando sistemas bien construidos.

Lo que nunca he visto es a un trader sobrevivir durante mucho tiempo después de asignar una cantidad importante de capital a una estrategia gravemente sobreajustada.

Nunca.

El sobreajuste no es un pequeño problema técnico. Es una de las principales causas del fracaso de los sistemas de trading.

Cada nueva herramienta que incorpores a tu proceso debería evaluarse desde esta perspectiva:

¿Aumenta o reduce mi riesgo de sobreajuste?

Si la respuesta sincera es que aumenta ese riesgo, necesitarás un proceso de validación extraordinariamente sólido antes de seguir adelante.

La disciplina durante los drawdowns no es negociable

Todas las estrategias, independientemente de lo bien construidas que estén, atravesarán periodos de drawdown.

La habilidad realmente importante consiste en distinguir entre una estrategia que simplemente está atravesando un drawdown normal y otra cuya ventaja estadística ha dejado realmente de existir.

Para realizar esa distinción es necesario comprender suficientemente bien el sistema como para confiar de verdad en sus propiedades estadísticas.

Los traders que trabajan con modelos de IA completamente opacos suelen tener más dificultades para mantener esa disciplina porque no pueden distinguir fácilmente entre un periodo adverso normal y un fallo estructural del sistema.

Como consecuencia, abandonan buenas estrategias demasiado pronto y mantienen malas estrategias durante demasiado tiempo.

La interpretabilidad que proporciona un proceso de desarrollo transparente no es simplemente una ventaja adicional.

Es un elemento esencial para gestionar correctamente la dimensión psicológica del trading sistemático.