Skip to content
Método TradingMétodo Trading
  • Colaboradores
  • Cursos
  • Material formativo
  • Revista
  • Artículos
  • Guías
  • FAQ
  • Contacto
  • Acceder
shutterstock 2156690783 scaled">

La volatilidad no es nada nuevo por Ben Carlson

Captura de pantalla 2020 10 07 a las 15.27.47 1 e1602078279445

Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL

 

Los rendimientos del tesoro a dos años cerraron el día en un 5,05%.

Fue el nivel más alto desde el verano de 2006.

Ese es un rendimiento bastante jugoso para los bonos del gobierno a corto plazo.

Desafortunadamente, no duró.

Mira la caída de las tasas desde que la crisis bancaria se nos atragantara:

I2YTCMR chart

Parece una caída del mercado de valores.

Esto no es normal. Y no es solo la caída de las tasas lo que se destaca. La volatilidad está fuera de control.

Bespoke publicó un gráfico que muestra que hemos visto una de las mayores rachas de movimientos consecutivos de más del 0,2 % de las últimas 4 décadas:

Screenshot 2023 03 17 203353

Veinte puntos básicos pueden no parecer un gran movimiento en relación con el mercado de valores, pero es mucho para los bonos a corto plazo.

Entre el viernes pasado y el lunes, los rendimientos a dos años se desplomaron del 5 % al 4 %. El martes se dispararon de nuevo. El miércoles cayeron por debajo del 4 %. El jueves retrocieron más del 4 %. Los rendimientos del viernes disminuyeron por debajo del 4 % una vez más.

Los rendimientos de los bonos a corto plazo se negocian como una acción meme.

Es difícil de creer, pero el mercado de valores subió después de que Silicon Valley Bank cayera.

No pongo muchas acciones en movimientos del mercado a corto plazo.

El mercado de valores no es la economía, especialmente a corto plazo. Y la mayoría de las explicaciones que tratamos de adjuntar a los movimientos en los mercados financieros son simplemente narrativas post-hoc para hacernos sentir mejor.

Pero seguro que parece que siempre es algo.

En este momento tenemos volatilidad en el sistema bancario, volatilidad en los niveles de precios (inflación) y volatilidad en las tasas.

Últimamente he estado pensando mucho en el hecho de que toda mi vida adulta parece que ha pasado de una crisis a otra.

Entré en la universidad justo cuando la burbuja de las punto-com estaba estallando. Era estudiante de segundo año en la universidad cuando ocurrió el 11 de septiembre.

A solo unos pocos años de la universidad fue el desplome del mercado de la vivienda y la Gran Crisis Financiera. Luego estuvo la crisis de la deuda europea en 2010-2011.

Ahora hemos experimentado una pandemia, la inflación más alta en cuatro décadas y lo que quieras que sea esta cosa que estamos viviendo ahora con  la banca.

En algunos aspectos, parece que estamos viviendo un período de elevada volatilidad en la geopolítica, los mercados y la economía.

Pero como alguien a quien le gusta leer sobre la historia del mercado financiero, puedo dar fe de que esta es la norma. La historia está llena de pánicos, crisis, accidentes, caídas y lo inesperado.

He estado en la industria financiera durante casi 20 años y parece que hemos vivido todo tipo de entornos imaginables: auges, quiebras, tasas crecientes, tasas descendentes, tasas del 0 %, inflación baja, alta inflación, deflación, mercados alcistas, mercados bajistas y todo lo demás.

A pesar de que siento que he vivido todos los entornos económicos o de mercado imaginables, sé que habrá muchas cosas que sucederán en el futuro que me sorprenderán.

Los últimos 3 años más o menos se han sentido como un momento sin precedentes. Y lo ha sido en muchos sentidos.

De otras maneras, esto es normal. Hay períodos de relativa calma seguidos de un período de mayor tensión y volatilidad.

Así es como siempre han funcionado las cosas.

William Bernstein escribió una vez: “En el mundo de las finanzas, los únicos cisnes negros son la historia que los inversores no han leído”.

Lo raro e inesperado ocurre más a menudo de lo que crees.

Comparte este articulo:

shutterstock 2156690783
La volatilidad no es nada nuevo por Ben Carlson

  Los rendimientos del tesoro a dos años cerraron el día en un 5,05%. Fue...

shutterstock 1928122490 scaled">

¿Qué necesitas empezar a hacer trading? por Kevin Davey

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

 

Son las 11 p. m. del domingo por la noche, y estás emocionado. Estás listo para empezar mañana por la mañana. Has estudiado durante un par de meses para esto. Has leído un montón de libros, has visto a los “expertos” de You Tube hacer exactamente lo que harás, e incluso has hecho algunas prácticas simuladas en casa por tu cuenta.

Sabes que es difícil, pero los expertos de los videos te dicen que puedes hacerlo, solo tienes que superar tus bloqueos mentales. Puedes lograr cualquier cosa como te dicen la docena de libros que has leído. Diablos, has oído hablar de muchas personas que tienen éxito, ¿por qué no tú? En el fondo de tu mente, sabes que la realidad es que muchas personas quieren hacer exactamente lo que estás haciendo, pero simplemente no pueden. Pero en tu corazón, sientes que eres diferente, de alguna manera mejor.

Mientras te acuestas en la cama el domingo por la noche, tus pensamientos comienzan a ir a la deriva, justo antes de que te duermas. Te imaginas en casa el lunes por la noche, después de que todo haya terminado. Estás sentado en un sillón reclinable, tal vez con una bebida o un cigarro, con una ligera sonrisa. Has hecho lo que todo el mundo dijo que era imposible. ¡Te sientes como el rey del mundo!

Llega el lunes por la mañana y estás nervioso, pero listo. Sabes que si fracasas, te costará emocional, mental y especialmente financieramente. Pero entras en la habitación, seguro y seguro de ti mismo como puede ser, y vas a tu mesa de operaciones. No le anuncias a nadie en particular “¡Empecemos con esto!”
Pero tu paciente ya ha sido preparado y está listo para que empieces a operarle a corazón abierto.

Espera, ¿qué? ¿Eres cirujano?

Parece una locura, ¿verdad? En realidad, es un escenario bastante descabellado: alguien que intenta una actividad peligrosa mental y financieramente (piensa en la mala práctica) sin experiencia. Esto nunca pasaría en el mundo real, ¿verdad?

Bueno, tal vez podría…

Ahora vuelve atrás, y en lugar de pensar que este es el primer día de trabajo de un nuevo cirujano, imagina que es un trader que comienza su primer día de trading con dinero real. No suena tan loco ahora, ¿verdad? Tal vez esto incluso describa tus inicios haciendo trading, algunas partes de esta experiencia son ciertas en mi caso.

Ambas actividades pueden ser económicamente gratificantes, sin duda. Y ambas actividades son mental y emocionalmente estresantes. Sin embargo, una actividad requiere años de educación formalizada, años de experiencia laboral y años de pruebas, un montón de trabajo antes de que se le permita ser cirujano. El otro simplemente requiere un click, una tarjeta de crédito y la capacidad de completar una solicitud simple, ¡entonces puedes empezar a operar!

¿Qué tiene de malo?

El concepto se llama “barreras de entrada”. Es un término de escuela de negocios / economía que reconoce que algunas actividades toman mucho capital y preparación hasta despegar. No puedes ser cirujano después de ver algunos vídeos, no puedes abrir una planta de aviones a reacción en tu garaje y no puedes discutir casos frente a la Corte Suprema sin aprobar muchos exámenes. Las barreras de entrada son demasiado altas.

Pero puedes abrir una cuenta de trading sin formación ni experiencia: las barreras de entrada son muy bajas. No significa que debas, por supuesto. Y ahí es donde comienza la falacia del trader de éxito. Dado que la gente puede abrir fácilmente una cuenta con unos pocos cientos de dólares, piensan que es algo fácil.

Recibo correos electrónicos prácticamente todos los días, gente que quiere empezar a operar con 1000 $, 500 $ o incluso tan solo 250 $. La gente piensa que puede hacer buenos ingresos a tiempo parcial durante 15 minutos antes de ir a su trabajo “real”. O jubilados que buscan ganar unos cuantos dólares fáciles para complementar el Seguro Social.

Dado que muchos brokers le permiten abrir una cuenta con cantidades tan pequeñas, el éxito debe ser posible, ¿verdad?

Bueno, aquí está la realidad. El trading es difícil. Muy duro. Siempre le digo a la gente que “hacer trading es la forma más difícil de ganar dinero fácil”. Solía estar a cargo de la calidad y la ingeniería de una empresa que fabricaba piezas de aviones críticas para el vuelo; si nuestra parte fallaba, muchas personas probablemente morirían. Imagina la presión y el estrés. Sin embargo, el trading es más difícil, mucho más difícil.

Por supuesto, el trading es inmensamente atractivo, especialmente para la generación más joven, que ha crecido en un mundo de un mercado alcista increíble. Y el trading también atrae a otras edades, como siempre lo ha hecho durante cientos de años.

Entonces, sabiendo todo esto, ¿cuál es un buen camino a seguir para alguien que quiere hacer trading? Aquí hay cinco pasos que puedes seguir.

En primer lugar, bloquea todas las tonterías que escuches sobre lo fácil que es hacer trading. Twitter parece ser un refugio para los traders jóvenes, exitosos y que nunca pierden. Excepto que probablemente el 99 % de ellos están mintiendo, la mayoría solo hacen trading en una cuenta demo desde el sótano de sus padres, si es que lo hacen. El viejo adagio “si suena demasiado bueno para ser verdad” definitivamente se mantiene. Mi regla general es que si veo signos de “porno de traders” – coches de lujo, mujeres vestidas en bikini, montones de dinero en efectivo – lo ignoro inmediatamente. Los traders reales rara vez, si es que lo hacen, actúan de esa manera.

En segundo lugar. Si no sabes en qué educador confiar, solo lee lo que puedas, de quien sea que puedas. Pero lee con una mente crítica. Pronto podrás distinguir los hechos de la ficción, y aprenderás a ignorar los b.s. tan frecuentes en este campo.

En tercer lugar, obtén una ventaja: un método, estrategia o enfoque que se haya demostrado a sí mismo es exitoso. Piensa en ti mismo como un casino: quieres que la ventaja de la casa trabaje para ti, no en tu contra.

En cuarto lugar, date cuenta de que la gestión de riesgos es una de las claves de tu éxito. Arriesgarlo todo porque crees que tienes una ventaja no es una forma de hacer trading. Espera que las ventajas se desvanezcan y espera que el trading siempre sea duro, incluso después de tener años de experiencia. Mientras juegas a la ofensiva, tratando de obtener ganancias, recuerda que la defensa, proteger tu capital, también es importante.

En quinto lugar, y finalmente, prepárate para repetir los pasos 1 a 4 una y otra vez. Siempre tienes que estar mejorando, recordándote a ti mismo que ignores el bombo, educándote constantemente, encontrando nuevas ventajas y gestionando tu riesgo. Baja la guardia aunque sea por un minuto y te encontrarás entre los perdedores del mercado.

La conclusión es que el trading es muy, muy difícil. En muchos sentidos, ser un trader exitoso no es diferente a tener éxito en cualquier otro campo. Pero con trabajo y determinación, puedes tener éxito. Simplemente no dejes que la baja barrera de entrada del trading te engañe.

Comparte este articulo:

shutterstock 1928122490
¿Qué necesitas empezar a hacer trading? por Kevin Davey

  Son las 11 p. m. del domingo por la noche, y estás emocionado. Estás...

shutterstock 1906537726 scaled">

Evite los mercados de acciones con una estrategia de sincronización del mercado – Parte 2 por Quantpedia

logo

La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com

 

En esta segunda entrega de una serie de tres artículos, (lea la primera parte) continuaremos con nuestro objetivo de construir una estrategia de sincronización del mercado que elude el mercado de valores durante los mercados bajistas. Hace unos días, comenzamos con estrategias de sincronización del mercado basadas en los precios. Hoy, nos centraremos en los indicadores macroeconómicos y los predictores derivados de los movimientos en los mercados de productos básicos.

Timing del mercado utilizando indicadores macroeconómicos y de tendencia

En nuestra búsqueda de indicadores macroeconómicos fiables que mejoraran nuestro modelo de sincronización de mercado, nos encontramos con el artículo Philosophical Economics (2016). Igual que nosotros, intentan construir una estrategia de sincronización del mercado que cambiaría de acciones (el S&P 500) a efectivo (letras del Tesoro) antes de cada recesión y de efectivo a acciones una vez que la recesión haya terminado. Comienzan con la sincronización del mercado basada en la regla SMA y se enfrentan al problema igual como lo hacemos nosotros, es decir, sobre cómo aumentar el rendimiento ajustado al riesgo de la estrategia.

Indicadores macroeconómicos convencionales

Philosophical Economics sugiere que una forma natural de mejorar la estrategia es enseñarle a diferenciar entre situaciones en las que los fundamentos hacen que la recesión sea probable y las situaciones en las que los fundamentos hacen que la recesión sea poco probable. En otras palabras, proponen un modelo que se mantendría invertido en acciones incluso si la señal de la MA es negativa, pero el entorno macroeconómico es favorable. Para cuantificar la imagen macroeconómica de los Estados Unidos, consideran el crecimiento real de las ventas minoristas (RSALES) y el crecimiento de la producción industrial (INDPROD), ya que representan indicadores fiables de la salud de los dos segmentos fundamentales de la economía en general: el consumo y la producción.

Sus resultados muestran que cuando estas señales macroeconómicas se utilizan con la regla MA por separado, en ambos casos, el rendimiento ajustado al riesgo de la estrategia mejora, aunque la mejora es más sustancial con RSALES. Sin embargo, el mejor resultado surge cuando ambas señales macro se utilizan conjuntamente, es decir, una estrategia que se mantiene invertida en acciones cuando la señal MA es positiva o tanto las señales RSALES como las INDPROD son conjuntamente positivas.

Basándonos en sus hallazgos, nuestro objetivo es mejorar nuestra estrategia Naive añadiendo señales RSALES e INDPROD y lograr resultados similares a Philosophical Economics (2016). Con este fin, obtenemos series de datos RSALES e INDPROD de la base de datos FRED, que es nuestra principal fuente de datos macroeconómicos. Cuando los datos obtenidos no cubren todo nuestro período de muestra, utilizamos el proxy disponible más cercano en el análisis.

Construimos las señales para las variables RSALES e INDPROD de la siguiente manera:

  • RSALES compra o mantiene el MKT durante mucho tiempo si el crecimiento real de las ventas minoristas (YoY) en el mes anterior t-1 es positivo,
  • INDPROD compra o mantiene el MKT durante mucho tiempo si el crecimiento de la producción industrial (YoY) en el mes anterior t-1 es positivo.

Tenga en cuenta que cuando se publican los números económicos mensuales, se publican para el mes anterior. Por lo tanto, nuestras señales macroeconómicas utilizan las cifras económicas del mes anterior, no las del mes actual, que no están disponibles. Nuestro objetivo es que las señales macro nos mantengan invertidos en el mercado cuando la economía sea fuerte, independientemente de las pequeñas fluctuaciones de precios de MKT. Eso significa que nuestras estrategias salen del mercado de valores solo si tanto las señales de tendencia como las macro se convierten en negativas. Sin embargo, solo una señal de tendencia positiva puede obligarnos a volver al mercado de valores, una señal macro positiva por sí sola no es suficiente. Aplicamos esta condición a todas nuestras estrategias que utilizan señales macroeconómicas.

Añadimos señales RSALES e INDPROD a nuestra estrategia Naive por separado, así como conjuntamente para formar tres estrategias. NaiveINDPROD mantiene el MKT durante mucho tiempo si la señal Naive es positiva o la señal INDPROD es positiva. NaiveRSALES mantiene el MKT durante mucho tiempo si la señal Naive es positiva o la señal RSALES es positiva. NaiveMacro 1 permanece largo el MKT si la señal Naive es positiva o las señales INDPROD y RSALES son positivas conjuntamente. De lo contrario, las estrategias se desconectarán del mercado de valores.

La tabla 2 muestra que las tres estrategias se realizaron de manera similar, con NaiveRSALES con el mayor rendimiento del 7,16 % anual y NaiveMacro 1 con el mayor ratio Sharpe con 0,51. Nuestros resultados de la Tabla 2 indican que al añadir señales macro a la estrategia Naive mejora significativamente su rendimiento, pero a costa de una mayor volatilidad y drawdown, lo que resulta en menores rendimientos ajustados al riesgo. También podemos observar el rendimiento de nuestras estrategias en la Figura 2, mostrando que sus curvas de capital se mueven conjuntamente durante casi todo el período de la muestra, a excepción del NaiveINDPROD en 1960-1990 y principios de la década de 2000. En general, nuestros resultados son consistentes con los de Philosophical Economics (2016) y confirmaron que algunos indicadores macroeconómicos contienen información valiosa sobre los futuros rendimientos del mercado de valores, por lo que continuamos nuestra búsqueda de indicadores macroeconómicos novedosos y confiables que podrían mejorar aún más nuestro modelo.

Tabla 2: Resumen del rendimiento de las estrategias de sincronización del mercado por Philosophical Economics para el período comprendido entre abril de 1927 y junio de 2022. MKT y Naive se añaden como puntos de referencia.

Estrategia AnnReturn
AnnVolatility
MaxDD Sharpe Ratio Calmar Timing CorrNaive
NaiveINDPROD 6,86% 14,66 % -58,00% 0,47 0,12 88,189% 0,820
NaiveRSALES 7,16% 14,42 % -58,00% 0,50 0,12 85,04 % 0,833
NaiveMacro 1 7,13 % 14,08 % -58,00% 0.51 0,12 82,76 % 0,853
MKT 6,56% 18,55% -84,63 % 0.35 0.08 100,00% 0,647
Ingenuo 6.30% 12.06% -55,97 % 0.52 0.11 67,54% 1.000

Figura 2: Gráfico de rendimiento de las estrategias de sincronización del mercado de Philosophical Economics para el período comprendido entre abril de 1927 y junio de 2022.

Picture 270 Macro Based Market Timing Strategies

Indicadores de materias primas

La demanda de materias primas industriales, por ejemplo, cobre, petróleo o madera, en relación con la demanda de activos de refugio seguro como el oro, se ha visto tradicionalmente como un indicador líder de la salud económica mundial. El aumento de la demanda de materias primas industriales en relación con el oro indica que la economía está funcionando a todo vapor, es decir, la expansión, lo que implica mayores rendimientos para el mercado de valores. Por el contrario, la caída de la demanda de materias primas industriales en relación con el oro apunta a una desaceleración de la producción, lo que sugiere que la economía puede estar cayendo en recesión, lo que a su vez conduce a menores rendimientos del mercado de valores.

En su artículo, Gayed (2015) mostró que el rendimiento relativo de la madera con respecto al oro contiene un poder predictivo significativo que se puede utilizar en la sincronización del mercado. Explica que cuando la madera supera al oro, las acciones tienden a mostrar un sesgo al alza y tienen una menor volatilidad, lo que hace que sea favorable asumir más riesgos en una cartera. A medida que el oro supera a la madera, lo contrario tiende a ser cierto, por lo que el cambio a activos de bajo riesgo aumenta el rendimiento general y reduce la volatilidad. Su estrategia, que cambia semanalmente de bonos del Tesoro a acciones cuando la madera supera al oro y de las acciones a los bonos del Tesoro cuando el oro supera a la madera, mejora las métricas de rendimiento tanto absolutas como ajustadas al riesgo en relación con la simple compra y la mantener de un índice de acciones. En un estudio similar, Fang (2020) examinó la capacidad de diez ratios de precios del oro, definidas como el precio en dólares del oro al precio de un activo individual, para predecir los rendimientos agregados de las acciones. Descubrió que siete de cada diez ratios de precios del oro predicen significativamente los rendimientos de las acciones. Entre estos ratios o relaciones, la relación oro-móleo es el predictor de rendimiento más poderoso, cuya información no se superpone con la información contenida en los predictores tradicionales y otras proporciones de precios del oro.

Basándonos en estos descubrimientos, construimos tres señales basadas en el rendimiento de un producto industrial frente al oro de la siguiente manera:

  • COPGLD compra o permanece durante mucho tiempo el MKT si el rendimiento de tres meses de cobre es mayor o igual al rendimiento de tres meses de oro,
  • OILGLD compra o mantiene el MKT durante mucho tiempo si el rendimiento del petróleo en tres meses es mayor o igual al rendimiento del oro en tres meses,
  • LUMGLD compra o permanece durante mucho tiempo el MKT si el rendimiento de la madera de tres meses es mayor o igual al rendimiento de oro de tres meses.

Tenga en cuenta que, aunque estas son señales macroeconómicas, se calculan a partir de los precios de las materias primas, que están disponibles en cualquier momento y no tienen que estar rezagados un mes como nuestras otras señales macroeconómicas. Agregamos las señales construidas a nuestra estrategia Naive y obtenemos tres estrategias de materias primas. NaiveCOPGLD permanece durante mucho tiempo el MKT si la señal Naive es positiva o la señal COPGLD es positiva. NaiveOILGLD permanece durante mucho tiempo el MKT si la señal Naive es positiva o la señal OILGLD es positiva De lo contrario, las estrategias se desconectarán del mercado de valores.

Podemos observar el rendimiento de nuestras estrategias de materias primas en la Tabla 3. La estrategia de materias primas de mejor rendimiento en términos de rendimientos absolutos y ajustados al riesgo, NaiveCOPGLD, exhibe un rendimiento anual del 6,97 % y un ratio de Sharpe de 0,54, que es mayor que la de Naive. NaiveLUMGLD, por otro lado, muestra la volatilidad anual más baja del 12,84 % y el drawdon máximo más favorable del -54,97 %. Aunque algunas estrategias de materias primas gestionadas mejoran ligeramente los rendimientos ajustados al riesgo de Naive, sufren caídas sustanciales, que son inaceptables en una estrategia de sincronización del mercado.

Indicadores de desempleo y dividendos

En nuestro próximo curso de acción, volvemos a la estrategia NaiveMacro 1 propuesta por Philosophical Economics (2016) y tratamos de mejorarla mediante la introducción de nuevas señales macroeconómicas. Con este fin, obtenemos la serie de datos de la tasa de desempleo de EE. UU. de la serie de dividendos FRED y S&P Composite del sitio web de Robert Shiller. Construimos las señales para nuestras nuevas variables macroeconómicas de la siguiente manera:

  • UNRATE compra o permanece durante mucho tiempo el MKT si la tasa de desempleo de EE. UU. por la Oficina de Estadísticas Laborales en el mes anterior t-1 cae o sigue siendo la misma en comparación con el mes t-2,
  • DIVIDEND compra o se mantiene durante mucho tiempo el MKT si los dividendos reales de S&P Composite por acción en el mes anterior aumentan t-1 en comparación con el mes t-2.

Nuestras señales macroeconómicas UNRATE y DIVIDEND están inspiradas en Philosophical Economics (2016), que utiliza el crecimiento del empleo y el crecimiento real de S&P 500 EPS en su estrategia de sincronización de mercado. Preferimos usar la señal UNRATE en lugar del crecimiento del empleo, ya que tiene una serie de datos más larga, lo que la hace más fiable. Además, es un indicador más observado por los inversores. Del mismo modo, preferimos usar la señal DIVIDENDD en lugar del crecimiento real del S&P 500 EPS. Los dividendos representan un pago real a un inversor por tener las acciones, lo que las convierte en un indicador más tangible y confiable del rendimiento económico.

En su blog, Philosophical Economics (2016) explican que, aunque tanto el crecimiento del empleo como el crecimiento real del S&P 500 EPS están rezagado en los indicadores de recesión, pueden funcionar bien cuando se utilizan conjuntamente con una señal de tendencia. Es porque su papel principal es mantener la estrategia invertida en el mercado de valores cuando la economía es fuerte. Su estudio muestra que ambos indicadores mejoran los resultados de tiempo del mercado por la regla de SMA, pero no tanto como INDPROD o RSALES. Tenga en cuenta que su estudio utiliza el crecimiento del empleo y el crecimiento real del S&P 500 EPS con la regla MA solo por separado. Llenamos este vacío y utilizamos nuestras señales UNRATE y DIVIDEND con Naive por separado, así como conjuntamente con todas nuestras otras señales macro.

Nuestra estrategia de NaiveUNRATE se mantiene durante mucho tiempo el MKT si la señal Naive es positiva o la señal UNRATE es positiva. NaiveDIVIDEND mantiene el MKT durante mucho tiempo si la señal de comercio Naive es positiva o la señal DIVIDEND es positiva. NaiveMacro 2 mantiene el MKT durante mucho tiempo si la señal de comercio Naive es positiva o las señales INDPROD, RSALES, UNRATE y DIVIDEND son conjuntamente positivas. TrendMacro 1 mantiene el MKT durante mucho tiempo si la señal Trend es positiva o las señales INDPROD, RSALES, UNRATE y DIVIDEND son positivas conjuntamente. De lo contrario, las estrategias se desconectarán del mercado de valores.

La tabla 3 refleja los resultados. La introducción de las señales UNRATE y DIVIDEND mejoró los resultados de la sincronización de nuestro mercado, ya que nuestras nuevas estrategias mejoraron sustancialmente en comparación con las estrategias de materias primas, así como las propuestas por Philosophical Economics (2016). NaiveDIVIDEND muestra el rendimiento anual más alto del 7,62 % hasta ahora y el ratio Sharpe más alto de 0,57. Sin embargo, este rendimiento excepcional se basa en un fuerte drawdown máximo del -59,10 %. NaiveUNRATE y NaiveMacro 2 muestran resultados similares, aunque NaiveMacro 2 exhibe una volatilidad un poco menor, ya que depende de múltiples señales macroeconómicas. Nuestra estrategia macro final, TrendMacro 1, hace exactamente lo que una sólida estrategia de sincronización del mercado debería hacer. En la introducción, mencionamos que el objetivo final de la sincronización del mercado es lograr rendimientos del mercado con una menor volatilidad y drawdown más leves. Nuestra estrategia muestra un rendimiento anual del 6,45%, cercano al de MKT, al tiempo que reduce la volatilidad en un tercio al 11,93% anual y el drawdown máximo a la mitad al -42,87%. Sin embargo, su ratio Sharpe de 0,54 es ligeramente inferior en comparación con algunas de nuestras otras estrategias macroeconómicas.

Aunque TrendMacro 1 muestra resultados superiores, todavía hay margen de mejora. La figura 3 muestra que la estrategia (línea marrón) sale correctamente del MKT durante los mercados bajistas. Se debe a que la estrategia cambia del mercado de valores después de que la señal de tendencia se vuelva negativa, suponiendo que al menos una de sus señales macro también sea negativa. Sin embargo, para cuando eso suceda, puede acumular una cantidad significativa de pérdidas. Por ejemplo, durante la caída de Wall Street de 1929, la estrategia sale del mercado de valores por primera vez cuando ya ha bajado casi un 25 % desde su máximo. Naturalmente, una señal que podría cambiar la estrategia fuera del mercado de valores incluso antes de que el mercado bajista comience puede mejorar sustancialmente su rendimiento. La buena noticia es que la literatura académica conoce un indicador fiable que puede anunciar un mercado bajista inminente, que es la curva de rendimiento.

Tabla 3: Resumen del rendimiento de las estrategias de calendario del mercado macroeconómico para el período comprendido entre abril de 1927 y junio de 2022. MKT y Naive se añaden como puntos de referencia. La estrategia de mejor rendimiento está sombreada.

Estrategia AnnReturn AnnVolatilidad MaxDD Sharpe Calmar Timing CorrNaive
NaiveCOPGLD 6,97% 12,91 % -60,20 % 0.54 0,12 74,93 % 0,931
NaiveOILGLD 6,57% 13,67 % -60,20 % 0,48 0.11 79,93 % 0.880
NaiveLUMGLD 6,34% 12,84 % -55,97 % 0.49 0,12 73,44 % 0,939
NaiveUNRATE 7.01% 12,98 % -55,97 % 0.54 0,13 75,15% 0,926
NaiveDIVIDEND 7,64 % 13,51% -59,10% 0,57 0,13 700% 0,888
NaiveMacro 2 7,07 % 12.45% -55,97 % 0,57 0,13 70,78 % 0,966
TrendMacro 1 6,45% 11.93% -42,87% 0.54 0,15 66,14 % 0,937
MKT 6,56% 18,55% -84,63 % 0.35 0.08 100,00% 0,647
Ingenuo 6.30% 12.06% -55,97 % 0.52 0.11 67,54% 1.000

Figura 3: Gráfico de rendimiento de las estrategias de calendario del mercado macroeconómico para el período comprendido entre abril de 1927 y junio de 2022.

Picture 270 Commodity Based Market Timing Strategies

La última parte de esta serie investigará los predictores de recesión basados en el rendimiento y tratará de envolver todas las ideas en un marco coherente para la estrategia final de sincronización del mercado.

Autor:
Ladislav Durian, analista de Quant, Quantpedia

Comparte este articulo:

shutterstock 1906537726
Evite los mercados de acciones con una estrategia de sincronización del mercado – Parte 2 por Quantpedia

  En esta segunda entrega de una serie de tres artículos, (lea la primera parte)...

shutterstock 392563192 scaled">

Los indicadores de amplitud de mercado para el sector energético emiten una señal de alarma por Sentimentrader

maxresdefault 400x225 1

 Jason Goepfert es presidente y CEO de Sundial Capital Research. Editor de SentimenTrader.com, una web de referencia internacional con suscriptores en más de 50 países.
Jason Goepfert / SentimenTrader

 

Puntos clave

  • Más del 78% de las acciones del sector energético del S&P 500 cerraron recientemente en un mínimo de 3 meses.
  • Tras incrementos similares, el sector mostró rentabilidades negativas dos meses después.
  • Un compuesto que mide la participación en acciones de energía se deterioró a un nivel preocupante.
  • Las lecturas compuestas, como ahora, sugieren una perspectiva cautelosa para el sector.

Los indicadores basados en amplitud para el sector energético muestran un deterioro significativo

Las acciones de energía cayeron con fuerza después de una consolidación de varios meses hace dos semanas, ya que el petróleo crudo continuó manteniéndose por encima del soporte. La divergencia entre las acciones de crudo y energía no duró mucho. El petróleo finalmente sucumbió a la presión vendedora en activos de riesgo al caer más del 5% a un nuevo mínimo de 1 año el miércoles.

Las acciones de energía siguieron el ejemplo del petróleo y se desplomaron de forma similar. La caída significativa además de la consolidación de hace dos semanas empujaron varios indicadores de amplitud de mercado a niveles extremos.

Uno de esos indicadores, el porcentaje de acciones del sector energético del S&P 500 que cerraron en un mínimo de 3 meses, subió por encima del 75%.

image 26
Lo que nos dice el estudio…

Las medidas de amplitud de mercado para las acciones de energía se deterioraron en varios indicadores con diferentes marcos temporales. Después de condiciones similares, los rendimientos del sector energético fueron negativos durante los siguientes dos o tres meses. El enfoque de comprar en las caídas parece que no convence, ya que las tendencias a largo plazo ya no proporcionan un viento de cola para el grupo. Al igual que el sector financiero, es muy probable que el sector esté en el banquillo de los acusados por un tiempo, a pesar de los rebotes revirtiendo a la media a corto plazo.

Comparte este articulo:

shutterstock 392563192
Los indicadores de amplitud de mercado para el sector energético emiten una señal de alarma por Sentimentrader

  Puntos clave Más del 78% de las acciones del sector energético del S&P 500...

shutterstock 1679390254 scaled">

El valor de los factores sistemáticamente perdedores por Ignacio Villalonga

IMG 20190602 202221

Ingeniero Aeronáutico por la Universidad Politécnica de Madrid, compagina su trabajo como analista de mercados en una importante empresa aeronáutica con los mercados financieros. Desarrollador de modelos de inversión cuantitativos de largo plazo, basados en factores. Autor del blog y del podcast Zona Quant. Profesor del Instituto Financiero Esfera Capital.
Ignacio Villalonga / Zona Quant

 

  • Siempre nos centramos en las claves para hacer un sistema ganador. ¿Y si la clave estuviera en saber qué puede hacerlo perdedor?
  • Artículo publicado en Hispatrading 53.

“I think being successful is just about not making mistakes. It’s not about having correct judgment. It’s about avoiding incorrect judgments”. The Almanack of Naval Ravikant

La mayoría de los inversores se pasa la vida pensando en el mejor sistema, la mejor cartera, la siguiente acción que va a ser un 100x bagger, la composición perfecta y otra serie de decisiones basadas en qué comprar, en tomar la decisión de mayor rentabilidad. Sin embargo, evitar aquellas inversiones que pueden ser las mayores perdedoras puede resultar mucho más beneficioso. Mi propuesta es filtrar primero acciones que sistemáticamente son perdedoras, para luego poder buscar las reglas ganadoras con mayor facilidad.

La vía negativa

En otras disciplinas, la implementación de la vía negativa como pilar primordial está muy extendido. En el mundo del fitness es mucho más frecuente escuchar sobre la importancia de eliminar hábitos negativos. En el venture capital o Private Equity, los inversores repiten una y otra vez que lo importante es decir que no a muchas empresas, porque su selección tiene que ser muy concreta. Gran parte de su éxito se basa en invertir en las empresas que “no” van a quebrar. La tasa es muy alta, y ahí es donde tienen la ventaja.

A la hora de diseñar carteras con acciones por factores, una herramienta muy potente es ser capaz de eliminar de tu universo elegible aquellas acciones que son sistemáticamente perdedoras. Esas acciones se camuflan en el universo de acciones porque no llaman tanto la atención. Suben cuando el mercado sube, bajan cuando el mercado baja, y se pierden entre la inmensidad del universo de acciones. Sin embargo, al fijarse bien, estas son perdedoras sistemáticamente respecto al resto de acciones. 

Identificar factores sistemáticamente perdedores es tan importante como puede generar como identificar factores ganadores, siendo una herramienta muy potente para el inversor retail. 

A lo largo de este artículo, me gustaría compartir con vosotros la importancia de filtrar bien en qué no querríamos invertir, para poder elegir bien luego lo que sí. 

Voy a enfocarlo hacia una cartera de acciones, pero esto es aplicable a cualquier tipología de inversión. 

Primero, lo básico

“Over the years, a number of very smart people have learned the hard way that a long string of impressive numbers multiplied by a single zero always equals zero.” Warren Buffett, carta a los accionistas de Berkshire Hathaway de 2005 

Además de los factores sistemáticamente perdedores, en el mundo de la inversión, estos “ceros” también son costes altos, problemas de operabilidad, impuestos, apalancamiento excesivo, etc.

Por tanto, lo primero que debería filtrarse antes de empezar a realizar ninguna otra operación, son estos factores que hacen que simplemente operar la acción no merezca la pena. Si solo trabajáis con empresas de alta capitalización, no tendréis problema con esto. Pero para los que nos gusta buscar empresas desconocidas (donde hay más ventajas) es importante descartar aquellas que no son operables. 

Estos filtros se aplican para asegurar que la acción tiene un volumen que la haga operable y que su precio tenga sentido sin deslizamientos inasumibles, que tenga información suficiente para estudiarla, etc. Todo esto estará muy ligado al tamaño de la cartera, de la posición y de las reglas de selección que vayas a escoger. Las empresas pequeñas tienen mas ineficiencias al estar menos estudiadas y presentan mayores potenciales. Sin embargo, también son de las que se dispone muchas veces menos información, y además, su volumen es más bajo, por lo que posiciones grandes pueden mover el precio y generando un sobrecoste que degrade los resultados del modelo. 

Aunque parece básico, mucha gente hace estudios o backtests sin estos filtros primero, y obtiene resultados absolutamente idealizados. Y eso es una de las cosas que NO queremos.

Por supuesto estos filtros tienen además que ayudar a descartar cosas que pueden hacerte sentir incómodo. Por ejemplo, empresas que están en procesos de M&A, que tienen una OPA, que están tardando demasiado en reportar, o que van a reportar información dentro de muy poco tiempo y eso puede hacer que cambie tu análisis cambie antes de lo que te gustaría. Utiliza los filtros para descartar sorpresas con las que no quieres encontrarte.

Dando la vuelta al problema

“Subtractive knowledge: You know what is wrong with more certainty than you know anything else.” Nassim Taleb

Encontrar cual es el factor que hace que una empresa vaya a crecer más que las demás es muy complejo. Es difícil entender cuáles serán las tendencias del futuro, si la gente seguirá queriendo esa marca, si el management no tomará decisiones erróneas, o hasta cuándo podrás seguir creciendo, puesto que el límite de crecimiento es potencialmente “infinito”. 

Sin embargo, encontrar factores que hacen que una empresa este sufriendo más que los demás es más sencillo, porque eventualmente las empresas tienen un límite de errores y, y al final que valgan cero y quiebren es algo más fácilmente identificable. 

pastedGraphic.png

Factor sistemáticamente Perdedor

Un factor ganador sería aquel que al rankear las empresas, cuanto más arriba, es estadísticamente más probable que obtenga un rendimiento superior a la media. Puede ocurrir que muchas veces, a partir de cierto nivel, ya de igual. Es decir, el factor es capaz de separar a las ganadoras pero no igual de bien a las perdedoras, y debajo de determinado nivel los rendimientos son similares en cada decil. 

Teniendo esto en la cabeza, un factor sistemáticamente perdedor sería aquel que identifica muy bien aquellas empresas que son sistemáticamente perdedoras, pero que por encima de determinado nivel las ganadoras no es capaz de identificarlas. 

El factor ideal es aquel que es capaz de separar de tanto las ganadoras como las perdedoras

Figura 1 Figura 2 Figura 3

Esquema de resultados de factores en función de qué tipo de acciones es capaz de identificar: ganadoras, perdedoras o ambas.

Nota: un gráfico de cestas como el que mostramos se genera ordenando las acciones en función de un determinado factor y mirando su rendimiento en cada periodo de rebalanceo, donde vuelves a ordenar y a generar las cestas. 

Ventajas en la amplitud del universo

Partir de universos de acciones que ya están filtrados con las acciones que no queremos que aparezcan tiene dos grandes ventajas: 

  1. La primera es que, a la hora de seleccionar las acciones dentro de ese universo, vamos a partir de un sitio más seguro, y eso lleva a minimizar riesgos, mejorando el rendimiento. La parte negativa dentro de este punto es que encontrar un sistema de selección que genere alfa añadido será una tarea más compleja. 
  2. El segundo punto y probablemente el más importante, es que a la hora de realizar los backtests, al haber aplicado los filtros de operabilidad, van a ser mucho más fiables, y tendrás más garantías de que los resultados se adecuaran más a la realidad. A parte, es probable que hayas eliminado outliers que distorsionaban los resultados.

Nota: hablamos de reducir la posibilidad, no de eliminar el riesgo por completo. 

Ejemplo: Return on Equity

Todo esto tiene como objetivo mejorar la selección de cartera. Vamos a ver un ejemplo. Nosotros sabemos que el Return on Equity (RoE) es un factor de calidad. Y que las empresas con mejor RoE performan mejor. Pero, si vemos el gráfico de cestas aplicado al SP1500, vemos que la mayor diferencia no se da entre el Top 20% y el resto de cestas. La mayor diferencia se da entre el Peor 20% y el resto.

Figura 4

La imagen (5) anterior, son resultados realizados con una herramienta de Backtesting rebalanceando las cestas cada 4 semanas.

Para ver esto de forma un poco más intuitiva, podemos ver cómo se comportarían las carteras a lo largo del tiempo. 

Figura 5

Podemos ver cómo lo que realmente aporta el factor es: Si la cartera está formada con las acciones cuyo RoE a doce meses (TTM) es mayor que cero, o si la cartera elimina el peor 20% de las acciones con peor RoE, los resultados son prácticamente idénticos. Incluso no se aprecia diferencia eliminar el 20% peor o el 50% peor. De hecho, el resultado apenas varía si se tomamos solamente el 20% de acciones con mayor RoE.

Básicamente, el valor está en descartar las que tienen un RoE negativo o muy bajo. 

Ahora tienes un 80% de acciones de tu universo restante para poder elegir que comprar, sabiendo que entre ellas no estarán aquellas que son potencialmente sistemáticamente perdedoras. 

En este caso, si solo te quedases con el top 20%, habrías eliminado muchas acciones sin obtener ningún tipo de ventaja ni beneficio.

De hecho, eliminar acciones de más es contraproducente cara al estudio y la relevancia estadística posterior. 

Ejemplo Completo

Para generar un ejemplo concreto, vamos a tomar el universo Russell 3k y vamos a partir de una composición de cartera rebalanceada Equal Weight cada 4 semanas, con deslizamiento, comisiones y dividendos incluidos. Por supuesto, vemos que el no hacer nada y beneficiarse de una cartera Equal Weight con acciones operables ya aporta más de un 2,5% más de alfa. A partir de aquí, vamos a ir quitando grupos de acciones con la intención de ir mejorando el resultado final. 

Terminamos eliminando aproximadamente dos tercios (2/3) del universo para pasar de un CAGR de 9,6% a 12,8%, que es más de un 33% más al año, que en el largo plazo marca una diferencia muy elevada. 

Filtrar al principio es más sencillo, pero a medida que vas quitando acciones, es más difícil que el siguiente factor sea capaz de sacar mucha más ventaja, y elimine “nuevas” perdedoras. De hecho, en este caso se ve claramente que del filtrado Sentiment al siguiente, Growth 2, la diferencia es muy pequeña, y la media de acciones que elimina son 250 más, que es un 25%. Sin embargo, individualmente ambos producen mejoras similares. 

Figura 6 Figura 7

Los filtros utilizados han sido parámetros simples sobre los principales factores: Size, Value, Quality, Growth, y Sentimiento. Dentro de esto hemos generado una cartera rebalanceada Equal Weight, y le hemos metido filtros con RoE, Free Cash Flow, Operative Incomes, Yield y presión bajista sobre la empresa (Short Interest)

Conclusiones

Partiendo del universo final filtrado, podríamos empezar a buscar la forma de seleccionar una cartera de acciones para extraer más rentabilidad, partiendo de un punto donde estadísticamente, batir al benchmark va a ser mucho más sencillo porque hemos eliminado parte de las acciones que peor se comportan.

Esto genera una mecánica mucho más eficiente para diseñar carteras, donde la posibilidad de encontrar patrones ganadores es más alta.

En el ejemplo puesto, con filtros muy básicos, mejoramos el retorno sobre una cartera Equal Weight de todas las acciones en más de un 33% al año desde 1999. Dejamos además un tercio de todo el universo disponible para (+1000 acciones) para poder a pasar a la siguiente fase de selección de una cartera. 

En este caso hemos utilizado factores que encuentran conjuntos de acciones sistemáticamente negativas. No obstante, también podrían usarse filtros binarios como el del ejemplo del RoE%TTM > 0. Estos filtros no eliminan un porcentaje de acciones peores o mejores según un factor, si no en función de si cumplen o no una caracteríssitica binaria. 

El problema es que sabrás con menor exactitud (o menor aproximación) qué porcentaje de empresas eliminan en determinados momentos, siendo mucho más variable que la eliminación en función de un ranking. (Por ejemplo: en periodos bajistas poner filtros como “Beneficios crecientes” hace que el porcentaje de empresas que no pasen el filtro sea tan alto que no tenga relevancia estadística estudiar el universo que queda, por escasez de acciones a seleccionar). Como ventaja, es una regla mucho más precisa y conoces exactamente con qué nivel del factor estás descartando o no a las acciones. 

Aunque todo esto lo he realizado con datos fundamentales, datos derivados del precio (Factor Momentum) y volatilidad pueden ser utilizados de forma eficiente también, siendo mucho más accesibles para cualquier inversor.

Por otra parte, al igual que al trabajar con factores sistemáticamente ganadores, es importante ver que son ganadores a lo largo del tiempo y en diferentes periodos. No analizar bien el factor y entender porque es sistemáticamente perdedor puede llevarnos a generar reglas en base a razones equivocadas. Y eso sí que es un gran error que hay que evitar. 

Comparte este articulo:

shutterstock 1679390254
El valor de los factores sistemáticamente perdedores por Ignacio Villalonga

  Siempre nos centramos en las claves para hacer un sistema ganador. ¿Y si la...

shutterstock 1535448272 scaled">

Una señal poco conocida del Smart Money/Dumb Money Spread por Sentimentrader

headshot jay thumbnail

Jay Kaeppel es analista cuantitativo colaborador habitual de los principales medios internacionales como CNBC, así como colaborador destacado en SentimenTrader.com y la revista Stocks and Commodities, una web de referencia internacional con suscriptores en más de 50 países.
Jay Kaeppel / Sentimentrader.com

 

Puntos clave

  • Nuestro índice Smart Money/Dumb Money Confidence Spread Index está diseñado para resaltar los extremos en el sentimiento de los inversores.
  • Una media móvil a largo plazo de este índice también puede ayudar a identificar los momentos en que “la marea ha cambiado”.
  • Este artículo analiza la media de 200 días del índice para identificar períodos potencialmente favorables para las acciones.

Por lo general, buscamos extremos en el índice Smart Money / Dumb Money Confidence Spread Index para resaltar e identificar cuándo la tendencia favorece un cambio basado un exceso en el movimiento alcista o bajista. Pero hay otras aplicaciones. Y como suele ser el caso, cuanto más simple, mejor.

Para este artículo, destacaremos aquellas ocasiones en las que la media de 200 días del índice Smart Money / Dumb Money Confidence Spread Index cruza por debajo de .09 (técnicamente, usamos 0.089 en el Backtest Engine). En los últimos 20 años o más, este hecho ha tendido a marcar la confirmación de que lo peor ya pasó.

El siguiente gráfico muestra que los máximos en el índice Smart Money / Dumb Money Confidence Spread Index tienden a acompañar a los mínimos del mercado (ya que Dumb Money se vuelve demasiado bajista en relación con Smart Money). También notará que a veces estos eventos marcan mínimos significativos en el mercado y son seguidos por repuntes a más largo plazo. También puede notar que, en otras ocasiones, el rally de alivio puede ser de corta duración (esto es más común durante mercados bajistas más prolongados, como 2000-2002, 2008 y 2022).

10a2882a 57c3 b6c5 a302 3f5ed58fa89b

Lo que nos dice el estudio…

La buena noticia es que todas las señales anteriores a la señal de marzo de 2023 vieron subidas del S&P 500 en el siguiente año. Si la historia demuestra ser una guía precisa, el mercado subirá en dos dígitos dentro de un año. La mala noticia es que no hay garantía de que la señal de marzo de 2023 muestre resultados similares. Además, puede ser demasiado complicado etiquetar la señal descrita anteriormente como una señal de “todo despejado”. Como se muestra en la gráfica anteriore, el S&P mostró ganancias solo el 43% del tiempo un mes después de la señal, y hubo algunas caídas no precisamente pequeñas dentro de los períodos de espera.

Comparte este articulo:

shutterstock 1535448272
Una señal poco conocida del Smart Money/Dumb Money Spread por Sentimentrader

  Puntos clave Nuestro índice Smart Money/Dumb Money Confidence Spread Index está diseñado para resaltar...

shutterstock 2086422802 scaled">

No se imagina esto del mercado laboral de Estados Unidos por Ed Yardeni

Ed Yardeni e1525958722675

El Dr. Ed Yardeni es una de las principales voces de LinkedIn en economía y finanzas. Colaborador habitual de los principales medios internacionales, actualmente dirige Yardeni Research una firma de consultoría que ofrece estrategias de inversión global, análisis y recomendaciones a clientes institucionales. Es autor de los libros “Predicting the Markets: A Professional Autobiography” y “Fed Watching for Fun & Profit”.
Dr. Ed Yardeni / Yardeni Research

 

La fuerte y persistente demanda de mano de obra ha sorprendido a todos, desde los que practican el softland hasta los hardlanders. Los funcionarios de la Fed están desconcertados. Han aumentado la tasa del fondo federal en casi 500 pb desde principios del año pasado para enfriar la demanda laboral y la inflación salarial. Sin embargo, el mercado laboral sigue fuerte.

Durante enero, la demanda de trabajadores medida como la suma del empleo y las vacantes sumó 171,0 millones, 5,1 millones más que la oferta de trabajadores medida por la fuerza de trabajo (Gráfico 9). La escasez de trabajadores ronda los 5,0 millones desde finales de 2021 (Fig. 10). Así es como el presidente de la Fed, Jerome Powell, analizó la situación del empleo utilizando este marco en un discurso del 11 de noviembre de 2022 titulado “La inflación y el mercado laboral”.

image 18

image 19

Se han ofrecido muchas razones razonables para explicar por qué la oferta de mano de obra no se ha mantenido al nivel de la demanda. Sin embargo, nadie parece preguntarse por qué la demanda de mano de obra es tan fuerte. Como miembro titular de la generación Baby Boom, culpo a mi grupo por impulsar la demanda de trabajadores en las industrias de restaurantes, atención médica y camiones y almacenamiento:

(1) Restaurantes. Los estadounidenses en general, no solo los Baby Boomers, comen fuera con más frecuencia. Cenar en casa con la familia es cada vez menos frecuente. Es probable que los Baby Boomers que envejecen vayan a restaurantes con más frecuencia ya que sus hijos son adultos jóvenes con sus propias familias. Muchos de estos niños pueden ser solteros y más propensos a comer solos o con amigos.

El porcentaje de la población de 16 años o más que es soltera ha superado el 50 % desde alrededor de 2015, frente a menos del 40 % a fines de la década de 1970 (Fig. 11). Los solteros son 85,8 millones que nunca se han casado y 49,6 millones que están divorciados, separados o viudos (Fig. 12).

image 20

image 21

Estas tendencias demográficas podrían explicar por qué las ventas minoristas de servicios de alimentos y lugares para beber se dispararon a nuevos máximos después de la pandemia, superando con creces las ventas minoristas de tiendas de alimentos y bebidas desde entonces (Fig. 13).

image 22

El empleo de nómina en los servicios de alojamiento y alimentación se recuperó drásticamente desde la pandemia, y la industria tuvo vacantes por un total de 1,5 millones en enero (Fig. 14).

image 23

(2) Cuidado de la salud. Los Baby Boomers que envejecen claramente están aumentando la demanda de servicios y trabajadores de atención médica. Eso es obvio. Durante febrero, se empleó un récord de 21,1 millones de personas en atención médica y asistencia social (Fig. 15). En enero, hubo 1,9 millones de ofertas de trabajo en esta industria

image 24

(3) Transporte por carretera y almacenamiento. Entre las industrias que se recuperaron más rápido de la pandemia se encuentran el transporte y el almacenamiento. El empleo en estas dos industrias totalizó 6,7 millones durante febrero, 0,9 millones más que en febrero de 2020, justo antes de los cierres (Fig. 16). ¿Qué tiene eso que ver con el envejecimiento de los Baby Boomers? No podemos molestarnos en ir a centros comerciales y supermercados llenos de gente. Entonces compramos en línea y recibimos los productos en nuestros hogares.

image 25

(4) Conclusión. El presidente de la Fed, Jerome Powell, ha reconocido con frecuencia que la Fed tiene un conjunto limitado de instrumentos contundentes para gestionar la economía. Es probable que luchar contra la demanda de mano de obra de los Baby Boomers sea una misión quijotesca imposible de ganar.

Comparte este articulo:

shutterstock 2086422802
No se imagina esto del mercado laboral de Estados Unidos por Ed Yardeni

  La fuerte y persistente demanda de mano de obra ha sorprendido a todos, desde...

shutterstock 1967904943 scaled">

Haciendo de la pasión tu propósito por Brett N. Steenbarger

Unknown

Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.
Brett N. Steenbarger / SUNY Upstate Medical University

 

image 1 1Para empezar este artículo comeremos “visualizando” un video musical, imágenes antiguas de un concierto de Neil Young y compañía interpretando “Like a Hurricane”. Es una gran canción, pero lo importante es observar a Neil durante los dos solos de guitarra extendidos. No se trata de alguien tocando una canción; sino como una canción se reproduce a través de él. La pasión con la que toca es tangible. Vivir la vida apasionadamente no es fácil, pero como dijo Neil, “es mejor quemarse que desvanecerse”.
Muchos de nosotros estamos desvaneciendo. Estamos haciendo las mismas cosas. Hacemos las mismas cosas de la misma manera y lo glorificamos como “disciplina” y “proceso”. Nos enfocamos en trabajar más duro hasta que olvidamos cómo jugar de verdad. Realizamos un seguimiento de todo lo que hacemos en los esfuerzos por mejorar hasta que queda poco para la espontaneidad. Si abordáramos las relaciones románticas de la forma en que se abordan los mercados, perderíamos rápidamente toda pasión y la vida en común se convertiría en poco más que una rutina bien engrasada.

Si vamos a hacer de la pasión nuestro propósito, entonces tenemos que hacer tiempo para lo nuevo y diferente: nuevas experiencias, nuevas perspectivas, relaciones ampliadas y oportunidades para sentir verdaderamente lo que estamos haciendo. El desafío de obtener la máxima rentabilidad es mantener el espíritu y la energía de lo que estamos haciendo incluso mientras trabajamos en la mejora y el dominio. Es por eso que las sesiones de práctica de los grandes equipos -equipos atléticos, equipos militares- combinan ejercicios que despiertan la motivación y el trabajo en equipo con ejercicios que desarrollan habilidades. Vaya a cualquier vestuario en el medio tiempo: los grandes equipos se “encienden”, no es algo muy diferente de la absorción de Neil Young en su música.

Querer ganar dinero no es pasión. Llenar diarios de trading y revisar la rentabilidad no es pasión. Todo esto es necesario, pero no suficiente para el máximo rendimiento. La pasión viene de absorbernos en lo que amamos.

¿Qué te gusta de los mercados? ¿Cómo puedes absorberte tanto en ese amor que tu trade adquiere la calidad de los solos de guitarra de Neil Young?

¿O está trabajando tan duro para sacar la emoción de su trading que su carrera de trader se está convirtiendo rápidamente en un romance sin pasión?

La semana pasada, creé una base de datos histórica de estadísticas de amplitud para una amplia variedad de sectores del mercado, de modo que es posible ver dónde entra y sale el dinero del mercado, y luego probar la importancia de tales cambios. Eso está conduciendo a nuevos descubrimientos, nuevas formas de detectar cambios en el régimen del mercado en tiempo real, y eso enciende mi pasión. Hay mucho más por descubrir.

Comparte este articulo:

shutterstock 1967904943
Haciendo de la pasión tu propósito por Brett N. Steenbarger

  Para empezar este artículo comeremos “visualizando” un video musical, imágenes antiguas de un concierto...

shutterstock 418110064 scaled">

¿Qué busco en los candidatos de Market Wizards? por Jack Schwager

jackschwager small 1 

Jack Schwager es uno de los autores con mayor prestigio internacional. Ha trabajado en algunas de las principales firmas de Wall Street y durante más de 30 años ha escrito varios de los artículos y libros con mayor popularidad en la industria de los hedge funds y trading en futuros. Algunos de sus proyectos más conocidos han sido su saga “Markets Wizars”, en la que ha entrevistado a los principales traders de la industria o fundseeder.com, una plataforma enfocada en buscar nuevos talentos de la inversión.
Jack Schwager / jackschwager.com

 

  • Jack Schwager, autor de una de las sagas más leídas de todos los tiempos, Market Wizards, nos cuenta en exclusiva los ratios que analiza para elegir a sus candidatos a ser entrevistados en esta serie de libros que sirven como referencia, para todos los traders, a nivel internacional.
  • Artículo publicado en Hispatrading 48.

En primer lugar si está disponible, siempre prefiero usar datos diarios en lugar de datos mensuales, ya que el hecho de que el número de puntos de datos sea 21 veces mayor hace que las estadísticas, basadas en datos diarios, sean mucho más confiables estadísticamente. 

Además, los datos diarios pueden revelar información significativa que está oculta por los datos mensuales. Por ejemplo, si una cuenta pierde un 10% en la primera mitad del mes y luego recupera un 11,2% en la segunda mitad del mes, esa reducción del 10% será invisible con los datos mensuales, pero completamente visible en los datos diarios. No hay lugar para esconderse con los datos diarios. También hay artificialidad inherente a los datos mensuales. Si en el ejemplo anterior, la pérdida del 10% se produjo en la segunda mitad de un mes y el rebote del 11,2% se produjo en la primera mitad del mes siguiente, la reducción sería visible en los datos mensuales. 

El hecho de que la misma acción del precio pueda resultar en estadísticas muy diferentes dependiendo de los días del calendario en que ocurrió ese movimiento de precios es una característica indeseable.

MIS ESTADÍSTICAS DE RENDIMIENTO PREFERIDAS

Gain to Pain Ratio: la suma de todos los rendimientos (diarios o mensuales, según los datos que se utilicen) dividida entre el valor absoluto de la suma de todos los rendimientos negativos. En esencia, el GPR muestra la relación entre los rendimientos netos y las pérdidas incurridas para obtener esos rendimientos.

Sortino Ratio/√2: el ratio de Sortino es una variación del ratio de Sharpe que utiliza solo la desviación a la baja para medir el riesgo en lugar de la desviación estándar, que se basa en todos los retornos. La razón para dividir por √2 se explica en la nota a continuación. Prefiero el ratio de Sortino al ratio de Sharpe porque solo penaliza la volatilidad a la baja, mientras que la medida de riesgo del ratio de Sharpe no distingue entre volatilidad al alza y a la baja.

Nota: Dado que el índice de Sortino tiene el mismo numerador que el índice de Sharpe, pero calcula el denominador en función de las desviaciones cuadradas de solo los rendimientos perdidos, en lugar de todos los rendimientos, estará sesgado para ser más alto que el índice de Sharpe, incluso para los operadores cuyos rendimientos están sesgados negativamente (es decir, las grandes pérdidas son mayores en magnitud absoluta que las grandes ganancias). Un error común es suponer que si el índice de Sortino es más alto que el índice de Sharpe, implica que los rendimientos están sesgados positivamente (es decir, las grandes ganancias son mayores en magnitud que las grandes pérdidas). Dado que la medida de pérdida en el índice de Sortino se basará en la suma de un número menor de desviaciones (es decir, solo las desviaciones de los rendimientos perdidos), el índice de Sortino será casi invariablemente más alto que el índice de Sharpe. Para poder comparar el ratio de Sortino con el ratio de Sharpe, multiplicamos la medida de riesgo de la proporción de Sortino por la raíz cuadrada de 2 (que es lo mismo que dividir el ratio de Sortino por la raíz cuadrada de 2). Multiplicar la medida de riesgo del índice de Sortino por la raíz cuadrada de 2 igualará las medidas de riesgo de los índices de Sharpe y Sortino cuando las desviaciones al alza y al alza sean iguales, lo que parece apropiado. La versión ajustada del ratio de Sortino permite comparaciones directas de los ratios de Sharpe y Sortino. En términos generales, un Sortino ajustado más alto implica que la distribución de los rendimientos está sesgada a la derecha (una mayor tendencia a grandes ganancias que a grandes pérdidas). Y, de manera similar, un ratio Sortino ajustado más bajo implica que los rendimientos están sesgados hacia la izquierda (una mayor propensión a grandes pérdidas que a grandes ganancias).

Rendimiento compuesto anual promedio: este valor es el nivel de rendimiento que, cuando se compone anualmente, producirá el rendimiento acumulado. Aunque presto más atención a las métricas de rentabilidad / riesgo anteriores que a la rentabilidad, es posible que un historial de rendimiento tenga valores de rentabilidad / riesgo superiores y un nivel de rentabilidad inaceptablemente bajo. Por lo tanto, aún es necesario verificar solo el retorno.

LOS NIVELES DE RENDIMIENTO QUE BUSCO EN MARKET WIZARDS

Al buscar candidatos potenciales para entrevistar para un libro de Market Wizards, busco los siguientes umbrales de rentabilidad:

  • Duración del historial: 10 años o más (7 años o más si las estadísticas de rentabilidad son excepcionales)
  • Gain to Pain Ratio (datos diarios): 0,30 o más
  • Gain to Pain Ratio (datos mensuales): 2,0 o más
  • Ratio de Sortino / √2—2.0 o superior

Rendimiento compuesto anual medio: el valor mínimo que busco aquí depende en gran medida de los valores de rendimiento / riesgo. Por ejemplo, un operador con un rendimiento compuesto anual promedio del 10% con un GPR diario de 0,6 y un ratio Sortino / √2 de 3.0 sería de interés, mientras que un operador con un rendimiento compuesto anual promedio del 30% con un GPR diario de 0,1 y una relación de Sortino / √2 de 0,80 no lo sería.

Comparte este articulo:

shutterstock 418110064
¿Qué busco en los candidatos de Market Wizards? por Jack Schwager

    Jack Schwager, autor de una de las sagas más leídas de todos los...

shutterstock 1420473887 scaled">

¿Cómo hacer trading con pivot points? por Bramesh Bhandari

Bramesh

Es un conocido trader indio y colaborador de los principales magazines internacionales. Comparte su visión sobre Forex, materias primas e Índices Mundiales a través de su web www.brameshtechanalysis.com. Bramesh también ofrece servicios de tutoría on line para futuros traders.
Bramesh Bhandari / www.brameshtechanalysis.com

 

  • Los operadores del mercado de valores a menudo hablan de que el mercado se dirige hacia zonas de soporte o resistencia importantes, zonas en las que los mercados pueden mostrar grandes movimientos de precios al alza o a la baja. ¿Cómo calculan los traders profesionales los llamados niveles de soporte y resistencia? 
  • Artículo publicado en Hispatrading Magazine 49.

La forma en la que los traders profesionales calculan zonas importantes de soporte y resistencia suele ser mediante el cálculo de los pivot points. En este artículo le mostraré cómo calcular, interpretar y usar esta herramienta al hacer day trading y swing trading.

El pivot point es el nivel en el que cambia la dirección del mercado durante el día. El pivot point se utiliza para determinar los niveles en los que la tendencia suele cambiar de dirección y dirigirse a un posible soporte o resistencia. Los pivot points son indicadores que nos ayudan a predecir las tendencias en lugar de ser indicadores rezagados.

Muchos traders siguen los pivot points y esta es la razón por la que el mercado reacciona a estos niveles. Esto le da la oportunidad de hacer trading.

Calcular el pivot point

El pivot point se calcula utilizando el promedio del máximo, mínimo y cierre del día anterior. De ahí se derivan una serie de puntos. Los niveles de soporte y resistencia que se calculan a partir de las fórmulas indican los rangos de negociación potenciales para la próxima sesión de negociación. El nivel de pivote, los niveles de soporte y resistencia calculados a partir de eso se conocen colectivamente como niveles pivote.

Estos precios generalmente se toman de los gráficos diarios de una acción, pero los pivot points también se pueden calcular utilizando información de gráficos horarios. La mayoría de los operadores prefieren tomar los pivots, así como los niveles de soporte y resistencia, de los gráficos diarios y luego aplicarlos a los gráficos intradiarios (por ejemplo, horarios, de 30 o 15 minutos). Si un pivot point se calcula utilizando información de un período de tiempo más corto, esto tiende a reducir su precisión e importancia. Los tres puntos de pivote más importantes son R1, S1 y el pivot point real.

Para calcular el nivel de pivote, necesitamos 3 precios que son:

  • H = precio alto del día anterior
  • L = precio bajo del día anterior
  • C = precio de cierre del día anterior

Luego calcule el nivel de pivote usando esta ecuación: Pivot Point (PP) = (Máximo + Mínimo + Cierre) / 3

Los niveles de soporte y resistencia se calculan utilizando las siguientes fórmulas:

La primera resistencia y soporte se calculan utilizando la diferencia entre el pivot point y los precios máximos y mínimos de los días anteriores.

  • Nivel de resistencia 1 = (2 * PP) – L
  • Nivel de soporte 1 = (2 * PP) – H

Tanto la segunda resistencia como soporte se basan en el ancho del rango de negociación (máximo – mínimo) y se calculan:

  • Nivel de resistencia 2 = (PP-S1) + R1
  • Nivel de soporte 2 = PP – (R1 – S1)

La tercera Resistencia y Soporte se calculan:

  • Resistencia 3 = Máximo + 2 * (Pivot – Mínimo)
  • Soporte 3 = Mínimo – 2 * (Máximo – Pivot)

El nivel más importante es el nivel de pivote en sí, ya que este es el nivel por encima o por debajo del cual se producirá el movimiento del precio hacia los niveles de soporte y resistencia.

Es importante tener en cuenta que es extremadamente raro que un índice bursátil alcance los niveles diarios de R3 o S3. Si un mercado / acción se recupera hasta R2 o cae hasta S2, lo que generalmente termina siendo el máximo o mínimo del día. Este conocimiento ayudará a moderar las emociones de un trader y a mantenerlo encaminado para seguir este sistema.

Uso de pivot points como estrategia de trading

Como hemos comentado antes, el Pivot es un nivel de decisión de tendencia de un día en particular, por lo que podemos derivar 3 reglas básicas para operar con pivots:

  • Si el mercado o acción cotiza por encima del pivot point, entonces el sesgo del día es alcista, es decir, se recomienda comprar.
  • Si el mercado o acción cotiza por debajo del pivot point, entonces el sesgo del día es bajista, es decir, vender en corto sería la estrategia preferida.
  • Si el mercado abre y sube o baja moviéndose cerca de R2, R3 o S2, S3, mostrará tendencia a retroceder hacia el Pivot. Por lo tanto, la regla general será “Evite comprar alto o vender bajo”.
  • Si se penetra en S1 y R1, estos puntos de ruptura invertirán sus funciones. Es decir, el primer soporte S1 se convierte en la nueva resistencia R1.

Analicemos el sistema pivots con el S&P 500 el 8 de diciembre de 2011 y cómo podría haber operado ese día utilizando pivots point.

El 12 de julio de 2011, el S&P 500 estaba así:

  • Máximo – 1267.06
  • Mínimo – 1248.0
  • Cierre – 1261.01
Figura 1. SP500
Figura 1. SP500.

Esto nos dio los siguientes niveles de pivote:

  • Pivot point = 1257,6
  • Resistencia 1 = 1270,4
  • Resistencia 2 = 1279,9
  • Resistencia 3 = 1292,7
  • Soporte 1 = 1248,2
  • Soporte 2 = 1235,4
  • Soporte 3 = 1225,9

Ahora veamos el gráfico de 5 minutos del S&P 500 a continuación el 8 de diciembre de 2011 y cómo podríamos operar utilizando los niveles de pivote.

Figura 2. SP500
Figura 2. SP500.

El S&P 500 abrió en 1260,87 e inmediatamente comenzó a bajar. Según el sistema de nivel de pivote, tomamos una operación corta por debajo del Pivot, es decir, 1257,6 manteniendo Sl de 2 puntos, es decir, 1259,6.

El primer objetivo para la operación es el Soporte 1, es decir, 1248.2. En este nivel, un operador puede ejecutar ganancias o seguir su posición manteniendo el Sl en el precio de entrada.

El segundo objetivo de la operación es el Soporte 2, es decir, 1235,4. En este nivel, un trader debería cerrar todas la operación por completo con ganancias. El mínimo realizado por el S&P 500 el 8 de diciembre de 2011 fue 1234,35.

Tomemos otro ejemplo del uso de niveles de pivote para operar en el lado largo.

El 12 de agosto de 2011, Caterpillar estaba así:

  • Máximo – 95,53
  • Mínimo – 92,60
  • Cierre – 92,92
Figura 3. Caterpillar
Figura 3. Caterpillar.

Esto nos dio los siguientes niveles de pivote:

  • Pivot point = 93,7
  • Resistencia 1 = 94,8
  • Resistencia 2 = 96,6
  • Resistencia 3 = 97,7
  • Soporte 1 = 91,8
  • Soporte 2 = 90,8
  • Soporte 3 = 88,9

Ahora veamos el gráfico de 5 minutos de Caterpillar a continuación el 9 de diciembre de 2011 y cómo podríamos operar usando los niveles de pivote.

Caterpillar abrió a 93,63 cotizados en el rango de 93,63-93,80. Según el sistema de nivel de pivote, tomamos una operación larga por encima del Pivot, es decir, en 93,8 manteniendo el Sl en 93,44.

El primer objetivo para la operación es la resistencia 1, es decir, 94,8. En este nivel, un operador puede registrar ganancias o seguir su posición manteniendo Sl en el precio de entrada, es decir, 93,8.

El segundo objetivo de la operación es la Resistencia 2, es decir, 96,6. El máximo alcanzado por Caterpillar el 9 de diciembre de 2011 fue de 96,29, que es menos de 0,40 centavos, por lo que se recomienda a los traders que cuadren sus posiciones antes de que cierre el mercado.

Tomemos otro ejemplo del uso de niveles de pivote para operar tanto en operaciones largas como cortas

El 29/12/2011 AutoZone estaba así:

  • Máximo – 329,31
  • Mínimo – 325,40
  • Cierre – 326.25
Figura 4. Autozone
Figura 4. Autozone.

Esto nos dio los siguientes niveles de pivote:

  • Pivot point = 327
  • Resistencia 1 = 328,6
  • Resistencia 2 = 330,9
  • Resistencia 3 = 332,5
  • Soporte 1 = 324,7
  • Soporte 2 = 323,1
  • Soporte 3 = 320,8

Ahora veamos el gráfico de 5 minutos de AutoZone a continuación el 30 de diciembre de 2011 y cómo podríamos operar usando los niveles de pivote para operar tanto en el lado largo como en el lado corto.

AutoZone hizo un gap bajista en 324.88, que está cerca del Soporte 327,7. Según el sistema de nivel de pivote, tomamos una operación larga por encima del Pivot, es decir, 327,1 manteniendo el Sl de 1 punto, es decir, 326,1, ya que el mínimo del día es 324,4, que está lejos del pivote, por lo que la relación riesgo / recompensa se reduce si usamos el mínimo del día como SL.

El primer objetivo para la operación es la resistencia 1, es decir, 328,6. En este nivel, un operador puede ejecutar ganancias o seguir su posición manteniendo Sl en el precio de entrada, es decir, 327,1.

El segundo objetivo de la operación es la Resistencia 2, es decir. 330,9. Como se ve desde arriba, el gráfico AutoZone no pudo moverse hasta 330,9 y comenzó a bajar de 328.6 y finalmente hizo saltar el Sl.

Ahora que las acciones comenzaron a descender por debajo del nivel de pivote, podemos iniciar una operación corta a 327.5 SL 328.6 y el objetivo 1 es el soporte 1 en 324,7.

AutoZone finalmente alcanzó los 324,7 en la última hora de operación y ejecutamos ganancias.

A continuación, en los gráficos de 4 días del S&P 500 desde el 29 de diciembre del 10 al 3 de febrero, marcando el pivote, el soporte y la resistencia. Observe cómo está reaccionando el mercado desde los niveles de pivote, soporte y resistencia.

Conclusión

Los niveles de pivot points son herramientas útiles para que los traders intradía conozcan los posibles puntos de inflexión del mercado. Los niveles de pivote nunca deben usarse de forma aislada, sino que una combinación de niveles de pivotes con patrón de velas y MACD. Los cruces estocásticos pueden aumentar la probabilidad de una operación de éxito al dar una poderosa señal de compra y venta.

Comparte este articulo:

shutterstock 1420473887
¿Cómo hacer trading con pivot points? por Bramesh Bhandari

  Los operadores del mercado de valores a menudo hablan de que el mercado se...

shutterstock 1554457067 scaled">

Evite los mercados de acciones con una estrategia de sincronización del mercado – Parte 1 por Quantpedia

logo

La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com

 

En esta serie de tres artículos, nuestro objetivo es construir una estrategia de sincronización del mercado que eludir de manera confiable el mercado de valores durante los mercados bajistas, reduciendo así la volatilidad del mercado e impulsando los rendimientos ajustados al riesgo. Construiremos señales de trading usando indicadores basados en precios, indicadores macroeconómicos y un indicador principal, una curva de rendimiento, que trataría de predecir las recesiones y los mercados bajistas por adelantado. Comenzamos con la primera parte: una breve introducción a las estrategias de tiempo o timing del mercado utilizando reglas basadas en precios.

Introducción

La sincronización del mercado trata de entrar y salir de un determinado mercado financiero basándose en algunos métodos predictivos. Su principal objetivo es reducir el riesgo asociado con las inversiones de capital. La sincronización del mercado no intenta superar al mercado sobre una base de rendimiento. Dada su menor volatilidad, las estrategias de sincronización del mercado tienen como objetivo superar al mercado sobre una base ajustada al riesgo. Aunque mediante la implementación del apalancamiento, también es posible batir al mercado sobre una base de rendimiento. La única forma en que las estrategias de sincronización del mercado pueden reducir la volatilidad del mercado es evitar las grandes retiradas que las acciones producen periódicamente. Para evitar de forma fiable las crisis del mercado, es necesario saber cuándo es probable que ocurran. El enfoque más directo sería salir del mercado cada vez que surja una tendencia negativa.

La identificación de la tendencia del mercado se puede realizar a través del análisis técnico, que es una metodología para analizar y pronosticar la dirección de los precios. Un principio fundamental del análisis técnico es que los precios se mueven en tendencias. Los analistas técnicos creen que estas tendencias se pueden identificar de manera oportuna para generar ganancias y limitar las pérdidas. El seguimiento de tendencias es una estrategia de trading activa que implementa esta idea en la práctica. Las reglas de seguimiento de tendencias más populares son la regla Momentum (MOM) y la regla de la media móvil (MA). En la regla MOM, se genera una señal de compra cuando el precio actual está por encima de su valor hace n períodos. En una regla MA, por otro lado, se genera una señal de compra cuando el precio actual es más alto que un promedio móvil de precios en los últimos n períodos. La estrategia de MA más utilizada utiliza MA simple (SMA), mientras que otras se basan en MA lineal (LMA) y MA exponencial (EMA). Un artículo de Zakamulin y Giner (2018) compara estas dos reglas de seguimiento de tendencias más populares y encuentra que la regla MA tiene una precisión de pronóstico más sólida de la dirección futura de las tendencias de precios en comparación con la regla MOM.

El momento o momentum del mercado con medias móviles ha sido objeto de un interés sustancial por parte de académicos e inversores. En su libro, Siegel (2008) investiga el uso de la SMA de 200 días para medir el promedio industrial Dow Jones (DJIA) de 1886 a 2006. Su estrategia compró el DJIA cuando cerró al menos un 1 por ciento por encima de la media móvil de 200 días y vendió el DJIA cuando cerró al menos un 1 por ciento por debajo del promedio móvil de 200 días. Concluye que el momento del mercado mejora los rendimientos absolutos y ajustados al riesgo sobre la compra y la tenencia del DJIA. De manera similar, Faber (2013) introduce un modelo de sincronización del mercado llamado Global Tactical Asset Allocation (GTAA), que consiste en cinco clases de activos globales, donde emplea un SMA de 10 meses para evaluar si mantener los activos mensualmente. En el período 1973-2012, su modelo superó al índice S&P 500, logrando rendimientos similares a los de las acciones con volatilidad y correcciones similares a los bonos.

En este documento, intentamos construir una estrategia de sincronización del mercado que evita de manera confiable el mercado de valores durante los mercados bajistas y, por lo tanto, consigue reducir la volatilidad del mercado e impulsar los rendimientos ajustados al riesgo. Nuestro universo de inversión consiste en el factor de mercado de Fama y French (MKT) y la tasa libre de riesgo (RF). MKT compra todas las empresas de CRSP constituidas en los EE. UU. y que cotizan en la Bolsa de Nueva York, AMEX o NASDAQ que tienen un código de acciones de CRSP de 10 u 11.RF es la tasa de la factura de las letras del Tesoro a un mes. Al final de cada mes, evaluamos si el mercado publicará un rendimiento positivo durante el próximo mes, y cambiamos entre el MKT y el RF en consecuencia. Por lo tanto, cuando no invertimos en MKT, tenemos RF. Dado que Fama y French informan de los rendimientos de MKT superiores a RF, también informamos de los rendimientos de todas nuestras estrategias superiores a RF en el resto del documento. Obtenemos el exceso de rentabilidad de MKT del sitio web de Kenneth French para el período comprendido entre julio de 1926 y junio de 2022, que es nuestro período de muestra. Tenga en cuenta que los primeros meses del período de muestra se utilizan para construir nuestras estrategias y, por lo tanto, el período para el que informamos de los resultados en nuestras tablas es ligeramente más corto que nuestro período de muestra inicial.

Para medir el rendimiento relativo de nuestro modelo, construimos una estrategia de sincronización de mercado ingenua que sería nuestro principal punto de referencia para el resto del documento. El ingenuo compra o se queda mucho tiempo con el MKT si el precio del MKT está por encima de su media móvil de 200 días. De lo contrario, la estrategia cambia del mercado de valores. Nuestro primer paso sería mejorar la sincronización del mercado utilizando indicadores basados en precios.

Tiempo o timing de mercado utilizando indicadores basados en precios

Una de las señales de un próximo mercado bajista en una acción es cuando la SMA de 50 días cruza la SMA de 200 días a la baja, un evento conocido como la cruz de la muerte. Del mismo modo, la SMA de 50 días que cruza la SMA de 200 días al alza es una indicación de un mercado alcista inminente en una acción, un evento llamado cruz de oro. De esta manera, construimos la estrategia MA (50, 200) que compra o permanece durante mucho tiempo el MKT si su media móvil de 50 días está por encima de la media móvil de 200 días. De lo contrario, la estrategia cambia del mercado de valores.

Otro signo ampliamente observado de una recesión inminente del mercado es un aumento en la volatilidad a corto plazo en relación con la volatilidad a largo plazo. Por lo tanto, construimos una estrategia que compra acciones solo si la volatilidad a corto plazo está por debajo de la volatilidad a largo plazo. Específicamente, VOL (50, 200) compra o mantiene el MKT durante mucho tiempo si la volatilidad histórica de 50 días, medida por la desviación estándar de los rendimientos del mercado, está por debajo de la volatilidad histórica de 200 días. De lo contrario, la estrategia cambia del mercado de valores.

La volatilidad considera que los rendimientos extremadamente altos y extremadamente bajos son igualmente indeseables. Sin embargo, los inversores quieren limitar solo el riesgo a la baja y mantener el alza sin límites. Con este fin, descomponemos la volatilidad del mercado en volatilidad al alza y a la baja. En particular, calculamos la volatilidad al alza (a la baja) como la desviación estándar de los rendimientos positivos (negativos) del mercado durante un período determinado. Por lo tanto, nuestra estrategia, VOL (200)+,- compra o mantiene durante mucho tiempo el MKT si la volatilidad al alza en los últimos 200 días es mayor que la volatilidad a la baja. De lo contrario, la estrategia cambia del mercado de valores.

Se considera que el mercado de valores tiene una distribución sesgada negativamente. La noción es que el mercado produce más a menudo un pequeño rendimiento positivo en relación con una gran pérdida negativa. Sin embargo, durante los mercados bajistas, la situación se invierte y el mercado registra pequeñas pérdidas con más frecuencia que grandes ganancias. Varios estudios investigan el efecto de asimetría y su implicación para la sección transversal de los rendimientos de las acciones. Zaremba y Nowak (2015) encontraron que los índices de acciones de los países con la asinitud histórica más negativa superan a los que tienen la asinitud más positiva. Basándonos en sus hallazgos, construimos nuestra estrategia SKEW (200) que compra o permanece durante mucho tiempo el MKT si la asisidad histórica medida por el coeficiente de asilitud en los últimos 200 días está por debajo de cero. De lo contrario, la estrategia cambia del mercado de valores.

En cuanto al rendimiento de nuestras estrategias hasta el presente, la Tabla 1 muestra que ninguna de ellas muestra mejores resultados que Naive, ni sobre una base de rendimiento ni ajustada al riesgo. Además, algunos de ellos sufrieron caídas cercanas a las de MKT. Estos débiles resultados nos motivaron a profundizar y buscar indicadores de precios más complejos de la tendencia del mercado, lo que nos llevó al Índice de Fuerza Relativa.

El Índice de Fuerza Relativa (RSI) es un indicador de impulso utilizado en el análisis técnico para medir la velocidad y la magnitud de los movimientos de los precios. Como indicador de impulso, el RSI compara la fuerza de un valor en los días en que los precios suben con su fuerza en los días en que los precios bajan. Los operadores a menudo usan RSI para evaluar si el valor está sobrevalorado o infravalorado. Tradicionalmente, las lecturas de RSI por encima del nivel 70 indican que el valor está sobrecomprado, y las lecturas de RSI por debajo de 30 implican que el valor está sobrevendido. Sin embargo, el RSI también se puede utilizar para identificar un cambio en la tendencia. Un movimiento desde abajo de la línea central (50) hacia arriba indica una tendencia alcista. Un movimiento desde arriba de la línea central (50) hacia abajo indica una tendencia bajista. Nuestra estrategia RSI (200) se basa en el cruce del RSI de la línea central a medida que compra o se mantiene durante mucho tiempo el MKT cuando el RSI del Culter de 200 días está por encima de 50. La versión de RSI de Cutler utiliza una SMA para suavizar en lugar de una EMA. De lo contrario, la estrategia cambia del mercado de valores.

Otra posibilidad de aumentar los rendimientos ajustados al riesgo del mercado es permanecer en el mercado solo si, en el período reciente, el mercado mostró rendimientos ajustados por el riesgo favorables. Medimos el rendimiento ajustado al riesgo del mercado utilizando una medida de rendimiento alternativa llamada ratio Rachev (RR). RR, ideado por el matemático búlgaro Svetlozar Rachev, mide el potencial de recompensa de la cola derecha de una seguridad en relación con el riesgo de la cola izquierda. Stoyanov, Rachev y Fabozzi (2005) definieron el RR como una relación de dos valores de valor condicional en riesgo (CVaR) de la siguiente manera:

Picture 269 Rachev Ratio

donde r es un rendimiento de una cartera o activo, rf es la tasa libre de riesgo y α, β ∈ (0,1). En pocas palabras, RR mide la relación entre el α% de los mejores rendimientos y el β% de los peores rendimientos. En nuestro caso, α = β = 0,5, y calculamos la relación utilizando los últimos 200 días. Nuestra estrategia RR (0,5, 0,5) compra MKT cuando el RR es mayor que uno. De lo contrario, la estrategia cambia del mercado de valores.

La tabla 1 muestra que nuestras dos nuevas estrategias RSI (200) y RR (0,5, 0,5) lo hicieron significativamente mejor en comparación con nuestras anteriores estrategias MA (50, 200), VOL (50, 200), VOL (200)+,- y SKEW (200). El RSI (200) exhibe un rendimiento anual con un exceso del 6,40 %, que es mayor que el 6,30 % anual alcanzado por la estrategia Naive. Además, el RSI (200) tuvo un mejor comportamiento frente a Naive en términos de ratio Calmar, aunque se quedó corto en términos de ratio Sharpe. RR (0,5, 0,5) lo hizo aún mejor, logrando un rendimiento del 6,57 % anual, superando a MKT sobre una base de rendimiento. Sin embargo, todavía tuvo un rendimiento inferior al de Naive sobre una base ajustada al riesgo, medido por ratio Sharpe. Tenga en cuenta que RSI (200) y RR (0,5, 0,5) son estrategias similares que muestran una correlación de 0,987.

Tabla 1: Resumen del rendimiento de las estrategias de tiempo del mercado basadas en los precios para el período comprendido entre abril de 1927 y junio de 2022.

Estrategia AnnReturn AnnVolatilidad MaxDD Relación de afilado Proporción de Calmar Tiempo En Corraingenua
MKT 6,56% 18,55% -84,63 % 0.35 0.08 100,00% 0,647
Ingenuo 6.30% 12.06% -55,97 % 0.52 0.11 67,54% 1.000
MA (50, 200) 5,01% 12,22 % -64,63 % 0,41 0.08 67,377% 0,877
VOL (50, 200) 3,27% 13,40 % -76,88% 0,24 0,04 60,72 % 0.571
VOL (200)+,- 2,01% 12.70% -66,71 % 0.16 0,03 28,08 % 0.314
SKEW (200) 4,04% 13,53% -58,46% 0.30 0,07 71,74 % 0,725
RSI (200) 6,40 % 13,11% -52,36% 0.49 0,12 70,17 % 0,843
RR (0,5, 0,5) 6,57% 13,27 % -5,63 % 0,50 0,13 71,74 % 0,841
tendencia 5,91% 11,63% -42,87% 0.51 0,14 63,25 % 0,963

Figura 1: Gráfico de rendimiento de las estrategias de tiempo del mercado basadas en los precios para el período comprendido entre abril de 1927 y junio de 2022.

Picture 270 Price Based Market Timing Strategies

El rendimiento superior del RR (0,5, 0,5) y los sólidos resultados de tiempo de mercado de Naive nos motivaron a combinar estas dos estrategias para obtener una señal de trading más diversificada. La tendencia compra o se mantiene durante mucho tiempo el MKT si las señales Naive y RR (0,5, 0,5) son unánimemente positivas. De lo contrario, la estrategia cambia del mercado de valores.

La tendencia produce un rendimiento anual del 5,91 %, menor que Naive o RR (0,5, 0,5), lo cual es comprensible, ya que pasa menos tiempo invertido en MKT. Por otro lado, sufre la pérdida máxima más favorable de -42,87%, exhibe la volatilidad más baja del 11,63% anual y muestra uno de los rendimientos ajustados al riesgo más altos.

Sin embargo, en este punto, nos dimos cuenta de que para mejorar aún más nuestro modelo de sincronización del mercado, tenemos que mirar más allá de los indicadores de precios. Por lo tanto, en nuestro siguiente paso, intentamos combinar las señales de nuestras estrategias de mejor rendimiento en términos de rendimientos ajustados al riesgo, Naive y de tendencia, con señales basadas en indicadores macroeconómicos. Esto se publicará en la parte 2 – Calendario del mercado utilizando indicadores macroeconómicos y macroeconómicos.

Autor:
Ladislav Durian, analista de Quant, Quantpedia

Comparte este articulo:

shutterstock 1554457067
Evite los mercados de acciones con una estrategia de sincronización del mercado – Parte 1 por Quantpedia

  En esta serie de tres artículos, nuestro objetivo es construir una estrategia de sincronización...

shutterstock 1388903636 scaled">

8 preguntas sobre el pánico bancario de 2023 por Ben Carlson

Captura de pantalla 2020 10 07 a las 15.27.47 1 e1602078279445

Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL

 

En Animal Spirits de la semana pasada preguntamos por qué los agresivos recortes de tasas de la Reserva Federal aún no habían roto nada en la economía:

Claro, el mercado de la vivienda está básicamente roto, pero todo lo demás se ha mantenido relativamente bien… hasta la semana pasada.

Grabamos nuestro programa el martes. Para el fin de semana veríamos la segunda y tercera quiebra bancaria más grande en la historia de los Estados Unidos, incluida la mayor ejecución bancaria que hemos visto.

Tengo muchas preguntas:

1. ¿Es culpa de la Reserva Federal?

La Reserva Federal ciertamente jugó un papel. Es obvio en retrospectiva que mantuvieron las tasas demasiado bajas durante demasiado tiempo, pero agravaron ese error al aumentar las tasas demasiado rápido:

IEFFRND I2YTR I3MTRNK chart 1

Algo estaba destinado a romperse al pasar de 0 a 60 tan rápido.

Los ejecutivos del Silicon Valley Bank también tienen mucha culpa. Manejaron mal su tasa de interés y su riesgo de liquidez, tenían un conjunto concentrado de clientes y todos esos clientes corrieron a las puertas de salida al mismo tiempo. Hay muchos otros bancos que se mantuvieron bien con el rápido aumento de las tasas de interés.

Nunca es solo una cosa cuando algo como esto explota.

Obviamente, el sector tecnológico aún no tiene un control firme del sector financiero. Pero la Reserva Federal también tiene sangre en sus manos aquí.

2. ¿La Reserva Federal ha terminado de aumentar las tasas?

Es increíble lo rápido que la inflación ha pasado de ser la mayor preocupación a una posible idea de último momento. La Reserva Federal todavía tiene la estabilidad de precios como mandato y no hemos terminado de luchar contra la inflación.

Simplemente no veo cómo pueden seguir siendo tan agresivos ante una crisis bancaria.

No sé si esta carrera bancaria tendrá un impacto material en la economía, pero tuvo que asustar a la Reserva Federal.

Fue el fracaso de Continental Illinois a principios de la década de 1980 lo que hizo que la Reserva Federal, dirigida por Paul Volcker, se diera cuenta de que probablemente fueron demasiado lejos con los aumentos de tasas.

3. ¿Por qué están colapsando las tasas de interés?

La semana pasada, el rendimiento del tesoro a 2 años llegó al 5 %. Eso fue el miércoles. Se metió brevemente por debajo del 4 % el lunes, terminando el día en un poco más del 4 %.

Las tasas cayeron en todos los ámbitos.

Esto podría ser una señal del mercado de bonos de que cree que la Reserva Federal ha terminado de endurecer las condiciones (e incluso podría tener que reducir las tasas si hay más problemas bancarios). También hay un elemento de seguridad, que debería ser una señal bienvenida para los inversores de bonos después de que la renta fija se tomara el año pasado.

El peor de los casos es que el mercado de bonos predice más dolor en el sector financiero y la economía.

Todo esto sucedió tan rápido que el propio mercado de bonos probablemente no lo sepa con certeza.

4. ¿La industria bancaria ha cambiado para siempre?

La forma en que funciona el seguro de la FDIC es que los bancos esencialmente pagan una prima como lo haría con cualquier otra forma de seguro.

El límite técnico del seguro de depósitos de la FDIC es de 250.000 dólares, pero en los últimos días deja claro que el gobierno no va a permitir que los depositantes pierdan su dinero en un banco.

Parece que eso significa que el seguro de depósito de la FDIC ahora es implícitamente ilimitado

 

Si ese es el caso, tendría sentido que los reguladores cobraran primas mucho más altas a los bancos para cubrir cualquier problema futuro.

Si eso sucede, los bancos más grandes serían los mayores beneficiarios porque pueden permitírselo.

Así que, si bien podría ser la falta de confianza lo que hizo que un montón de bancos regionales entraran en el mercado de valores, creo que la mayor realización podría ser que los depositantes concentrarán más dinero en las instituciones financieras más grandes.

Para ser justos, los precios de las acciones de los grandes bancos también han bajado, pero eso podría deberse a que el costo de hacer negocios para todos ha aumentado.

Desafortunadamente, creo que esto significa rendimientos cada vez peores para los consumidores bancarios.

5. ¿Es una crisis bancaria alcista para el mercado de valores?

Es extraño pensar que una crisis bancaria podría ser alcista para el mercado de valores, pero es una posibilidad clara.

La pérdida de confianza en el sistema financiero casi siempre es deflacionaria. Si eso hace que la Reserva Federal ralentice sus aumentos de las tasas de interés y conduce a una desaceleración de la inflación, podríamos estar preparando un repunte del mercado de valores.

Como siempre, esto está lejos de ser garantizado, pero es una locura pensar en lo mucho que ha cambiado el mundo en la última semana.

Tal vez esto sea un punto débil y las cosas se calmen, pero es difícil volver a meter al genio en la lámpara una vez que se sacude la confianza en el sistema financiero.

6. ¿La tecnología está haciendo que el mundo sea menos estable?

Escribí hace poco sobre cómo J.P. Morgan ayudó a frenar el ritmo de las ejecuciones bancarias en 1907 al hacer que los cajeros bancarios contaran los retiros de los clientes muy lentamente.

Eso no funcionaría hoy.

Una combinación de rumores, redes sociales y algunos inversores de riesgo en pánico llevó a más de 40 mil millones de dólares en retiros de depositantes en un solo día del Silicon Valley Bank. Y esos retiros no requerían que los cajeros bancarios contaran el efectivo a mano.

Terminaron con solo pulsar un botón.

La tecnología ciertamente hizo que el mundo fuera más estable durante la pandemia, pero también hizo que fuera mucho más fácil para uno de los bancos más grandes del país hundirlo en cuestión de días.

Como siempre, hay compensaciones cuando se trata de innovación.

7. ¿Cuáles son las consecuencias no deseadas de esta carrera bancaria?

Esta es siempre una de las preguntas más difíciles de responder en este momento. A veces sentimos las consecuencias no deseadas de inmediato y a veces no se conocen desde hace años.

Parece que esta crisis podría llevar a reverberaciones en los próximos años.

8. ¿Mi dinero está a salvo?

Esta es una pregunta de la que mucha gente no pensó que tenía que preocuparse hasta estos últimos días. La gente tiende a asustarse cuando se ve obligada a preocuparse por cosas de las que no creían que tuvieran que preocuparse.

La buena noticia es que la mayoría de nosotros nunca tendremos que preocuparnos por lo que es tener más de 250.000 dólares en el banco, pero muchos dueños de negocios lo hacen.

Dejando de lado las reglas que están actualmente en vigor y sus sentimientos personales sobre el riesgo moral, es difícil pensar que los reguladores y los políticos de alguna vez dejarían que el sistema bancario colapsara.

Y si posee acciones, bonos, fondos mutuos o ETF, ninguna institución financiera (suponiendo que no esté en Madoff Securities) puede utilizarlos en su nombre. Si Vanguard o Fidelity o Blackrock o Charles Schwab cayera  mañana por cualquier razón, todavía eres dueño de tus valores. Simplemente los están almacenando para ti.

No puedo prometer que no habrá más dolor en el sector bancario porque la fe y la confianza son variables psicológicas que son imposibles de predecir.

Si estás sentado en un montón de dinero en efectivo, es posible que tengas que ser más cuidadoso sobre dónde reside ese dinero en efectivo y cómo lo gestionas. Esta debería ser una llamada de atención si ese es el caso.

Para el resto de nosotros, hay muchas protecciones para proteger su dinero.

Comparte este articulo:

shutterstock 1388903636
8 preguntas sobre el pánico bancario de 2023 por Ben Carlson

  En Animal Spirits de la semana pasada preguntamos por qué los agresivos recortes de...

shutterstock 2019039053 scaled">

Pensando “tres movimientos por adelantado” II por Ray Barros

ray 400x400 e1636732168302

Abogado de profesión, es trader profesional, gestor de fondos y educador. Con más de 30 años de experiencia, ha conseguido mantener un track record continuado con una tasa de retorno anual del 39%. Es autor del libro “The Nature of Trends” y escribe regularmente para revistas como Your Trading Edge Magazine, Business Times y Smart Investor.
Ray Barros / tradingsuccess.com

 

En el último artículo sugerí algunas preguntas que deberíamos hacernos antes de abrir una operación y sobre “el movimiento de apertura”,

En el capítulo cuatro de Three Moves Ahead, Bob Rice trata el tema del tiempo. Comienza con la frase: “Se te va el tiempo y pierdes. Es lo mismo en los negocios y en el ajedrez”. Podría haber añadido “y en el trading”.

Pete Steidlmayer me enseñó que el mayor enemigo de mantener las pérdidas pequeñas es la ubicación y el tiempo del trade. Hablaré de la ubicación del trade otro día. Por ahora, centrémonos en el tiempo.

En el mundo del trading, generalmente se nos enseña a comprar (o vender) rupturas y a proteger la posición con un stop de precios. Si bien abro un stop a un precio más allá del cual no estoy preparado para aceptar más pérdidas, esta no es mi principal herramienta de salida. Sigo usando la evaluación de la estructura de precios y un stop de tiempo basada en esa estructura de tiempo. De esta manera, mantengo bajas mis pérdidas. Déjame darte un ejemplo.

Este mes, la mayor parte de lo que he hecho ha resultado en pérdidas. Además, incluso las operaciones rentables solo han sido marginales, es decir, las ganancias se produjeron no porque el mercado alcanzara mis objetivos de precios, sino porque la gestión del tarde me sacó con un beneficio. Si no hubiera salido, esas operaciones habrían sido perdedoras.

Hasta ahora, incluyendo dos posiciones abiertas, he realizado 15 operaciones por 10 pérdidas. Mi pérdida total durante el mes (si mis stops de operaciones abiertos fueran ejecutados sería 2,7%. Si excluimos las posiciones abiertas, mis pérdidas cerradas ascienden a 1,19%. De las operaciones cerradas, solo una operación no habría resultado en un stop, es decir, de las 10 operaciones perdedoras, una estaría abierta y no habría resultado en ninguna pérdida.

Mi tamaño normal detiene el promedio del 1,5 % del capital; pero como decidí temprano que estaba en un estado de reflujo, reduje el tamaño de mi posición en un 50 %. Por lo tanto, en 10 operaciones perdedoras, debería haber perdido un 7,5 % (10 x 1/2 x 1,5 %). Mis ganancias han sido del 0,53 %. Por lo tanto, sin una salida anticipada, mis pérdidas netas CERRADAS habrían sido de alrededor del 7 % (7,5 – 0,53%), en lugar del 1,19 %.

Así que la salida anticipada ha marcado una gran diferencia.

La clave para una salida temprana radica en evaluar:

  1. cómo tiene que ser el mercado para permanecer en el mercado
  2. cómo tiene que ser el mercado para salir del mercado y
  3. si el movimiento en tu contra es rotacional o de un solo período de tiempo. Si es un plazo, la salida del mercado es la clave. Si rota, la clave es evaluar un área (generalmente el punto de control) a la que el mercado volverá a salir. Tenga en cuenta que mi precio de entrada es irrelevante. El mercado no sabe ni le importa dónde entraste, solo conoce su estructura. Demasiados operadores salen de las posiciones en función de su entrada. En su lugar, deberían estar mirando su salida en relación con su riesgo.

Comparte este articulo:

shutterstock 2019039053
Pensando “tres movimientos por adelantado” II por Ray Barros

  En el último artículo sugerí algunas preguntas que deberíamos hacernos antes de abrir una...

shutterstock 1504342112 scaled">

Fuertes ventas en el mercado de valores: ¿Qué viene ahora? por Brett N. Steenbarger, Ph.D

Unknown

Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.
Brett N. Steenbarger / SUNY Upstate Medical University

 

image 17

Si todos estuvieran de acuerdo en el valor de un activo, no habría movimiento de precios. Cuando el movimiento de precios se vuelve volátil, sabemos que existe un desacuerdo significativo con respecto al valor. Esta fue una dinámica importante en el mercado de valores la semana pasada. Veamos si podemos mirar el mercado desde una perspectiva basada en datos y obtener una idea de lo que estaba sucediendo y lo que eso podría significar en el futuro.
La primera información importante fue que la venta masiva de la semana pasada fue realmente amplia. Piense en lo siguiente: de las 500 acciones del SP500, el número que alcanzó nuevos mínimos de cinco días menos el número que alcanzó nuevos máximos de cinco días fue 442, y el número que alcanzó nuevos mínimos de veinte días menos nuevos máximos fue 331. El porcentaje de acciones en el universo SP500 que cerró por encima de sus medias móviles de cinco días fue de 1,98. Solo un poco más del 6% de las acciones cerraron por encima de sus medias de cinco días. Todo estaba muy débil.

La segunda información importante fue que el movimiento después de la noticia de la caída  de SVB difería significativamente de lo sucedido hasta ese momento. Antes de la noticia, estábamos viendo acciones débiles y bonos débiles, ya que los operadores temían que la inflación fuera “duradera” y que el Banco de la Reserva Federal tendría que subir las tasas más de lo esperado anteriormente. Tras la noticia, la venta se hizo mucho más intensa. Vimos un volumen elevado, lecturas de volatilidad implícita elevadas (VIX) y cifras negativas elevadas de NYSE TICK. De hecho, la primera indicación de que las noticias de SVB cambiaron las reglas del juego fueron las persistentes lecturas de TICK por debajo de -1000. Eso solo puede ocurrir cuando hay una venta agresiva de grandes cestas de acciones.

La tercera información importante fue que las correlaciones dentro y entre los mercados cambiaron drásticamente. Las acciones financieras, como las que componen el XLF ETF, lideraron agresivamente la caída. La renta fija, que había cotizado a la baja en previsión de mayores rendimientos, se convirtió en un refugio seguro y se recuperó de forma agresiva. La narrativa del mercado había cambiado de economía fuerte/inflación/tasas más altas a quiebra bancaria/incertidumbre económica. Habría sido difícil para los participantes del mercado detectar este cambio de régimen si no estuvieran rastreando la volatilidad, el volumen, la amplitud y las correlaciones del mercado.

Entonces, ¿qué podría seguir después de tal liquidación? Fui a mi base de datos de amplitud, que se remonta a 2010, e identifiqué todas las ocasiones en las que más de 400 de las acciones de SP500 cerraron en mínimos de cinco días y más de la mitad cerraron en mínimos de 20 días. De 3298 días de mercado, solo 38 cumplieron con estos criterios. En otras palabras, ventas masivas tan amplias han sido raras. Curiosamente, los casos de estas liquidaciones han tendido a agruparse. Tuvimos cuatro ocasiones a principios de 2020; cuatro a fines de 2018; tres en agosto de 2015; y siete de agosto a noviembre de 2011. En los 38 casos, hubo una tendencia a rebotar al día siguiente (24 hacia arriba, 14 hacia abajo para una ganancia promedio de +.93 % frente a +.03 % para el resto de la muestra). ). Diez días después, no había ninguna ventaja alcista. Lo llamativo fue que, durante los siguientes diez días, el mercado subió o bajó más del 4% en quince de las ocasiones. En otras palabras, la volatilidad tendió a persistir; la dirección era un crapshoot.

Existe la tentación entre los traders a corto plazo de buscar rebotes en activos que están sobrevendidos. El problema con esta idea es que necesitamos entender *por qué* hemos llegado a tal punto de sobreventa. La actividad reciente del mercado ha sido anormal. Es por eso que solo un poco más del 1% de los días desde 2010 han mostrado tal debilidad. Cuando un banco corre el riesgo de quebrar y otros bancos muestran riesgos a la baja, el resultado es un nivel de volatilidad que nos dice que los inversores están cuestionando el valor subyacente. El primer paso para trazar una estrategia de trading o de inversión es reconocer que hemos entrado en aguas relativamente desconocidas. Operar con “disciplina” y seguir ciegamente los “setups” e ideas de principios de este mes es realmente peligroso.

Comparte este articulo:

shutterstock 1504342112
Fuertes ventas en el mercado de valores: ¿Qué viene ahora? por Brett N. Steenbarger, Ph.D

  Si todos estuvieran de acuerdo en el valor de un activo, no habría movimiento...

shutterstock 2139694275 scaled">

¿Puede vivir del trading? por Perry J. Kaufman

1 PJK AlexZPhotography

 

 

 

 

 

Perry J. Kaufman es uno de los autores con mayor prestigio internacional, conocido por desarrollar estrategias algorítmicas, desde la década de los 70. Comenzó como “científico espacial” en la industria aeroespacial, donde trabajó en los sistemas de control y navegación para Gemini. Desde entonces ha aplicado su amplio conocimiento desarrollando sistemas de trading y de análisis de riesgos.
perrykaufman.com

 

  • ¿Cuánto capital necesita para vivir del trading? ¿Qué debe tener en cuenta? En este artículo, Perry J. Kaufman, en exclusiva para Hispatrading Magazine, nos cuenta algunos aspectos imprescindibles si quiere vivir de sus ganancias. 
  • Artículo publicado en Hispatrading 53.

Nuestra hija hace trading, pero necesita ganar lo suficiente para vivir. Eso me molesta porque los retiros constantemente agotan la cuenta y hacen imposible capitalizar los rendimientos, la clave para acumular riqueza. Estoy seguro de que ella no es la única trader con ese problema. La pregunta que me gustaría lanzar en este artículo es, “¿cuánto dinero puede retirar y seguir operando?”.

Tomemos un ejemplo simple, usando el SPDR SPY. En el pasado reciente, ha tenido tres grandes mercados alcistas, la última parte de los años 90, 2003-2007 y 2010-2020, comenzando después de la crisis financiera de 2008. Es difícil quejarse demasiado de los rendimientos, 7.5% anual desde 2003, incluso después de todos los altibajos, incluido el mercado bajista actual. Sin embargo, veremos que mucho depende de cuándo comience a operar.

Cantidades fijas de retiro

Como punto de referencia, comenzamos con $1 millón el 1 de febrero de 1993 y calculamos los rendimientos compuestos de SPY para obtener un 7,26% anualizado, hasta el 14 de octubre de 2022. Si necesitamos $50.000 para vivir cada año, retiraremos $4.166,66 al el final de cada mes. Eso reduce la cantidad de capital que podemos invertir el mes siguiente. Cada mes aplicamos los rendimientos porcentuales de SPY al valor final del activo del mes anterior y restamos el retiro mensual. Calculamos el nuevo rendimiento mensual y lo combinamos de la forma habitual para obtener el NAV que se muestra en el gráfico 1, marcado como “W/D 50K”.

pastedGraphic.png
Figura 1. Retiros mensuales de importes fijos en dólares, de una cuenta pasiva invertida en el ETF SPY, en base al monto anual que se muestra en la parte inferior.

El impacto de un retiro mensual de $4.166 no es tan malo. Si nuestra hija pudiera vivir con eso (hipotéticamente, por supuesto), la curva de capital aún crecería. Pero ella realmente quiere retirar $100K cada año, un importe de $8.333.33 por mes. Eso nos da la línea gris en el Gráfico 1, esencialmente eliminando todas las ganancias y manteniéndolas siempre igual que la inversión inicial y un poco menos en este mercado bajista. Eso deja poco margen para el error.

¿Y si necesitara aún más? Como puede ver en la línea amarilla en el gráfico 1, retirar $150.000 cada año ($12.500 mensuales) toma aproximadamente la mitad del tiempo para consumir toda la inversión, incluso volviéndose negativa en medio del mercado alcista de 2003-2007.

Retiros de porcentaje

El mercado ha sido bueno para muchos inversores, pero hay un límite a lo que puede producir. Puede pensar que retirar un porcentaje cada mes sería mejor, pero entonces la cantidad que retire variará considerablemente. Veamos lo que sucede.

El Gráfico 2 muestra la inversión pasiva en SPY (en azul), junto con los retiros mensuales de capital dados en base a montos anuales de 5%, 10% y 15%. Parece que tenemos básicamente el mismo patrón que con los retiros fijos en dólares. La opción del 5% permite que la cuenta crezca, el 10% elimina todas las ganancias y el 15% lo deja sin nada, aunque es más lento que retirar $150.000 cada año.

pastedGraphic_1.png
Figura 2. Retiros mensuales de montos porcentuales, de una cuenta pasiva invertida en el ETF SPY, en base a un monto anual.

El beneficio de los retiros porcentuales se puede ver en el flujo de caja mensual. Un retiro mensual en dólares del 5% es de $4.166 en base a la inversión original. Si, en cambio, retira el 5 %, o el 0,4166 % del valor de la cuenta corriente cada mes, terminará con más dinero para gastar, como se muestra en la Figura 3. La razón es que, cu¡¡ando el SPY está corrigiendo, retira menos, así que cuando el mercado se recupera, tienes una mayor inversión. Durante el período de 1993 habría retirado un promedio de $ 7.509 cada mes en lugar de $ 4.166.

Pero esa imagen puede ser engañosa. Se basa en comenzar estos cálculos justo antes de un escenario de mercado alcista.

pastedGraphic_2.png
Figura 3. Flujo de ingresos mensuales, en base a retiros porcentuales, a partir de enero de 1993.

Comenzando en el momento equivocado

Aquellos que operaron en la década de 1990 deberían recordar la notable tendencia alcista que terminó a principios de 2000. ¿Qué hubiera pasado si hubiera comenzado en el peor momento posible, en lugar de en el mejor momento? Tomar un retiro anualizado (mensual) del 5 % aún habría sobrevivido a los dos mercados bajistas devastadores, y al actual, desde 2000. Pero más del 5 % reduce significativamente su capital, como se ve en la Figura 4.

pastedGraphic_3.png
Figura 4. Patrimonio neto después de retiros porcentuales, a partir de enero del año 2000.

El verdadero problema viene en el flujo de caja. En lugar de acumular ganancias a fines de la década de 1990 que le permitan retirar fondos durante los próximos 20 años, comienza una recesión. En ningún momento podrás retirar el 5% de la cantidad fija que quieras. De hecho, la mayor parte del tiempo, solo puede retirar la mitad de esa cantidad, y el promedio de todos los años desde el 2000 es de $2.943 por mes (consulte el gráfico 5), en lugar de los $4.166 que está buscando.

pastedGraphic_4.png
Figura 5. Flujo de ingreso mensual en base al retiro porcentual, iniciado en enero del 2000.

Conclusiones

En teoría, deberíamos poder retirar algo justo por debajo de los rendimientos anualizados a largo plazo de nuestra cartera de inversiones. Si empezamos en un buen momento, cuando la rentabilidad de la cartera se comporta mejor que la media, podemos acumular capital extra que nos ayudará por mucho tiempo. Si nuestro momento es malo y comenzamos antes de un mercado bajista, tanto nuestro capital como los retiros funcionan en nuestra contra y terminaremos con mucho menos de lo que queríamos.

Realmente no hay forma de saber qué hará el mercado. Estadísticamente, tiene más probabilidades de experimentar un mercado alcista que un mercado bajista. Quizás la mejor manera es retirar una cantidad menor, digamos 5%, hasta que acumule capital, luego aumente el tamaño de los retiros. Asegurará la longevidad.

Puede resultar que, cuando veamos tocar suelo en el mercado bajista actual, tengamos un lugar ideal para comenzar a vivir de las ganancias.

Comparte este articulo:

shutterstock 2139694275
¿Puede vivir del trading? por Perry J. Kaufman

            ¿Cuánto capital necesita para vivir del trading? ¿Qué debe...

  • 1
  • 2
  • 3
  • 4
  • …
  • 46
Acerca de Método Trading

Es una escuela de trading, creada por traders institucionales, para formar a inversores particulares y profesionales financieros en el arte del análisis técnico y el trading profesional.

Categoría

Artículos
Guias
Magazines

Información

Chile: +56 232629600
México: +52 5585263201
Colombia: +57 601 5800534

Perú: +51 17124709

 

Síguenos

Copyright 2023 © Metodotrading.com
  • Colaboradores
  • Cursos
  • Material formativo
  • Revista
  • Artículos
  • Guías
  • FAQ
  • Contacto
  • Acceder

Acceder

¿Olvidaste la contraseña?