Cómo el Mercado da forma a tu cartera por Ben Carlson
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 un mundo racional, cada inversor establecería su asignación de activos en función de su voluntad, capacidad y necesidad de asumir riesgos.
Uno equilibraría una gama de expectativas para las diversas clases de activos y emparejaría esas posibilidades con sus metas y objetivos.
Claro, muchos inversores consideran su perfil de riesgo y su horizonte temporal al construir una cartera.
Pero vivimos en un mundo irracional, en el que las experiencias, las emociones, las circunstancias, la suerte y el tiempo dan forma tanto a los sentimientos como a las carteras.
The Economist recientemente hizo un excelente estudio sobre cómo los jóvenes deberían pensar en invertir y por qué no deberían asustarse debido al mercado bajista de 2022.
Apuntan a una investigación de Vanguard que muestra que las experiencias tempranas en los mercados puede dar forma a su asignación de activos y postura de inversión en los siguientes años:
Al ordenar las carteras de los inversores minoristas de Vanguard por el año en que se abrieron sus cuentas, su equipo ha calculado la asignación media de capital para cada año (ver gráfico 3). Los resultados muestran que los inversores que abrieron cuentas durante un mercado alcista conservan asignaciones de capital significativamente más altas incluso décadas después. El inversor medio que comenzó en 1999, a medida que la burbuja de las puntocom se hinchaba, todavía tenía el 86 % de su cartera en acciones en 2022. Para aquellos que comenzaron en 2004, cuando los recuerdos del estallido de la burbuja todavía estaban frescos, la cifra equivalente era solo del 72 %.
Por lo tanto, es muy posible que los jóvenes inversores de hoy en día elijan estrategias que seguirán en las próximas décadas.
Este es el gráfico mencionado anteriormente:
Estos resultados son algo sorprendentes. La mayoría de la gente asume que vivir la inevitable caída que viene siempre después de un movimiento alcista dejaría un sabor amargo.
Pero lo contrario es cierto. Los inversores que abrieron cuentas durante los tiempos de subidas en realidad retuvieron una mayor asignación a las acciones en los siguientes años.
Tal vez sea inercia, pero es obvio que los rendimientos del mercado de valores en sus años de formación como inversor pueden tener un impacto en la forma en que invierte.
La parte difícil de todo esto es que no puedes elegir cuándo tus rendimientos vienen como inversor. A veces obtienes buenos rendimientos cuando eres joven, a veces cuando eres viejo.
Algunos jubilados obtienen fabulosos mercados alcistas justo cuando abandonan el mundo laboral, mientras que otros se jubilan durante un mercado bajista.
El tiempo y la suerte, tanto buena como mala, juegan un papel muy importante en su experiencia como inversor.
Calculé el crecimiento de 1 $ invertido en el S&P 500 durante un período de 20 años al comienzo de cada década desde 1930:
Hay una amplia gama de resultados, por decir algo.
Otra forma de ver estos números:
Empieza a invertir en 1980 y parece fácil. Empieza en la década de 1930 y probablemente no quieras tener nada que ver con las acciones.
También es importante tener en cuenta que los mercados «malos» con malos rendimientos no son necesariamente un mal resultado para todos.
Si eres un ahorrador neto, deberías querer rendimientos muy bajos, especialmente al principio de tu carrera.
El riesgo significa cosas diferentes para los diferentes inversores dependiendo de su etapa en la vida.
Desafortunadamente, hay muchas variables fuera de su control cuando se trata de invertir.
No puedes controlar el momento o la magnitud de los rendimientos que ofrecen los mercados. Tampoco controlas las tasas de interés o la inflación o el crecimiento económico o las tasas impositivas o el mercado laboral o las acciones de la Reserva Federal y los políticos.
La vida sería más fácil si lo hicieras, pero nadie dijo que la vida es fácil.
Lo mejor que podemos hacer es centrarnos en lo que podemos controlar: nuestro comportamiento, la tasa de ahorro, asignación de activos, costos, horizonte temporal, y jugar la mano que nos dan.
Volumen: un potente indicador técnico por Jon Wolfenbarger
Jon Wolfenbarger, CFA es fundador y CEO de BullAndBearProfits.com, un sitio web dedicado a ayudar a los inversores a generar rendimientos tanto en mercados alcistas como en bajistas. Jon ha sido analista de valores en Allianz Global Investors durante más de 22 años, además de banquero de inversión en JP Morgan y Merrill Lynch. Es MBA por la Universidad de Duke y BBA por la Universidad de Texas en Austin.
Jon Wolfenbarger
En el análisis «técnico» (chartista), el volumen es el número de acciones negociadas en un valor o índice determinado. Si bien el precio, y varios indicadores técnicos basados en el precio, son primordiales en el análisis técnico, el volumen también puede proporcionar señales útiles cuando se usa en el contexto adecuado.
En el día a día, suele ser una señal alcista cuando el volumen aumenta cuando los precios suben y el volumen cae cuando los precios bajan. Esa es una señal de que los alcistas tienen el control y que hay una compra alcista real. Por el contrario, suele ser una señal bajista cuando el volumen cae mientras los precios suben y el volumen sube cuando los precios bajan. Esa es una señal de que los bajistas tienen el control y que hay una venta bajista real.
Los spikes con alto volumen suelen indicar cambios de tendencia
Quizás las señales más útiles que proporciona el volumen son cuando hay spikes o picos altos en el volumen, muy por encima de los niveles normales recientes. Suelen ser picos de volumen culminantes que normalmente indican que se avecina un cambio de tendencia. Los picos con un volumen elevado son particularmente útiles durante los mercados bajistas para identificar los próximos repuntes del mercado bajista.
La Figura 1 muestra los precios y el volumen semanales del S&P 500 durante el mercado bajista después del pinchazo de la burbuja tecnológica de principios de la década del 2000. Colocamos flechas en las semanas con picos de volumen importantes. La primera flecha muestra un pico de gran volumen que se produjo alrededor de un mínimo importante en septiembre de 2001, después del ataque terrorista del 11 de septiembre. Las siguientes tres flechas muestran picos con alto volumen alrededor del comienzo de los repuntes del mercado bajista. La flecha final muestra un aumento de volumen alto en precios más altos que ayudaron a confirmar que estaba comenzando un nuevo mercado alcista en ese momento.
La Figura 2 muestra los precios y el volumen semanales del S&P 500 durante el mercado bajista de la Gran Recesión de 2008-2009. La primera flecha muestra un pico de gran volumen en septiembre de 2008 que precedió a la mayor caída de ese mercado bajista. La segunda flecha en octubre de 2008 muestra un pico que señaló una conclusión culminante de ese declive. Las siguientes dos flechas muestran picos de alto volumen en fuertes ventas en febrero/marzo de 2009 que señalaron el final de ese mercado bajista. Las siguientes cuatro flechas muestran un volumen generalmente más alto debido al aumento de los precios, lo que ayudó a confirmar que estaba comenzando un nuevo mercado alcista.
La Figura 3 muestra los precios y el volumen semanales del S&P 500 durante los últimos 18 meses. Las dos primeras flechas muestran dos picos de gran volumen a finales de 2021 debido a precios más bajos que ayudaron a señalar que la tendencia alcista se estaba volviendo bajista. Las siguientes seis flechas muestran picos de alto volumen alrededor del final de las ventas masivas que precedieron a los repuntes del mercado bajista. El pico de volumen más alto se produjo en el mínimo justo antes del gran repunte del mercado bajista, desde mediados de junio hasta mediados de agosto, cuando los precios aumentaron un 19 %. El menor volumen que normalmente se producía en los repuntes ayudó a confirmar que solo se trataba de repuntes del mercado bajista a corto plazo y no del comienzo de un nuevo mercado alcista.
Implicación para los inversores
Además de varios indicadores técnicos basados en el precio de un valor o índice determinado, el volumen también es un indicador útil que deben seguir los traders. Es particularmente útil en un mercado bajista, como en el que nos encontramos ahora.
Si hay un aumento importante en el volumen de ventas intensas, particularmente semanalmente, eso puede indicar que se avecina un repunte del mercado bajista. Si el volumen cae en el repunte, eso suele ser una buena señal de que no es el comienzo de un nuevo mercado alcista y es probable que uno pueda beneficiarse “vendiendo» ese repunte. En algún momento, probablemente habrá una venta significativa en un gran volumen, seguida de un repunte de gran volumen. Es probable que sea una buena señal de que está comenzando un nuevo mercado alcista y los inversores y traders puedan aprovecharlo.
Charlie Munger fallece a los 99 años: Sabiduría de una leyenda por Logan Kane
Logan es uno de los principales autores de Seeking Alpha. Sus artículos cubren temas relacionados con estrategias de cartera, la inversión en valor y finanzas conductuales.
Logan Kane / Seeking Alpha
Charlie Munger, la mano derecha de Warren Buffett, falleció esta semana.
Munger tenía una combinación única de paciencia y la capacidad de hacer grandes apuestas cuando las probabilidades lo favorecieron.
Al no seguir a la manada, apostar a lo grande cuando era apropiado hacerlo y alinear adecuadamente los incentivos, Buffett y Munger consiguieron a Berkshire Hathaway en una empresa por valor de 780 mil millones de dólares.
Lo que podemos aprender de la vida y el trabajo de Munger.
Charlie Munger falleció en Santa Bárbara esta semana, un mes antes de su cumpleaños número 100. Abogado de profesión, Munger se construyó una reputación formidable a lo largo de los años como la mano derecha y confidente de Warren Buffett, con un ingenio agudo y un buen olfato para detectar valor. Munger falleció con un patrimonio neto estimado de 2.600 millones de dólares. Nació en Omaha y creció a unas pocas cuadras de la casa actual de Warren Buffett. Aunque no se conocieron cuando eran niños, ambos trabajaban en la tienda de comestibles del abuelo de Buffett. Munger trabajó como meteorólogo para los EE. UU. Ejerció durante la Segunda Guerra Mundial, destinado en Alaska y, según se cuenta, ganaba a todo el mundo al póquer. Conoció a Warren Buffett en una cena de Omaha en 1959 – Munger tenía 30 años y ejercía la abogacía en California, mientras que Buffett tenía más de 20 años y realizaba inversiones en una asociación. Buffett convenció a Munger de que administrar el dinero era un buen negocio, y Munger pronto hizo una pequeña fortuna con el desarrollo inmobiliario y la inversión en valores públicos.
Después de ejecutar asociaciones de inversión separadas a lo largo de las décadas de 1960 y 1970, Buffett y Munger unieron a las fuerzas en Berkshire Hathaway (BRK.A) (BRK.B) en 1978. El resto es historia.
En mi opinión, la mayor fortaleza de Warren Buffett y Charlie Munger es su aptitud para alinear los incentivos para varias partes interesadas con las que hacen negocios. Desde aplicaciones de citas hasta contratos de seguros de vida, el mundo de hoy está lleno de selecciones adversas y varios tipos de riesgos morales.
Como abogado y ejecutivo corporativo, Munger tenía un asiento en primera fila para entender qué tipos de incentivos funcionaban y cuales no. Cuando FedEx (FDX) tuvo problemas para mover los paquetes lo suficientemente rápidos en el turno de noche, Munger señaló que a los empleados se les pagaba por hora, lo que creaba un desincentivo para trabajar rápido. FedEx cambió a pagar por turno y el problema desapareció por arte de magia. Xerox (XRX) redujo la comisión de ventas en sus nuevas máquinas, pero dejó intacta la comisión más alta en las antiguas. Como resultado, comenzaron a vender toneladas de copiadoras antiguas.
Bueno, creo que he estado en el 5% del percentil superior de mi grupo de edad durante toda mi vida en la comprensión del poder de los incentivos, y toda mi vida lo he subestimado. Y nunca pasa un año, sin que alguna sorpresa empuje mi límite un poco más lejos.
-Charlie Munger
Creo que es increíblemente instructivo mirar cada interacción que tienes y encontrar cuáles son los posibles conflictos de intereses. ¿Tu asesor financiero está impulsando un nuevo fondo porque es lo mejor para ti o porque están recibiendo una comisión por él?
Mirar los incentivos te ayuda a entender lo que está pasando a un nivel superior. Los vendedores venden por lo que obtienen la comisión más alta. Los empleados con propinas tienen un incentivo para ser amables. A las aplicaciones de redes sociales, les da igual que seas feliz. Si pagas a tus abogados por hora, te facturarán un montón de horas. Si se te está acercando para hacer inversiones, lo más probable es que las mejores ofertas ya hayan ido a personas con información privilegiada y capital privado, en el mejor de los casos, estás obteniendo las sobras. Lo mismo para las salidas a bolsa. Y nunca confíes en una chica atractiva sentada sola en un bar de hotel.
La regla de hierro de la naturaleza es: obtienes aquello por lo que eres recompensado. Si quieres que vengan las hormigas, pon azúcar en el suelo.
-Charlie Munger
Más que prácticamente cualquier otra empresa, Berkshire sobresale en la alineación de incentivos para que las personas inteligentes puedan prosperar y permanecer a largo plazo. Esto se debe en gran parte al legado de Charlie Munger. Cópialo en tu propia vida y también vivirás mucho tiempo y prosperarás.
2. Apuesta A Lo Grande Cuando Las Probabilidades Te Favorecen
Los sabios apuestan mucho cuando el mundo les ofrece esa oportunidad. Pujan a lo grande cuando tienen las probabilidades a su favor. Y el resto del tiempo, no lo hacen. Es así de simple.
-Charlie Munger
Otra área en la que Berkshire ha sobresalido constantemente es no inyectar grandes cantidades de dinero en oportunidades mediocres. Berkshire siempre tiene mucho dinero en efectivo a mano, lo que les ayudó a sobresalir en la crisis financiera del 2008. Buffett y Munger piensan igual. Buffett incluso cerró su asociación de inversión en 1969 debido a lo que sentía que era una falta de oportunidades en las acciones después de una tendencia alcista irracional. Munger mantuvo su fondo abierto durante más tiempo, en parte debido a una diferencia filosófica que imprimió en Buffett, que era invertir en empresas no solo por un valor profundo, sino también por la calidad y el potencial de crecimiento a largo plazo.
El valor a corto plazo es obvio a veces, el valor a largo plazo es menor porque los inversores son en general bastante impacientes. Munger convenció a Buffett para que comprara See’s Candies en 1972 por alguna zona cerca de 12-15 veces sus ganancias después de impuestos. Esa no es una ganga con gran valor en teoría, pero la inversión ha ganado más de 2.000 millones de dólares en ventas desde un precio de compra de 25 millones de dólares.
Debido a los efectos de disposición, las acciones de las mejores empresas tienen una tendencia a largo plazo a ser más baratas que su valor fundamental. Munger entendió esto implícitamente y consiguió que Warren Buffett aceptara, poniéndolos en el camino de millonarios a multimillonarios.
A pesar de su renuencia a discutir públicamente la inversión basada en las tendencias macroeconómicas, la filosofía de Berkshire ha sido en gran medida acumular efectivo y esperar oportunidades. Esto tiene el efecto de hacer que Berkshire sea anticíclico. Están dispuestos a desplegar grandes cantidades de dinero en efectivo a corto plazo en tiempos de crisis. Esto recompensa su paciencia y compensa los momentos en que las acciones aumentan por las compras de pánico y la especulación. De hecho, vemos que Berkshire tuvo un fuerte desempeño después de la burbuja de la década de 1960, la burbuja de las puntocom y la crisis financiera de 2008. Berkshire tiene actualmente 157 mil millones de dólares en efectivo, y cuando el ciclo económico cambie y el efectivo finalmente se despliegue, es probable que se le dé un gran uso. La paciencia y la perspectiva a largo plazo de Munger y Buffett también han contribuido en gran medida al éxito de Berkshire.
Sobre la paciencia para invertir:
Se necesita carácter para sentarse con todo ese dinero y no hacer nada. No llegué a estar donde estoy después de oportunidades mediocres.
Charlie Munger, del Almanaque de Poor Charlie.
Tener paciencia y voluntad de hacer apuestas agresivas cuando tienes una gran ventaja es una combinación extremadamente rara. Muchas personas que son pacientes también son demasiado pasivas, mientras que muchos inversores agresivos tienden a perder demasiado dinero en malas apuestas y mala gestión del dinero.
3. No Sigas A La Manada
Imitar el rebaño invita a la regresión a la media (simplemente un rendimiento promedio).
-Charlie Munger
A lo largo de su vida y carrera, Munger hizo un excelente trabajo al trazar su propio camino sin ser absorbido por las manías y el pánico. Parte de esto se puede atribuir a las relaciones. Munger celebró una reunión anual del Daily Journal el Día de San Valentín en 2019 y compartió lo importante que es elegir al cónyuge adecuado, ya sea por suerte o con previsión. Munger se casó dos veces, la segunda vez durante 54 años hasta el fallecimiento de su esposa en 2010.
Este sentimiento se hace eco de la sabiduría de las personas mayores que he conocido y que tienen éxito. Los jóvenes de treinta años tienden a atribuir su éxito por completo a sí mismos como héroes en sus propias películas personales, mientras que los de 80 años parecen pensar más como historiadores, dando importancia a conocer a las personas adecuadas en el momento adecuado y hacer unas pocas docenas de viajes con ellos. La persona típica vive de cheque en cheque, trata mal a su cuerpo y cerca del 50 % de los matrimonios terminan en divorcio. A la luz de eso, ¿cuánta desventaja hay realmente de ir en contra de la manada y vivir una vida de toma de riesgos calculados?
Esto es importante porque el mercado de valores es un juego de suma cero. Para que superes al mercado, alguien más tiene que tener un rendimiento inferior. No es un accidente que los inversores discretos y pacientes como Berkshire terminaran superando al mercado con el tiempo, mientras que los gestores de fondos mutuos que apuestan por obtener un gran bono de fin de año terminan por detrás. Al igual que la paciencia y la agresión son una combinación rara pero brillante, también lo es un nivel saludable de escepticismo combinado con una perspectiva optimista de la vida.
Balance final
El mundo de la inversión echará mucho de menos el ingenio y la sabiduría de Charlie Munger. Munger era un gran inversor y un buen profesor. Su trabajo y el de Buffett convirtió a decenas de miles de inversores y empleados de Berkshire en multimillonarios. A medida que aprendemos sobre su vida, solo es apropiado examinar la nuestra en busca de lecciones que puedan ayudarnos a tener una vida larga y próspera.
Tecnologías disruptivas: la impresión 3D ayuda a la robótica flexible por Dr. Ed Yardeni
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
Un nuevo método de impresión 3D puede crear productos flexibles, incluso para uso en robótica. Según investigadores de ETH Zurich, una universidad suiza, se pueden construir manos robóticas y órganos artificiales similares a los humanos utilizando este nuevo método; MIT; e Inkbit, una nueva empresa nacida del MIT.
La impresión de inyección de tinta 3D tradicional utiliza un material que se seca rápidamente y luego se raspa para eliminar cualquier imperfección antes de depositar la siguiente capa de material. El producto final es rígido y eso no es útil cuando se trata de desarrollar algo como una mano robótica.
Inkbit desarrolló el nuevo método de impresión 3D, llamado tecnología de “chorro controlado por visión” (VCJ). En lugar de eliminar las imperfecciones, la impresora incluye “un sistema de escaneo por visión por computadora 3D habilitado por IA” que verifica visualmente el artículo que se está produciendo en busca de imperfecciones. Cuando detecta una imperfección, la máquina calcula cómo se debe depositar la siguiente capa de material para corregir la imperfección. «Esto significa que en lugar de suavizar las capas irregulares, la nueva tecnología simplemente tiene en cuenta las irregularidades al imprimir la siguiente capa«, se publicó en un artículo del 15 de noviembre en el sitio web de ETH Zurich.
La nueva impresora no necesita utilizar materiales de secado rápido al construir un objeto porque no es necesario rasparlo. VCJ puede utilizar polímeros de secado lento que son más flexibles, lo que aumenta drásticamente los tipos de objetos que se pueden imprimir en 3D. El nuevo método también permite imprimir elementos duros y blandos en un objeto simultáneamente. Los investigadores utilizaron el nuevo método de impresión para crear una mano robótica impresa en 3D, con huesos, ligamentos y tendones, cada uno de ellos hecho de diferentes materiales. Los materiales de secado lento que se utilizan en la mano permiten que ésta se doble al agarrar un objeto y luego se desenrolle, volviendo a su forma original. Aquí hay un video que explica y demuestra la tecnología.
La capacidad de imprimir utilizando diferentes materiales ha hecho que el proceso de ensamblaje sea menos «práctico»: ningún ser humano necesita ensamblar las distintas piezas de la mano artificial. Más detalles sobre la mano y otros productos construidos con VCJ, incluido un robot andante y una bomba que imita un corazón, aparecen en un estudio del 15 de noviembre en Nature.
¿Cómo hacer trading usando los diferentes paradigmas? por Greg Placsintar
Trader principal y CEO de GP Asset Management LLC, en Chicago USA, empresa que cuenta con varios programas CTA. Es Licenciado en BBA y tiene la licencia de FINRA Series 3. Gestor de la empresa GPAM de más de 8 años gestionando cuentas de Friends and Family desde el año 2009. Básicamente su estrategia se basa en realizar spreads con futuros en los mercados de materias primas. Además es asesor del Fondo de Inversión en España “Esfera Seasonal Quant Multistrategy”.
Figura 1. Artículo “La cola mueve al perro en el mercado de opciones”.
Casi dos años después, nadie duda de la cola del perro y con ello se han disparado las plataformas y servicios de información en tiempo real para seguir este fenómeno. Es el llamado gamma exposure o GeX dónde las posiciones de los market makers o dealers juegan un papel fundamental.
El mayor problema que hemos observado durante este tiempo es la interpretación de los datos. En muchos de estos servicios de información encontramos incongruencias con respecto a lo que observamos en el mercado y con respecto a nuestra propia experiencia.
Nuestra intuición y algunas comprobaciones, nos dice que para procesar tales datos utilizan formas de cálculo desfasadas y estimaciones muy a la ligera.
Es por todo ello, que hasta hoy, el único servicio que nos da fiabilidad es el de Jason y su mujer Jill. Nos referimos a https://vol.land/. El trabajo que están haciendo ambos es magnífico.
Este artículo que vas a leer, no sería posible sin ellos. Toda la información y análisis viene de su web, sus informes, su guía y su servicio de datos.
¿Quiénes son los dealers?
Cuando se recibe una orden de compra de opciones, se incentiva económicamente a un intermediario, denominado «agente de opciones», «creador de mercado de opciones» o «mayorista de opciones», para que acepte la orden. Estas entidades, ya sean particulares o empresas, proporcionan una liquidez esencial para el correcto funcionamiento de los mercados.
Estos dealers no asumen riesgo, por lo que tan pronto dan liquidez, cubren la posición para estar neteados. Su beneficio viene de los spreads u horquillas de precios y de la volatilidad.
Hoy en día sólo existen unas pocas empresas dedicadas al market making y están encabezadas por Citadel, que gestiona una gran parte de las órdenes de opciones que se mueven actualmente. Es un negocio donde todo funciona a través de algoritmos y ordenadores. El Chicago Board of Options Exchange calcula que entre el 85% y el 90% de todas las órdenes de opciones son aceptadas por intermediarios de opciones (dealers).
¿Cómo funcionan los dealers?
Los dealers tienen 4 formas principales de reducir su riesgo. La primera opción, la preferida, es encontrar un cliente al otro lado de la operación dispuesto a aceptar la contraparte. De este modo, el dealer obtiene unos ingresos garantizados sin riesgo. La segunda opción es cubrirse con otras opciones que reduzcan los riesgos generales de la cartera. La tercera opción es cubrirse con la acción subyacente a través de la cobertura delta. Y por último, la cuarta opción es cubrirse con productos correlacionados, por ejemplo, cubrir las opciones SPX con una cesta de valores que imite el índice, o cubrir la volatilidad implícita del SPX con futuros o swaps / VX.
¿Qué parte de los movimientos del mercado corresponde a la liquidez de las opciones?
Como demuestran numerosos trabajos académicos, la liquidez de las opciones y la cobertura de gamma representan aproximadamente un tercio de las operaciones subyacentes en renta variable. Se estima que es la mayor fuente de flujo de renta variable en el mercado actual y puede aproximarse mediante el valor teórico de las opciones negociadas frente al valor teórico de las acciones negociadas.
Las griegas y los dealers
Las griegas son medidas de las tres variables principales de las opciones. Estas son: el precio del subyacente, la volatilidad implícita y el tiempo. Veamos una sucinta definición de cada una de estas griegas.
Delta muestra cuánto beneficio puede esperar con un aumento de 1 $ en el precio de la acción subyacente. Esta griega también se interpreta como el porcentaje de probabilidades de que la opción termine «in the money”.
Delta representa cuántas acciones del subyacente necesitan los intermediarios para cubrir totalmente su posición en un momento dado. Se supone que la delta del corredor se cubre inmediatamente (o al menos antes del final del día). Esto se debe a que es el riesgo inmediato que asumen los dealers cuando aceptan una posición de opciones.
Gamma es la sensibilidad de delta a los movimientos del precio subyacente.
El posicionamiento gamma de los dealers está inversamente correlacionado con las desviaciones estándar de la volatilidad realizada. En otras palabras, a medida que disminuye la exposición gamma de los dealers, aumenta la volatilidad.
Es útil conocer estos datos strike por strike para saber cómo actuará el mercado cuando se acerque a cada strike. Cuanto mayor sea la magnitud de gamma en cada strike, más puede actuar ese strike como acelerador o soporte/resistencia del mercado subyacente. Una barra gamma positiva grande actuaría como soporte o resistencia, mientras que las barras gamma negativas grandes actuarían como acelerador.
De ahí la importancia que ha cobrado el gamma exposure a raíz del incremento del volumen negociado de opciones.
Delta-Adjusted Gamma (DAG) nos ayuda a ver en una sola vista si los operadores tendrían que comprar o vender fuertemente el subyacente en esos strikes debido a la gamma.
Esto se debe a que la gamma en sí no da pistas sobre en qué dirección puede producirse ese movimiento fuerte. Una barra verde de DAG representa la compra del dealer, mientras que DAG rojo representa la venta del dealer.
Vanna es la sensibilidad de los deltas a las variaciones de la volatilidad implícita. También puede interpretarse como cambios en la vega, en función de los movimientos del subyacente.
Para ser más precisos, vanna mide el cambio en los deltas por cada cambio de 1 punto en la volatilidad implícita anualizada de esa opción concreta (volatilidad de precio fijo).
La posición de vanna de los dealers está inversamente correlacionada con la tendencia del mercado. En otras palabras, si el vanna nocional total de los dealers es positivo, la tendencia del mercado será negativa siempre que la volatilidad implícita aumente, y viceversa. A nivel individual, el vanna positivo actuará como un imán, mientras que el vanna negativo actuará como un repelente, suponiendo que la volatilidad implícita esté actuando de acuerdo con su correlación spot-vol.
En SPX, estimamos* que el 85% de la vanna se cubre mediante futuros /VX. En renta variable individual, la vanna puede cubrirse mediante swaps, pero es más frecuente que se cubra con otras opciones debido a la falta de liquidez de los swaps de renta variable. (*Fuente: Volland)
Charm es la sensibilidad de los deltas al paso de un día en el tiempo.
El posicionamiento acumulativo del dealer charm ayudará a determinar el sesgo diario de los mercados. El tiempo hasta el vencimiento es siempre decreciente, y la parte exponencial del mismo se tiene en cuenta en la medición real. Debido al valor cambiante de cada día a medida que nos acercamos al vencimiento, el charm es el indicador más volátil.
Al igual que vanna, la exposición a charm es positiva o negativa en función de su posición respecto al precio actual. Charm coopera con vanna cuando la volatilidad implícita es decreciente. Nunca coopera con vanna cuando la volatilidad implícita aumenta. Tanto vanna como charm calculan el efecto que la prima de la opción tiene sobre los deltas.
Vega mide cuánto beneficio se obtiene en la posición de opciones en función de un aumento de un punto en la volatilidad implícita anualizada.
El riesgo vega de los dealers no se cubre necesariamente de forma inmediata, ya que los market makers aceptan más el riesgo vega que el delta. Hasta cierto punto, se supone que el riesgo vega genera beneficios a través de la reversión a la media, pero también puede ser el primer indicio de tensiones entre operadores. Suponemos* que el 85% del vega está cubierto, pero el vega puede ser una fuente de tensión de liquidez para los operadores y puede causar «eventos de volatilidad». (*Fuente: Volland)
Theta mide cuánto beneficio se obtiene en la posición de opciones en función del paso de un solo día.
Dealer theta representa cuánto ganan o pierden los dealers debido al paso del tiempo. Sin embargo, dado que el tiempo es una constante, los operadores pueden cubrirlo mediante métodos similares a los que utilizan para la vega, con futuros /VX y swaps. De hecho, si los operadores están muy largos en theta, los futuros /VX tenderán a tener una prima más alta que el VIX (el activo subyacente de los futuros /VX).
Opciones 0dte y Paradigmas GEX según Volland
Hay un principio de opciones 0DTE que establece que los dealers tienden a negociar opciones para convertirse en neutrales al riesgo en conjunto de vanna y charm. En diferentes momentos y con condiciones específicas, el comportamiento del cliente puede caer en uno de cuatro paradigmas:
Paradigma de Bank of America (BofA): En un documento de BofA, afirmaron su creencia de que los clientes están largos en opciones de compra y venta de 0DTE.
Paradigma Sidial: En un artículo de Kris Sidial, afirmaba su creencia de que los clientes están cortos de opciones de compra y venta en 0DTE.
Paradigma GEX: Escrito por primera vez en un artículo de SqueezeMetrics, este paradigma de «exposición gamma» se da cuando los operadores están cortos en puts y largos en calls.
Paradigma Anti-GEX: Lo contrario de GEX, este paradigma es cuando los operadores están largos en puts y cortos en calls.
Los 4 principios básicos de 0dte
Estos son los principios básicos y los supuestos que han demostrado ser ciertos con nuestras* propias observaciones y conversaciones con los gestores de la movilidad. (*Fuente: Volland)
Principio nº 1:
Los distribuidores deben estar totalmente cubiertos al final del día, incluso en 0DTE.
Antiguamente, los distribuidores tenían que cubrir todas sus órdenes de primer y segundo orden de griegas dentro de un rango.
Además, hay que tener en cuenta que aún no sabemos con certeza la posición del corredor en el subyacente.
Los dealers almacenan su riesgo intradía hasta las 2 o 3 de la tarde.
Hay tanto volumen (sobre todo en opciones 0DTE) que los dealers no completan su tarea de cobertura hasta el final del día. Esto también lo ha observado el departamento de datos de la CBOE. Esta situación crea oportunidades, pero también el hecho de que estos strikes puedan no actuar tan fuerte como parece hasta que no estemos cerca del final del día. Nos referimos a este marco temporal como «dealer o’clock». La razón de esto es que si los distribuidores se cubren dinámicamente con todo el volumen de 0DTE que entra, serán castigados por el mercado rápidamente y perderán dinero en posiciones.
Los dealers pueden cubrir su exposición antes si hay una fuerte volatilidad.
Si el mercado se sale de los límites, los dealers se cubrirán antes de la hora en punto. Nosotros consideraríamos «fuera de los límites» dos desviaciones típicas del precio de apertura del straddle.
A los dealers les gustan los movimientos fuertes, porque así pueden cubrirse sistemáticamente en una dirección sin temor a perder posiciones.
Antes de las 14:00, hora del este(USA), delta y gamma tienen el mayor efecto sobre 0DTE, al mismo tiempo que tienen un impacto mínimo en la previsión de hacia dónde se dirigirá el precio. Después, charm y vanna tienen un efecto mayor.
Principio nº 2:
Los dealers negociarán opciones para ser neutrales al riesgo en vanna agregada y charm.
Vanna y charm son dos caras de la misma moneda, que es la prima de la opción. La prima de la opción está formada por dos componentes: el tiempo y la volatilidad implícita. Ambos son difíciles de cubrir cuando se mueven rápidamente, y ambos se mueven rápidamente en 0DTE.
Los dealers cubren los deltas, no los PnL.
El PnL sigue la cobertura delta. Por lo tanto, vega y theta no son las griegas en las que hay que centrarse, sino vanna y charm. Los dealers tienen que informar de su posicionamiento vega y theta agregado; sin embargo, tienden a cubrirse mediante futuros VX y otras opciones. En el marco temporal 0DTE tienden a cubrirse utilizando otras opciones para tener una cobertura dinámica en prima.
Principio nº 3:
La prima es 0 cuando las opciones vencen.
En 0DTE es más sencillo porque la volatilidad implícita y la prima de tiempo son 0. Por lo tanto, se conoce exactamente la dirección de la volatilidad implícita y el impacto en los requisitos de cobertura subyacentes.
Charm y Vanna tendrán que cubrirse en la misma dirección a medida que la volatilidad implícita se acerque a 0.
Vanna suele ser inferior a charm en la cobertura nocional necesaria, pero como la prima bajará a 0 independientemente de lo que haga el precio subyacente, charm y vanna requerirán cobertura en la misma dirección. Por este motivo, nos centramos en charm, pero si nos centramos en vanna podemos obtener un análisis similar.
El equilibrio Charm/Vanna permite reducir la necesidad de una cobertura fuerte al final del día.
Dado que la prima tiende a 0, pase lo que pase en el 0DTE, los flujos podrían ser muy fuertes hacia el final del día.
El impacto gamma está inversamente correlacionado con la volatilidad implícita restante en el plano volatilidad 0DTE.
En todos los frentes, el impacto gamma está inversamente correlacionado con los niveles de volatilidad implícita. La volatilidad implícita reduce bastante el impacto de gamma. Hacia el final de un día aburrido en el que la volatilidad implícita se evapora antes de lo normal, gamma puede tener un impacto importante. La naturaleza de la gamma requiere de una fuerza externa para que cualquier tipo de análisis sobre ella sea eficaz, y a veces esa fuerza es el impacto de la vanna/charm, ya que la volatilidad implícita tiende a 0 de todos modos.
Principio nº 4:
Las opciones 0DTE son griegas baratas.
Aunque una opción ATM 0DTE tiene una gamma más alta que una opción ATM 20DTE, su esfera de influencia es mucho menor. Por lo tanto, a medida que el precio se mueve, la gamma de la opción 0DTE pesa menos. Esto es importante porque el posicionamiento inicial de la opción tendrá menos efecto cuanto más se aleje el precio de él.
Los 4 Paradigmas GEX por Volland
#1. El paradigma de Bank of America: Los clientes compran opciones de compra y venta.
JP Morgan y Bank of America afirmaron que 0DTE son principalmente clientes largos de opciones de compra y venta. Ambos llegaron a conclusiones diferentes, con JP Morgan afirmando que esto puede crear una gran liquidación en el mercado del 5%, mientras que Bank of America dijo que están suprimiendo la volatilidad. La respuesta se hallará en algún punto intermedio.
Figura 2. Paradigma BOA (Bank Of America https://vol.land/)
En la Figura 2 puede ver cómo es el gráfico de charm en un paradigma BofA (Fuente: Volland). Utilizando el Principio 3 anterior, el deseo de los dealers es ser charm/vanna neutral. La zona ideal para ello es entre 4145-4150, que es donde está el precio cuando se tomó esa captura de pantalla. Sin embargo, si una parte externa (o una cobertura de orden superior de un trader) opera fuertemente en una dirección u otra, las barras de encanto cambiarán su signo y el precio puede comenzar a coger tendencia.
Esto se debe a que los dealers estarán cubriendo flujos charm/vanna más fuertes a medida que las operaciones se vuelven más unilaterales. Dado que aún se trata de «griegas baratas» en la medida en que estas tendencias son limitadas, no esperaríamos un movimiento del 5% 0DTE.
Sin embargo, este paradigma no suprime la volatilidad. Es el más difícil de negociar porque está más sujeto a fuerzas externas que cualquier otro paradigma.
2. El paradigma Sidial– Los clientes venden opciones de compra y venta.
El libro blanco de Kris Sidial, de Ambrus Funds, afirma que los clientes están vendiendo principalmente puts y calls. El resultado es que los intermediarios están largos en opciones de compra y venta. Sidial sostiene que esto creará volatilidad, porque las operaciones gamma cortas son intrínsecamente arriesgadas por naturaleza y los clientes asumirán demandas de margen como resultado de movimientos fuertes.
Figura 3. Paradigma Sidial https://vol.land/
En el gráfico de Volland observamos el posicionamiento de los dealers solamente. Por ello, este paradigma tendría el efecto contrario al paradigma BofA. Hay un punto de equilibrio en medio del paradigma que es el que desean los dealers.
A medida que el precio sube o baja, las barras de charm y de vanna se voltearán para invertir la acción del precio y crear latigazos. Como resultado, este paradigma significa volver al punto de equilibrio.
En el gráfico vemos que, 4205-4210 es aproximadamente el punto de equilibrio correcto en el que cerrarán los mercados.
#3. El paradigma GEX: los clientes compran opciones de venta y venden opciones de compra.
Se llama así por el artículo de SqueezeMetrics en el que se introdujo el concepto de exposición de los dealers. No fue pensado como un documento 0DTE, pero algunas otras cuentas de Twitter sostuvieron que este es el uso principal de las opciones 0DTE, ya que a veces lo es.
Se trata de una formación alcista, con un fuerte charm negativo a ambos lados del precio. Recordando el concepto de que la vanna y el charm cambian de signo al cruzar el precio y que los dealers buscan el equilibrio, este paradigma sugiere que el precio aumentará hasta que suficientes barras negativas por encima del precio se vuelvan positivas y hagan que el charm agregado sea neutral.
Figura 4. Paradigma GEX https://vol.land/
En el gráfico anterior, 4150-4160 tendrían que volverse positivos y las barras rojas por debajo de 4125 tendrían que desvanecerse (Principio 4). Como resultado, a simple vista, 4160 es un objetivo. Sin embargo, si el mercado gira y se vende, las barras rojas por debajo se volverían verdes, y los dealers ayudarían a la venta, siempre y cuando el charm agregado se vuelva positivo. Esto es a lo que nos referimos como la «línea en la arena», donde los dealers comienzan a ayudar a las ventas en lugar de trabajar para revertirlas. En el gráfico anterior, la «línea en la arena» sería 4120-4125. Por debajo de ahí, los operadores venderán el subyacente en lugar de comprarlo.
#4. El paradigma Anti-GEX – Los clientes venden puts y compran calls.
Esto es lo contrario del paradigma GEX. Esencialmente, es lo opuesto a todo lo dicho para el paradigma GEX. La tendencia es bajista pero tiene un punto de equilibrio en el fondo. Habría una línea alcista en la arena por encima del precio actual que, en caso de cruzarse, cambiaría el charm agregado y el vanna a alcista, pero la tendencia sería bajista en este paradigma.
Figura 5. Paradigma Anti- GEX https://vol.land/
En el gráfico anterior de Volland, el precio está en 4225 con una fuerte perspectiva bajista. Eso significa que este charm de cobertura crearía una tendencia bajista hasta aproximadamente 4200 donde el charm en 4250 y alrededores se reduce y el charm positivo en 4210 cambia a negativo por lo que es mucho menos bajista y la creación de un equilibrio.
Cómo operar con cada paradigma
Utilizando los principios anteriores y estas guías de paradigmas, se da una idea de cómo utilizar estas griegas para operar independientemente de la herramienta que se utilice.
Paradigma
Futuros/Acciones
Opciones
BofA
Sesgo Volátil. Sigue el impulso.
Comprar straddles o gamma largo. Riesgo bajo.
Sidial
Sesgo neutral. Desaparecen los grandes movimientos.
Vende cóndores de hierro o moscas de hierro.
GEX
Sesgo alcista. Comprar hasta alcanzar el objetivo. Stop cuando se supere la línea bajista en la arena.
Gamma corta alcista; gamma larga si el objetivo es mayor que el precio del straddle.
Anti-GEX
Sesgo bajista. Vender hasta alcanzar el objetivo. Parar cuando se supere la línea alcista en la arena.
Gamma corta bajista; gamma larga si el objetivo es mayor que el precio del straddle.
Fuente: Volland.
Los paradigmas pueden cambiar, pero normalmente una vez formados alrededor de las 11:30 a.m. suele mantenerse ese paradigma para el resto del día. De todas formas, no tomar estas orientaciones al pie de la letra.
Nuevos tiempos, nuevos enfoques
La nueva realidad del mercado es que dicta el mercado de opciones y los market makers. No es el santo grial, pero tampoco se puede ignorar. Es un panorama tan complejo como sencillo, un reflejo de la incertidumbre y atractivo de los mercados.
Para ganar en los mercados, buscamos certezas y ventajas estadísticas. De momento estos escenarios nos están dando oportunidades. Eso no significa que debamos relajarnos y dejar de investigar porque los mercados son cambiantes y debemos de adaptarnos constantemente a ellos.
Este artículo lo hemos escrito desde nuestra experiencia operando estrategias de opciones apoyándonos en datos de GEX que proporciona Volland, para nosotros es el servicio más fidedigno en este tipo de información. Si quieres un código descuento, puedes escribirnos a admin@spreadgreg.com
En el grupo de trading avanzado de opciones Delta de SpreadGreg siempre buscamos la mejor viabilidad de los datos y estamos en constante investigación de nuevas tendencias de operativa.
¿Podrá continuar la tendencia alcista en el oro? [Dirty Dozen] por Alex Barrow
Cofundador de Macro Ops, www.macro-ops.com. Global Macro fanático, ex francotirador profesional y miembro de la inteligencia de los EE. UU.
Alex Barrow / MACRO OPS
1. Solo quedan tres días de negociación en noviembre. Será interesante ver cómo cierran el mes los principales índices. Aquí podemos ver que el Dow está a punto de completar un patrón de continuación de H&S invertido.
A corto plazo, los mercados estadounidenses parecen un poco sobrecomprados. Pero más a medio plazo, el camino de menor resistencia sigue siendo.
2. Esto se hace más interesante por el hecho de que los especuladores, tanto grandes como pequeños, se mantienen extremadamente cortos con el Dow.
3. Recientemente, nuestro indicador de liquidez de MO (una combinación de varios puntos de datos de las fincon) se volvió positivo (marcado por un sombreado verde). Esta es otra buena señal para las acciones.
4. Las exportaciones de Corea del Sur se han vuelto sólidamente positivas sobre una base de un % interanual por primera vez desde que se adentraron en terreno negativo al final de 22′. Las exportaciones de Corea del Sur sirven como un buen barómetro de la economía mundial.
5. Pero con las perspectivas no son todo color de rosa… Aquí en los EE. UU., acabamos de ver el Índice Estatal de la Reserva Federal de Filadelfia caer a -22. Cada dos veces a lo largo de su historia de más de 40 años que ha caído por debajo de cero, EE. UU. estuvo en o pronto entró en una recesión.
Este índice se calcula combinando cuatro indicadores a nivel estatal: el empleo en nóminas no agrícolas, el promedio de horas trabajadas en la fabricación por los trabajadores de la producción, la tasa de desempleo y los desembolsos de salarios y salarios deflactados por el índice de precios al consumidor de los 50 estados. Una lectura por encima de 50 indica que la economía del estado se está expandiendo y por debajo significa que se está contrayendo.
6. Con el rebote del crecimiento global, al menos ex. EE. UU., estoy vigilando de cerca el cobre, que continúa operando en su canal descendente de casi un año de duración (el siguiente gráfico es semanal).
7.El posicionamiento es bajista, pero está lejos de ser extremo. Sin embargo, nuestro indicador de sentimiento muestra una falta general de interés entre las posiciones grandes y pequeñas. Y nuestro oscilador de valoración permanece en el percentil 0.
Además, el cobre entra en su período más fuerte de estacionalidad a partir de mediados de diciembre y esto continúa hasta la primera semana de marzo.
Tooze señala que «La vanguardia de la transición es la electrificación. La AIE muestra un aumento de la inversión en la generación de energía verde (solar, eólica), la movilidad eléctrica (VE) y, en menor medida, las redes eléctricas y la eficiencia. En todo el mundo, la energía solar y la eólica, que alguna vez fueron el dominio de los eco-freaks, ahora están atrayendo un 30 por ciento más de nuevas inversiones que el petróleo y el gas. Vale la pena hacer una pausa para tener en cuenta ese hecho».
9. Y lo que es más, la industria del petróleo y el gas no está reinvirtiendo sus dólares en la expansión o incluso en el mantenimiento de la capacidad. En cambio, está pagando la deuda y comprando acciones. Así es como se desarrolla cada ciclo de CAPEX, pero este parece que será particularmente extremo debido a la dinámica única en juego.
10. Hablando de petróleo, una de nuestras operaciones de energía favoritas y posiciones de cartera a largo plazo, Tidewater (TDW), está dando una entrada/añadir posiciones técnica de bajo riesgo.
A continuación se muestra su gráfico semanal que muestra un giro la semana pasada de su banda de Bollinger inferior. Podríamos poner un stop de compra justo por encima de los máximos de la semana pasada y poner su punto de riesgo justo por debajo de sus mínimos, lo que le da un buen objetivo con un bajo riesgo.
11. El mes pasado, señalé el gran repunte dentro del sector cripto, Galaxy Digital Holdings. Ha tenido un buen recorrido y ahora está consolidando sus ganancias a medida que forma una bandera alcista. Consideraré entrar largo en una ruptura de este rango.
12. No nos acercamos por encima del nivel clave de 2k el mes pasado en Gold. Pero parece que podemos verlo esta vez. Una ruptura alcista de este rango daría un gran apoyo a la contratación del crecimiento / suelo de EE. UU. imagen de crecimiento de EE. UU. a la que aluden los gráficos anteriores.
Estamos largos y buscaremos añadir más posiciones en la confirmación de la ruptura.
Hablemos del riesgo en el trading por Jack Schwager
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
Volatilidad. Todos la miramos cuando vamos a analizar un activo. De hecho, esta suele ser una medida usada para entender el riesgo que un activo o sistema muestra. Pero ¿de verdad es una medida fiable para medir el riesgo? Jack Schwager, en exclusiva para Hispatrading Magazine, nos habla de ello. Seguro que comienza a pensar de modo diferente.
El artículo “Apuntes sobre el riesgo y trading” se ha publicado en Hispatrading Magazine nº42.
Este es un tema muy amplio, tanto que hablaré de él en una serie de artículos. En este, me centraré en la validez y la aplicabilidad del uso de la volatilidad como medida de riesgo. En el segundo artículo, consideraré medidas de riesgo alternativas, y diría que superiores. Finalmente, en el tercer artículo, me enfocaré en medir (y controlar) el riesgo futuro en lugar de medir el riesgo pasado. Dado que la medición del riesgo es igualmente pertinente tanto para los traders como para los inversores, utilizaré ambas perspectivas en los dos primeros artículos.
“Volatilidad” es el término laico utilizado para referirse a una medida estadística: la desviación estándar.
“Volatilidad” es el término laico utilizado para referirse a una medida estadística: la desviación estándar. Muchos lectores conocerán la definición matemática de la desviación estándar, pero para aquellos que no, piensen en la desviación estándar como una medida de cómo son los retornos variables. Cuanto más generalizados sean los retornos al rededor del rendimiento medio histórico, mayor será la desviación estándar. Para proporcionar un sentido tangible de la desviación estándar, le pongo un ejemplo. Suponga que los rendimientos se distribuyen normalmente (un supuesto simplificador conveniente sujeto a muchas excepciones en los mercados). Si encontrara un mercado así, entonces se esperaría que el 95% del tiempo los rendimientos caigan dentro de dos desviaciones estándar del rendimiento promedio (suponiendo que usemos el rendimiento promedio histórico como el nivel de rendimiento futuro esperado).
Por ejemplo, si un gestor tiene un rendimiento anual promedio del 15% (que se supone que es el rendimiento esperado futuro) y una desviación estándar del 5%, habría una probabilidad del 95% de que el rendimiento anual caiga en un rango entre + 5% y + 25%. Si otro gestor también tiene un rendimiento anual promedio del 15% pero tiene una desviación estándar del 20%, el rango de probabilidad del 95% para el rendimiento se ampliará a -25% y + 55%. Se supone que ambos gestores tienen el mismo rendimiento esperado, pero hay más incertidumbre, en el nivel de retorno, para el gestor con una desviación estándar más alta.
La volatilidad (es decir, la desviación estándar) a menudo se considera sinónimo de riesgo. Una confusión que se encuentra en el corazón de la mala medición del riesgo.
Es importante comprender que la desviación estándar mide la variabilidad en los rendimientos y no necesariamente refleja el riesgo de perder dinero. Piense, por ejemplo, en un fondo que perdió un 1.0% mensualmente. Dicho fondo tendría una desviación estándar de 0.0 porque no hay variabilidad en los retornos, pero tendría la certeza absoluta de perder dinero. Este peculiar ejemplo lo comentó Milt Baehr, cofundador de Pertrac, en una conversación que tuvimos hace años.
La volatilidad (es decir, la desviación estándar) a menudo se considera sinónimo de riesgo. Una confusión que se encuentra en el corazón de la mala medición del riesgo. La volatilidad es solo una parte de la imagen del riesgo, la parte que puede cuantificarse fácilmente, lo que sin duda es la razón por la que se usa comúnmente como una medida del riesgo. Sin embargo, una evaluación integral de riesgos también debe considerar y sopesar los riesgos ocultos (o de eventos), especialmente dado que estos riesgos pueden ser más importantes.
La confusión entre volatilidad y riesgo a menudo lleva a los inversores a equiparar los fondos de bajo riesgo con los fondos de baja volatilidad.
La confusión entre volatilidad y riesgo a menudo lleva a los inversores a equiparar los fondos de bajo riesgo con los fondos de baja volatilidad. La ironía es que muchos fondos de baja volatilidad en realidad pueden tener un riesgo más elevado que los fondos que tienen una alta volatilidad.
Las mismas estrategias, que están más expuestas al riesgo de eventos (por ejemplo, volatilidad corta, crédito largo), también tienden a ser rentables la gran mayoría de las veces. Mientras no ocurra un evento adverso, estas estrategias pueden seguir adelante con NAVs en constante aumento y movimientos negativos a la baja. Mostrarán baja volatilidad (en relación con el rendimiento) y parecerán de bajo riesgo. Pero el hecho de que no se haya producido un evento adverso, durante el historial, no implica que el riesgo no exista.
Otro ejemplo. El Fondo A que emplea una estrategia de venta de opciones out de money o fuera de dinero. Salvo bruscos y grandes movimientos, el fondo cobrará una prima por las opciones que expiran sin valor y serán rentables. El historial estará dominado por un gran porcentaje de meses rentables y una volatilidad relativamente baja, proporcionando una apariencia de rentabilidad constante y bajo riesgo. Pero, ¿esta aparente volatilidad realmente implica un bajo riesgo? ¡De ningún modo! En caso de que el mercado sea testigo de una caída repentina y grande de los precios, el riesgo explotaría. Entonces, en esta estrategia, cuanto mayor sea el movimiento adverso del precio, mayor será la exposición. La antítesis perfecta de una estrategia de bajo riesgo.
El comportamiento de las inversiones, vulnerables al riesgo de eventos, opera en dos estados radicalmente diferentes: la fase predominante cuando las condiciones son favorables y una fase esporádica cuando ocurre un evento adverso. Es una locura estimar las características generales de rendimiento en base a solo una de estas fases.
Asumir que la baja volatilidad implica que un fondo es de bajo riesgo es como asumir que un lago en Maine (Estado situado más al norte de los Estados Unidos de América) nunca se congelará en función de las lecturas diarias de temperatura tomadas solo durante el verano.
Las estrategias de trading pueden incorporar tanto baja volatilidad como alto riesgo. Las estrategias que caen en ambas categorías tendrían las siguientes características:
La estrategia tiene una alta probabilidad de retorno moderado y una pequeña probabilidad de grandes pérdidas.
El historial de la estrategia se superpone a un entorno de mercado favorable para el enfoque particular.
No hubo eventos de estrés importantes para la estrategia durante el historial disponible.
Mi intención es advertir que la baja volatilidad no implica necesariamente un bajo riesgo. Sin embargo, no tengo la intención de sugerir que una baja volatilidad implique un alto riesgo. Por supuesto, algunas estrategias de baja volatilidad también serán de bajo riesgo. La clave es determinar la razón de la baja volatilidad. Si la baja volatilidad se puede atribuir a una estrategia que supone una compensación de ganancias moderadas frecuentes, a cambio de un riesgo de grandes pérdidas ocasionales (por ejemplo, vender opciones fuera de dinero, apalancar posiciones de crédito largas, etc.), entonces la evaluación del riesgo debe incorporar las implicaciones de un evento adverso. Incluso si no ocurrió durante el historial disponible.
Sin embargo, si la baja volatilidad se puede atribuir a una estrategia que emplea un riguroso control de riesgos, por ejemplo, una disciplina de gestión de riesgos que limita las pérdidas a un máximo de 0.5% por operación, entonces la baja volatilidad sí puede reflejar correctamente un bajo riesgo.
No solo la volatilidad, como se mide típicamente por la desviación estándar, a menudo subestima drásticamente el riesgo en circunstancias en las que se aplican riesgos ocultos. En algunos casos, la volatilidad también puede exagerar significativamente el riesgo. Algunos gestores persiguen una estrategia que reduce las pérdidas, pero permite grandes ganancias. Considere el Fondo B en el que el gestor compra opciones fuera de dinero en momentos en que se anticipa un gran movimiento de precios. La pérdida, en estas operaciones, se limitaría a la prima pagada, pero la ganancia sería supuestamente ilimitada. Si, a fin de cuentas, el gestor logró entrar en el momento exacto en estas operaciones, el historial podría reflejar una alta volatilidad debido a las grandes ganancias. Sin embargo, el riesgo se limitaría a la pérdida de la prima de la opción. En efecto, el historial del gestor exhibiría alta volatilidad y un bajo riesgo.
Es importante enfatizar que el Fondo B que se acaba de describir no es el inverso del Fondo A discutido anteriormente, que constantemente vendió opciones fuera de dinero. La estrategia opuesta de comprar constantemente opciones fuera de dinero podría tener pérdidas mensuales limitadas, pero ciertamente sería propenso a grandes pérdidas acumuladas a lo largo del tiempo, debido al potencial de pérdidas consecutivas durante muchos meses. Además, dado que los vendedores de opciones lo hacen como si fueran seguros (contra los movimientos de precios), es razonable suponer que ganarán alguna prima por asumir este riesgo.
Durante amplios períodos de tiempo, es probable que los vendedores de opciones obtengan alguna ganancia neta (a expensas de asumir una gran exposición al riesgo), lo que implica un rendimiento negativo neto esperado para compradores consistentes de opciones. Para que una estrategia de opciones en largo tenga éxito, así como para exhibir pérdidas limitadas a lo largo del tiempo, el gestor debe tener cierta habilidad para seleccionar los momentos en los que se deben comprar las opciones (en lugar de comprar constantemente opciones).
En algunos casos, la volatilidad también puede exagerar significativamente el riesgo. Algunos gestores persiguen una estrategia que reduce las pérdidas, pero permite grandes ganancias.
Por lo tanto, una alta volatilidad no es un indicador seguro de un riesgo elevado. No lo es porque con frecuencia el historial de volatilidad podría ser bajo, pero la estrategia es vulnerable a riesgos de eventos sustanciales que no ocurrieron durante la vida útil en que se analizaron los datos (es decir, existen riesgos ocultos). Y tampoco es un indicador suficiente porque, en algunos casos, una alta volatilidad puede deberse a tener grandes ganancias, mientras que las pérdidas podrían estar controladas.
La volatilidad es más útil como indicador de riesgo para estrategias de trading altamente líquidas. Por ejemplo, para estrategias largas / cortas en mercados como futuros, FX y acciones de capitalización mediana a grande la volatilidad elevada generalmente será un buen indicador del riesgo, en el sentido de que habrá una fuerte correlación entre la volatilidad y máxima pérdida durante cualquier período especificado. Pero incluso para este tipo de estrategias, la volatilidad puede ser engañosa porque la alta volatilidad podría deberse a ganancias descomunales en lugar de pérdidas descomunales. Esta característica de volatilidad subyace a la principal debilidad del ratio Sharpe. La medida de rendimiento / riesgo más utilizada, que se define como el rendimiento promedio en exceso del rendimiento libre de riesgo dividido entre la desviación estándar.
Inversor de valor. Enfocado en empresas de pequeña y micro capitalización, spin-offs y SPAC.
Brandon Beylo / MACRO-OPS
Si estás leyendo esto, probablemente seas un inversor o trader que quiera aprender más sobre Global Macro Trading.
Tal vez hayas pasado el último año quemado por empresas tecnológicas poco rentables. Solo para ver a «Energy Bros» en Twitter como una manada de orcas alrededor de una foca bebé.
Pensaste que tenías una filosofía de inversión diferenciada. Parecía que se podía predecir los cambios tecnológicos, las transformaciones de los hábitos de consumo y los trastornos de toda la industria.
En realidad, te beneficiaste de una década de política de tasa de interés cero. Ahora que la Reserva Federal se ha apretado el cinturón, te estás preguntando dónde encontrar alfa.
Por eso estás aquí. Quieres aprender sobre Global Macro Trading. Y eso es bueno porque el Macro Trading global te salvará de una década (o más) de bajo rendimiento.
Estamos en un nuevo régimen de mercado. Uno dominado por activos físicos (léase: tangibles). De bits a átomos. Un mercado donde las presiones inflacionarias de los mayores costos de energía, alimentos y mano de obra destruyen los márgenes de beneficio y los modelos de negocio de algunas industrias. Al mismo tiempo, enriquece las industrias, las empresas y los inversores que se aprovechan de tales cambios.
Has venido al lugar correcto. Este artículo explica todo lo que necesitas saber sobre Global Macro Trading. Con este fin, aprenderá qué es el Global Macro Trading, cómo entenderlo, y por qué es esencial para el actual cambio de régimen del mercado.
Empecemos.
¿Qué es Global Macro Trading?
Global Macro Trading suena muy difícil en teoría, pero es simple en la práctica. Los macro Traders globales recorren el mundo para encontrar apuestas de riesgo/recompensa altamente asimétricas. Ideas en las que pueden arriesgar 1 $ para ganar 5 $ o 10 $.
Los operadores macro globales no tienen restricciones sobre dónde encuentran y abren sus operaciones. Ese es el verdadero secreto. Un macro trader global puede vender futuros de soja un día, comprar el Nasdaq 100 al día siguiente y vender el par dólar estadounidense/euro al siguiente.
Lo único que restringe al Global Macro Trader es su mente.
Los macro traders tienen amplias vistas de 30.000 pies en mercados como el maíz o el algodón. Desarrollan esta visión basada en puntos de datos «macro» como los rendimientos de los cultivos (para la agricultura) o el inventario, las reservas y la demanda mundial de petróleo.
Desde aquí, el Global Macro Trader encuentra el mejor instrumento para expresar su opinión sobre un mercado determinado.
Por ejemplo, supongamos que un Macro Trader piensa que Rusia retendrá más de 100.000 barriles de petróleo de la producción. En ese caso, podría ir a los futuros de petróleo y comprar como una forma de jugar el choque que se verá en el lado de la oferta.
O supongamos que el S&P 500 cotiza más de 30 veces las ganancias actuales, la economía se está calentando y los consumidores se están agotando, maximizando las tarjetas de crédito y se quedan atrás en los préstamos. El Macro Trader toma esa información y utiliza el mercado de futuros para expresar sus opiniones vendiendo los futuros del S&P 500.
No hay necesidad de complicar demasiado lo que es el Global Macro Trading. Está desarrollando una visión diferenciada de un mercado específico, y luego encontrando el instrumento más apropiado para ejecutar esa apuesta.
Por supuesto, necesitas una buena investigación macro para desarrollar esas opiniones de mercado diferenciadas. Abordemos eso a continuación.
¿Qué es Global Macro Trading?
Los inversores en acciones individuales investigan a las empresas estudiando los balances de su industria, las declaraciones de resultados, las declaraciones de flujo de efectivo y el posicionamiento competitivo. Hablan con clientes, proveedores, antiguos empleados y cualquier persona que pueda darles una idea del funcionamiento interno de la empresa.
La investigación sobre Global Macro Trading es 100 veces (tal vez 1.000 veces) más grande en alcance que la investigación de acciones individuales. Lo que hace que esto sea así cuando estás recorriendo el mundo y apostando por cosas como crisis monetarias, choques petroleros y caídas del mercado de valores.
Simplificamos esta investigación en macro en Macro Ops creando el HUD. El HUD es nuestro panel de investigación macro global que alberga los datos más relevantes (léase: señal alto, bajo nivel de ruido) para las decisiones de inversión. Puedes ver una captura de pantalla del HUD a continuación.
El HUD destaca elementos cruciales de la investigación macro como:
amplitud
deuda
volatilidad
inflación
liquidez
Esta es la parte más crucial de la investigación macro. Un gran operador macro utiliza todos estos insumos para crear una serie de realidades potenciales.
Hay algunas maneras de obtener esta información si no eres miembro de Macro Ops Collective. Puede obtener datos financieros de la Reserva Federal, datos de petróleo de la OPEP y el Departamento de Energía de los Estados Unidos, e informes agrícolas del Departamento de Agricultura de los Estados Unidos y la Junta de Comercio de Chicago.
Otra gran manera de hacer investigación macro es leyendo el Financial Times (o FT) y las revistas globales de trading de materias primas o los boletines de cambio de divisas.
Por último, estudia los mercados de futuros. Es donde pasará la mayor parte de su tiempo expresando puntos de vista macro a través de contratos de futuros sobre índices bursátiles, materias primas, metales preciosos y más.
A estas alturas, ya sabes lo que es el Global Macro Trading y las herramientas de investigación para encontrar y desarrollar tus propios puntos de vista sobre el mundo. Entonces, ¿cómo te metes en el Global Macro Trading?
Cómo Entrar En El Macro Trading Global
Lo primero que debe hacer es operar con papel su estrategia de Macro Trading global recién desembalatado. El Global Macro Trading implica a instrumentos altamente apalancados como futuros, opciones y divisas. Puedes perderlo todo si no tienes cuidado al operar con estos instrumentos.
Haciendo trading en demo aprenderá los conceptos básicos de la gestión de riesgos, el establecimiento de stop-loss adecuados, la identificación de objetivos de beneficio y la importancia del tamaño de la posición. Todo sin arriesgar nada de tu dinero ganado con tanto esfuerzo.
Global Macro Trading suena intimidante. Los traders se están ahogandol. No es de extrañar que la mayoría de los inversores no cumplan con la transición a medida que entremos en este nuevo régimen de mercado. Uno que estará dominado por los macro traders globales y su mentalidad de «ir hasta cualquier lugar» donde haya un buen trade.
Hola ChatGPT, ¿puedes hacer probar una de estrategia de trading? por Quantpedia
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
El tiempo vuela. Han pasado más de seis meses desde nuestro último artículo, y medio año en un campo de rápido desarrollo como la inteligencia artificial parece diez veces más. ¡Así que revisaremos nuestro artículo y probaremos algunos nuevos trucos! ¿El chatbot de OpenAI ha hecho alguna mejora significativa? ¿Se puede usar ChatGPT como motor de backtesting? ¡Retomamos nuestra asignación de activos de paridad de riesgo y volvemos a probar los límites del desarrollo actual de IA!
Resumen del vídeo:
Introducción
Comenzaremos con una breve recapitulación, además de que crearemos una cartera de referencia en Excel para compararla con los resultados que obtendremos de la IA. ¡Vamos a sumergirnos directamente en ello!
Datos
Nuestra fuente de datos es Yahoo Finance. Utilizamos las columnas Fecha y Cierre de Adj de los datos descargados que tienen en cuenta los splits y los dividendos. Tenemos dos archivos separados por comas, que podemos editar aún más con el software de hoja de cálculo que elijamos. Como se mencionará más adelante, utilizaremos datos de dos activos:
Queremos que la IA pruebe una simple asignación de activos de paridad de riesgo:
El universo de inversión consiste en
SPY y
ETF GLD.
Cuando asignamos un 50% de peso a cada ETF y lo reequilibramos mensualmente, entonces tenemos una asignación de activos de referencia igualmente ponderada.
Queremos que una IA construya una mejor estrategia de asignación de activos que la igualmente ponderada, por lo tanto:
Omitimos parte del conjunto de datos (un año [agosto de 2017 a agosto de 2018]) y
deja que la IA sugiera mejores métodos de ponderación. Luego elegimos la paridad de riesgo inversa ponderada por volatilidad. Dejamos que AI utilice los datos de los últimos 12 meses para calcular la volatilidad de cada ETF, calcular el peso de cada ETF en la cartera para el próximo mes, realizar la prueba posterior de la siguiente estrategia de asignación de activos y calcular las nuevas estadísticas apropiadas.
Aquí está el gráfico que muestra las estrategias de asignación de activos ponderadas por puntos de referencia y la volatilidad inversa que se utilizaron como puntos de referencia para los backtest realizados por la IA:
Este está hecho por nosotros los humanos. Pero, ¿podemos convencer a ChatGPT de que produzca gráficos similares y calcule las estadísticas necesarias?
Si lees nuestro anterior artículo verás como la IA se negó a enumerar más de lo posible métodos y probar una simple asignación de activos ponderada por igual. Y eso fue todo. Por lo tanto, trataremos de impulsar aún más la IA en la tarea de convertirse en un útil «analista de datos junior virtual».
Limitaciones
Mientras escribía este artículo, el ChatGPT de OpenAI permitió compartir conversaciones completas con otras personas. Sin embargo, hemos optado por no profundizar en esta función y, en su lugar, compartir solo las indicaciones y respuestas más relevantes para mantener el artículo lo más sencillo posible. También eliminamos las respuestas redundantes y duplicadas, así como las respuestas que estaban en el artículo anterior.
Hay una última cosa que queremos mencionar antes de llegar a la parte principal del artículo. Somos conscientes de los problemas con el LLM (grandes modelos de lenguaje) y las limitaciones de la IA (inteligencia artificial) cuando se trata de resolver problemas complejos (modelado financiero). ChatGPT tiene mucha confianza en dar respuestas que no siempre son correctas. A menudo se conoce como la alucinación de los LLM. Ten en cuenta esto cuando trabajes con IA.
Análisis de asignación de activos en ChatGPT
1. Prueba con los complementos de ChatGPT
Los complementos se introdujeron gradualmente a finales de marzo de 2023 y están impulsados por aplicaciones de terceros que OpenAI no controla. Los complementos conectan ChatGPT a aplicaciones externas. ChatGPT elige automáticamente cuándo usar los complementos durante una conversación, dependiendo de los complementos que hayas habilitado. No puede seleccionar uno de los múltiples complementos para usar si habilita más de uno. El artículo introductorio lo explica mejor con una analogía. Los complementos pueden ser «ojos y oídos» para los modelos de lenguaje, dándoles acceso a información que es demasiado reciente, personal o específica para ser incluida en los datos de entrenamiento.
Al principio, seleccionamos y probamos algunos complementos relevantes con el uso de (clasificados de los más a los menos útiles para la tarea seleccionada):
El complemento Polygon trae datos de mercado, noticias y fundamentos para acciones, opciones, divisas y criptomonedas de Polygon.io El complemento es útil para obtener datos financieros externos de alta calidad en el entorno de ChatGPT y nos ayuda a no confiar en los datos almacenados en algún lugar del modelo de lenguaje de ChatGPT que pueden ser muy borrosos o incompletos.
Savvy Trader AI tiene datos de acciones, criptomonedas y otros datos de inversión en tiempo real, y este también proporciona respuestas oportunas,
Statis Fund Finance promete ser una herramienta de datos financieros para analizar las acciones. Puedes obtener cotizaciones de precios, analizar promedios móviles, RSI y más. Tienen datos precisos y también han mostrado algunos resultados prometedores.
Quiver Quantitative, con el que se puede acceder a datos sobre el comercio de acciones del Congreso, el cabildeo, el comercio de información privilegiada y la legislación propuesta, fue de poca utilidad en esta prueba, pero sigue siendo un complemento interesante
El complemento PortfolioMeta afirma que da ayuda y debe usarse para analizar acciones y obtener datos y análisis de inversión integrales en tiempo real. Aún así, no lo usamos, ya que nunca fue elegido para ser utilizado en ninguna combinación.
TradingBro obtiene datos financieros de ChatGPT para su trading/aprendizaje: resultados empresariales, vista de analistas, DCF, detalles de ventas, operaciones con información privilegiada, etc.
El mejor uso para nosotros que encontramos fue la combinación de cualquiera de los dos
Polygon, Savvy Trader AI y/o Statis Fund Finance
ya que puedes habilitar tres complementos simultáneamente. Como se mencionó anteriormente, ChatGPT elige el más adecuado (no somos conscientes de los algoritmos específicos que evalúa y elige). Podemos tener algo de control sobre eso si solicitas seleccionar un complemento específico para una tarea en un mensaje enviado a ChatGPT durante tu análisis de datos.
Decidimos deliberadamente omitir las indicaciones que ya se habían utilizado en nuestro artículo anterior y centrarnos en nuevas investigaciones y respuestas.
Compartimos la transcripción seleccionada de la conversación:
Aquí, tenemos el primer detalle significativo e interesante. En nuestro artículo anterior, nos quedamos solos con ChatGPT, que se negó, además de enumerar alternativas interesantes, a hacer cualquier cálculo. Ahora, con el uso de complementos, la situación es un poco diferente:
Ahora, lo hace, pero necesitábamos ajustar, cuidar y dirigir ChatGPT para producir resultados deseables. Encontramos: «Calculate volatility from 12 previous months, and use it for next month and do it interatively from August 2018 to August 2021.«. Incitar a funcionar realmente de la manera que lo pretendíamos. Y lo hace muy bien:
En intentos anteriores, ChatGPT intentó calcular la volatilidad, pero la calculó erróneamente para todo el año y utilizó ese valor para cada mes, lo que dio resultados incorrectos. Como puede ver, necesitábamos regenerar las respuestas y actualizar nuestras indicaciones para afinarlas.
Y la respuesta continúa:
Además, aquí tenemos la comparación con el modelo de igual ponderación que se hizo anteriormente, incluso cuando no lo pedimos. Lo vemos como una contribución interesante, pero a veces puede ser molesto si no obtienes la respuesta que estás buscando exactamente y te distrae de tu objetivo principal.
Pero aquí viene lo que los plug-ins no pueden hacer: visualizar los resultados. Desafortunadamente, debido a que no hay un entorno de ejecución, producen código, pero no pueden ejecutarlo:
En su lugar, quiere visualizar los datos como una tabla, que no es lo que queremos, y decidimos no incluirlos aquí.
2. Análisis avanzado de datos (anteriormente conocido como intérprete de código)
Code Interpreter es un emocionante complemento a ChatGPT de OpenAI, introducido en marzo de 2023.
Todavía está en desarrollo y está marcado como una versión alfa. Dicho de forma sencilla, es un modelo experimental de ChatGPT que puede usar Python, manejar cargas y descargas, y trabajar como un intérprete de Python en funcionamiento en el entorno de ejecución con cortafuegos. Obviamente, hay algunas limitaciones, a saber, una sesión que está viva durante la duración de una conversación de chat (con un tiempo de espera superior) y las llamadas posteriores pueden acumularse unas sobre otras. Admite la carga de archivos en el espacio de trabajo de conversación actual y la descarga de los resultados de su trabajo. Así que la herramienta tiene muchas ventajas y algunas desventajas, pero eso no nos limita a probarla para el análisis estadístico de los datos financieros.
Al escribir nuestro artículo (agosto y septiembre de 2023), OpenAI lanzó su cambio de marca y lo cambió de nombre a Advanced Data Analysis (junto con el lanzamiento de ChatGPT Enterprise).
Para el análisis avanzado de datos (intérprete de código), necesitábamos cargar los datos de Yahoo Finance, como se mencionó anteriormente.
En la herramienta, puedes ver el código que produjo, y también describe muy bien el contenido del archivo.
Íbamos a someternos al procedimiento de nuevo, dándole las mismas indicaciones de nuevo para preservar la reproducibilidad con la mayor precisión posible. Y todo el proceso comienza de nuevo. Esta es la parte más importante de la conversación que proporciona respuestas a las preguntas planteadas.
Como estábamos haciendo cálculos en diferentes días, ChatGPT nos pidió que volvamos a cargar archivos de datos csv, lo que hicimos.
A continuación, hacemos una curva de equidad usando matplotlib en Python.
Finalmente, ChatGPT, en su forma de Análisis Avanzado de Datos, podría producir un código de trabajo para representar la curva de equidad y visualizar su cambio de tiempo; ¡lo empujamos e incluso pedimos un estilo de gráficos similar al de Quantpedia! Y, volià:
Además de todo, cuando se le pide que resuma el código anterior, ChatGPT proporciona un resumen lo suficientemente justo. Así que nunca te sientes excluido cuando necesitas entender algo que hace.
Conclusión y comparación
Ahora, nos gustaría comparar nuestro intento inicial de probar la estrategia de asignación de activos con los nuevos enfoques con
nuevo modelo (ChatGPT 4.0),
nuevo modelo (ChatGPT 4.0) con el mejor uso de complementos y
nuevo modelo (ChatGPT 4.0) con el uso de Análisis Avanzado de Datos (también conocido como Intérprete de código)
Primero hagámoslo cuantitativamente, comparando los resultados en forma de números, y luego escribamos nuestras impresiones basadas en probar cada opción.
Evaluaremos las carteras de volatilidad igualmente ponderadas e inversa.
Igual de ponderación
CAR p.a.
Volatilidad p.a.
Ratio de nitidez
creación de la curva de capital
Cálculo manual de Excel
16,37%
12,18%
1.34
sí, manual
ChatGPT 3.5 (artículo anterior)
16,25%
9,15%
1.49
no
ChatGPT 4 (con complementos)
aproximadamente
los
igual
solo genera código
ChatGPT 4 (plug-ins)
16,68%
12,37 %
1.26
solo genera código
ChatGPT 4 (ADD)
16,557%
12,18%
1.34
sí, automático
Volatilidad inversa
CAR p.a.
Volatilidad p.a.
Ratio de nitidez
Cálculo manual de Excel
15,67 %
12,04 %
1.30
ChatGPT 3.5 (artículo anterior)
rechazado
a
Calcular
ChatGPT 4 (con complementos)
rechazado
a
Calcular
ChatGPT 4 (plug-ins)
16,12 %
12,12 %
1.26
ChatGPT 4 (ADD)
15,85 %
12,04 %
1.30
Podemos ver que para ambas carteras, el uso de análisis avanzado de datos nos da los resultados más cercanos a la realidad calculados de forma independiente. Sorprendentemente, los resultados de nuestro artículo anterior, aparte del cálculo de volatilidad perdido, no son tan malos para una cartera igual ponderada, pero, por supuesto, no produce ningún resultado para el método de ponderación basado en la volatilidad, aparte de las sugerencias del proceso de cálculo.
Cada solución tiene sus propias ventajas y desventajas. Hagamos un resumen:
Enfoque manual: Cuando haces las cosas manualmente, es lento, pero si sabes lo que quieres lograr, puedes llegar allí con un control total sobre el proceso de análisis y con la oportunidad de solucionar posibles problemas.
Eso fue hasta ahora. Pero aquí está el futuro. ¿Qué pueden aportar los LLM?
Los viejos modelos de GPT (incluidos los pre-3.5)no pueden con cálculos un poco más avanzados, como el uso de diferentes métodos de ponderación en su estrategia de asignación de activos. Pero podemos verlos como lo suficientemente «creativos» como para darle buenas ideas de lo que podría ser bueno probar en su análisis de datos.
Nuevos modelos GPT (post 4.0): su imaginación está mejorando y puede ayudarlo a pensar fuera de la caja aún mejor; el uso de varios complementos les da la capacidad de usar datos de varias fuentes que se combina con una mejor comprensión rápida, lo que los hace capaces de procesar varias consultas más difíciles, y pueden hacer tales ponderaciones de volatilidad y demás. Después de numerosos intentos, encontrará las secuencias rápidas para dar a ChatGPT para producir el resultado deseado.
Análisis avanzado de datos: como su nombre podría sugerir, esta es probablemente el complemento más avanzado al LLM de OpenAI y es adecuado para realizar tales tareas. Además de eso, debuga, personaliza y ejecuta el código Python que produces. Incluso puedes ver el código y ver si está haciendo el trabajo previsto.
Entonces, ¿cuál es la conclusión final? Hasta ahora, acabamos de realizar un análisis de datos financieros relativamente fácil, pero el Análisis Avanzado de Datos (Intérprete de Código) parece ser una herramienta útil para borradores rápidos y verificación de nuevas ideas y conceptos. Su potencia es probablemente limitada en este momento, y no podemos usarla para cálculos a gran escala (principalmente debido al espacio en disco limitado y a la memoria disponible). Pero el potencial de este nuevo «juguete» de investigación para los quants es, sin duda, increíble.
¿Por qué no sigo mi plan de trading? por Brett N. Steenbarger
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University
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
Todos tenemos un plan de trading. ¿Por qué en ocasiones no lo seguimos echando a perder toda nuestra curva de resultados? ¿Cómo podemos evitar entrar en este proceso destructivo?
A veces, no solo dejamos de escuchar a nuestra voz interior, sino que hacemos activamente lo que sabemos que es perjudicial para nuestro trading y nuestro éxito. Operamos bien semana tras semana y de repente sobredimensionamos una posición, nos negamos a respetar nuestro stop loss, aumentamos la posición perdedora y luego hacemos volar la cuenta por los aires. O, por el contrario, nos preocupan tanto las pérdidas que salimos rápidamente de las posiciones ganadoras antes de que alcancen sus objetivos, dejando mucho dinero sobre la mesa y arruinando nuestras posibilidades de éxito.
¿A qué se debe esto? ¿Qué podemos hacer para mantenernos alineados con prácticas y procesos que sean consistentes?
Un lector se me acercó recientemente, explicando que de vez en cuando experimenta pérdidas que eliminan una gran parte de sus ganancias mensuales. Es frustrante operar bien la mayor parte del tiempo, solo para perder la disciplina y aparentemente sabotear todo lo que hemos logrado de un momento a otro. La raíz del autosabotaje es el autoabandono. Perdemos temporalmente de vista lo que estamos destinados a hacer y en su lugar actuamos por impulso. Abandonamos el alma de lo que hacemos y permitimos que nuestras operaciones sean impulsadas por el ego.
Nunca he estado convencido de que la raíz de tal auto-sabotaje sea un deseo profundo e interno de lastimarse a uno mismo. Por lo general, no es la ausencia de autoestima lo que hace que actuar por impulso. Más bien, experimentamos «eventos desencadenantes» que ponen en marcha acciones automáticas y, a menudo, dañinas. El problema es una pérdida temporal del libre albedrío. Bajo un cierto conjunto de condiciones emocionales y físicas, nos comportamos de maneras preprogramadas y nos volvemos reactivos en lugar de activos. Literalmente, es una pérdida de autoconciencia que nos permite comportarnos de maneras que perjudican nuestros intereses.
Pensemos en todas las situaciones en las que *nunca* nos alteramos y nos comportamos de manera reactiva y autodestructiva. Como cuando no se tiene cuidado al cruzar calles llenas de automóviles. ¿Se imagina actuar de formar razonable el 99% del tiempo, pero solo de vez en cuando, el 1%, ir directo hacia los automóviles sin tener cuidado de que no le atropellen? O ¿manejar maquinaria peligrosa (cortacéspedes y hornos por ejemplo) con cuidado la mayoría de las veces, sólo para ir y cortarnos o quemarnos gravemente de vez en cuando? ¿Por qué no nos alteramos en esas situaciones? La primera razón es que nuestro ego no se ve implicado y la segunda es que somos plenamente conscientes de los peligros que corremos. Si no *necesito* cruzar la calle rápidamente y soy consciente del tráfico, soy perfectamente capaz de esperar a que se interrumpa el tráfico para cruzar con seguridad. Si soy claramente consciente del peligro, actuaré con precaución. Siempre.
Aquí es donde es útil realizar un “chequeo desde el cuello hacia arriba” antes de tomar cualquier riesgo. Si un cirujano tiene programada una intervención, pero se encuentra en un estado de agitación debido a una circunstancia personal, ese cirujano retrasará la operación. «Por encima de todo, no hacer daño» es el principio operativo. Si un piloto está a punto de despegar para un vuelo, se comunica con el copiloto y, juntos, revisan la lista de verificación previa al vuelo para asegurarse de que el avión esté preparado de verdad para volar. Si algo falla mecánicamente, el vuelo se retrasará. Por encima de todo, no hacer daño.
Lo opuesto al autoabandono es la autoconciencia. Si nos acercamos a cada sesión de trading, – ¡cada operación! – Igual que un cirujano aborda una operación o la forma en que un piloto se prepara para un vuelo, entonces estaremos en el estado en que normalmente estamos cuando cruzamos una calle concurrida. La conciencia del riesgo y el peligro nos permite no hacer daño. No es la disciplina o la orientación al «proceso» lo que nos permite no alterarnos cuando manejamos un cuchillo de tallar en la cocina. Es la conciencia inmediata y aguda del peligro. La clave es la autoconciencia: saber cuándo tenemos la mentalidad equivocada para asumir riesgos. Al igual que el cirujano, al igual que el piloto, debemos tomar el peligro tan en serio que estamos dispuestos a posponer nuestra actuación hasta que estemos seguros de que «no haremos daño». Si hemos realizado nuestro propio chequeo del cuello hacia arriba, nunca operaremos por impulso.
¿Cuándo volveremos a ver nuevos máximos en el mercado de valores? por Ben Carlson
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
El S&P 500 hizo por última vez un nuevo máximo histórico el 3 de enero de 2022.
El mercado ha estado trabajando lenta pero seguramente para volver a nuevos máximos, pero hemos estado bajo el agua durante casi dos años:
El mercado está a poca distancia de los nuevos máximos, pero las acciones no han ido a ninguna parte durante casi dos años.
Llevamos poco menos de cuatro años de la década de 2020 y la mitad de esos años no han visto nuevos máximos, pero ya hicimos muchos de ellos en esta década.
Este es el número de nuevos máximos históricos por década desde 1950:
El mercado de valores es errático, por lo que algunas décadas tenemos muchos nuevos máximos, mientras que en otras tenemos muy pocos.
Según mis cálculos, ahora hemos pasado 473 días de negociación sin nuevos máximos para el S&P 500.
Esa es en realidad la quinta racha más larga desde 1950:
Lo más loco de esas otras rachas es lo cerca que estaban.
En cada caso, tuvimos una recesión, seguida de un breve aplazamiento del mercado alcista y luego una recesión aún mayor a corto plazo.
El mercado bajista al final de los años go-go de 1968-1970 es uno de los desplomes más olvidados de la historia, seguido unos pocos años más tarde por el desagradable mercado bajista de 1973-1974.2
Y todos conocemos la década perdida que inició este siglo, en la que el mercado de valores se redujo a la mitad dos veces.
El S&P 500 subió un 6,8 % anual desde 1968 a 1980, pero ese rendimiento se comió por completo la tasa de inflación del 7 % en ese momento.
El mercado subió un total del 23 % desde 2000-2013, un rendimiento anual del 1,6 %.
A pesar del hecho de que tuvo dos períodos prolongados en los que los inversores vieron pocos máximos nuevos de todos los tiempos, si nos fijamos en los rendimientos de 1968-2013, el mercado de valores seguía subiendo casi un 10 % al año.
Esta es una de las razones por las que el mercado de valores puede ser tan loco. Los rendimientos son muy inestables. Pueden ser horribles durante largos períodos de tiempo. Podrías estar bajo el agua durante años.
Es posible que podamos ver nuevos máximos históricos en el S&P 500 a finales de este año o principios del próximo año. Y luego podríamos experimentar otro mercado bajista que vea como las acciones no van a ninguna parte durante más tiempo. O podríamos estar presenciando el nacimiento de un nuevo mercado alcista.
La verdad es que nadie lo sabe.
Esta es una de las razones por las que las acciones ofrecen una prima de riesgo sobre otras clases de activos.
Siempre existe la posibilidad de una década perdida o de un gran mercado alcista.
Lo importante para los inversores es que su plan financiero debe basarse en la expectativa de que ambos escenarios sean probables a lo largo de su ciclo de vida de inversión.
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
Cuando Janet Yellen fue presidenta de la Reserva Federal desde octubre de 2010 hasta febrero de 2014, a menudo me refería a ella con cariño (y respeto) como el “Hada Madrina del mercado alcista”. Me di cuenta de que casi cada vez que hablaba públicamente sobre las perspectivas de la política monetaria y la economía, el mercado de valores subía.
No ha sido tan optimista con respecto al mercado de valores desde enero de 2021, cuando se convirtió en secretaria del Tesoro de Estados Unidos durante la administración Biden. Bajo su dirección hasta el momento, el déficit presupuestario federal aumentó hasta alcanzar el récord previo a la pandemia de 1,7 billones de dólares en los 12 meses transcurridos hasta octubre (Gráfico 10). Lo mismo puede decirse del aumento de 2,3 billones de dólares durante este mismo período en los títulos negociables del Tesoro estadounidense, que ascienden a la increile cifra de 5,0 billones de dólares desde que Yellen se unió a la administración Biden.
Las perspectivas de déficit se han visto exacerbadas por el récord de 26 billones de dólares en deuda negociable en poder del público que el Tesoro debe reembolsar a tasas de interés más altas que cuando Yellen asumió el mando del Tesoro. Durante los últimos 12 meses hasta octubre, los desembolsos netos por intereses del Tesoro aumentaron a un récord de 692.200 millones de dólares (Fig. 11).
Bajo la supervisión de Yellen hasta ahora, la deuda que emite el Departamento del Tesoro ha sido rebajada por Fitch Ratings en agosto y Moody’s el viernes pasado. Sin embargo, el lunes pasado, Yellen dijo que no está de acuerdo con la decisión de Moody y respondió que la administración Biden está “completamente comprometida con una vía fiscal creíble y sostenible”.
El 26 de octubre, en un evento en la oficina de Bloomberg en Washington, Yellen descartó la idea de que los rendimientos de los bonos estuvieran aumentando simplemente porque las necesidades de financiación del Tesoro habían aumentado. Ella afirmó: «No creo que mucho de eso esté relacionado». Culpó de las tasas de interés más altas a la economía fuerte: “La economía continúa mostrando una fortaleza tremenda, y eso sugiere que es probable que las tasas de interés se mantengan altas por más tiempo”, dijo.
Sin embargo, el Tesoro ayudó a provocar un importante repunte de los bonos el 1 de noviembre al anunciar que la próxima ronda de subastas tendría más letras y menos pagarés y bonos. En otras palabras, Yellen admitió de hecho que la oferta sí importa.
Gasto militar y rentabilidad de sus mercados de valores por Quantpedia
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
Introducción
«Si vis pacem, para bellum«, es un antiguo proverbio romano traducido como «Si quieres paz, prepárate para la guerra», y es la idea principal detrás de la política militar de muchos estados nacionales modernos. En el mundo actual interconectado a nivel mundial, librar una verdadera «guerra» a menudo tiene repercusiones comerciales realmente negativas (como se dio cuenta la Federación Rusa en 2022). Aún así, a pesar de que las guerras entre las naciones desarrolladas afortunadamente no son tan populares como solían ser, los estados modernos invierten fuertemente en su propia defensa. Nadie quiere ser atrapado militarmente sin estar preparado en caso de una crisis geopolítica local o global. Un ejército fuerte debe traer un entorno seguro para hacer negocios, y el comercio debe florecer sin interrupciones. Pero, ¿todos esos gastos militares nacionales son recompensados financieramente? ¿Los mercados de valores de los países con un fuerte rendimiento militar superan a sus pares? Esa es la pregunta que hemos decidido responder en el siguiente análisis.
Literatura relacionada
Por supuesto, no somos los primeros en preguntar cómo afecta la geopolítica a los mercados.
Sakiru Adebola Solarin y Pritish Kumar Sahu (2015), en su «El efecto del gasto militar en el desarrollo del mercado de valores: evidencia del panel de las estimaciones del sistema GMM» examinan el impacto del gasto militar en el desarrollo del mercado de valores en 36 países de 1989 a 2010. Las estimaciones del sistema de panel dinámico (método estadístico) GMM (método generalizado de momentos), se utilizan dentro de un marco de panel para probar la relación con una matriz de variables de control. Aumentan la medida tradicional del gasto militar: la carga militar, con su índice integral de nueva construcción: el Índice de Militarización Global. En general, los resultados muestran que el gasto militar afecta negativamente y significativamente al rendimiento del mercado de valores en los 36 países seleccionados.
Por el contrario, una conclusión casi completamente diferente proviene del documento de DiPietro, W.R., Anoruo, E. y Sawhney, B. (2008) llamado The Effect of the Size of the Military on Stock Market Performance in the United States and the UK, que utiliza un análisis de regresión para investigar la relación entre el gasto militar y el rendimiento del mercado de valores de los Estados Unidos y el Reino Unido. Específicamente, el estudio aplica los procedimientos de la raíz de la unidad Bierens-Guo para determinar las propiedades de las series temporales de las variables del estudio. La técnica estándar de OLS se emplea para determinar la influencia del gasto militar en los mercados de valores desde 1914 hasta 2001. Los resultados de las ecuaciones de OLS sugieren que el gasto militar afecta significativamente positivamente el rendimiento del mercado de valores de los Estados Unidos y el Reino Unido. La implicación de este hallazgo es que la clase de altos ingresos y las personas en el poder tienen menos probabilidades de oponerse a los aumentos en el gasto militar, a pesar de que dichos gastos no son en el mejor interés de la sociedad.
De manera más general, Rooney, Bryan, Grant Johnson y Miranda Priebe preguntan ¿Cómo afecta el gasto en defensa al crecimiento económico? descubrió que priorizar el gasto en defensa sobre la inversión en infraestructura, una preocupación interna de larga data, podría socavar el crecimiento económico y, por lo tanto, los recursos disponibles para la defensa a largo plazo. Los economistas generalmente creen que el aumento de la deuda pública de EE. UU. eventualmente socavará el crecimiento, pero hay desacuerdo sobre exactamente cuándo o cómo. La literatura económica no es concluyente sobre cómo el aumento de los impuestos para mantener o aumentar el gasto en defensa afectaría al crecimiento económico.
Una nota interesante sobre la volatilidad del mercado en tiempos de guerra proviene del artículo de NBER Por qué los mercados de valores son menos volátiles cuando los EE. UU. están en guerra: el aumento del gasto en defensa reduce la volatilidad agregada de las acciones y reduce la gama de previsiones de beneficios de los analistas para las empresas relacionadas con la defensa, particularmente aquellas que realizan I+D y pruebas.
Datos, metodología y enfoque
Nuestro conjunto de datos para los rendimientos de los mercados de valores en los países es el mismo que el utilizado en nuestro análisis anterior de los ETF de los países. Los datos de gastos militares se publican anualmente. Por lo tanto, reasignamos los datos mensuales (del artículo anterior) a EOY (fin de año). Nuestro artículo anterior omitió selectivamente el mercado estadounidense, pero no podemos hacer eso cuando queremos analizar los gastos militares, ya que Estados Unidos es el país con el mayor gasto militar y el ejército más fuerte del mundo. Por lo tanto, añadimos al representante de la amplia U. S. mercado, SPY ETF, a la lista final de países y sus ETF:
ETF de países considerados junto con enlaces a datos
Como fuente de gastos/gasto militar, encontramos un conjunto de datos alternativo gratuito (basado solo en fuentes abiertas) proporcionado por el INSTITUTO INTERNACIONAL DE INVESTIGACIÓN DE LA PAZ DE ESTOCOLMO, que se encuentra en su base de datos llamada Base de Datos de Gastos Militares SIPRI, que contiene series temporales consistentes sobre el gasto militar de 173 países para el período 1949-2022. (En caso de que esté interesado, información sobre las fuentes y métodos de los datos del SIPRI, incluidos los métodos para calcular los datos del año calendario a partir de los datos del año financiero, para calcular las cifras de precios constantes de US$ y para estimar los datos que faltan para los países como parte de los totales mundiales y regionales, consulte https://www.sipri.org/databases/milex/sources-and-methods.). A partir del archivo de Excel disponible y real, hemos realizado el preprocesamiento y filtrado de los datos relevantes de dos hojas de interés correspondientes:
1) Datos del gasto militar por país en dólares estadounidenses actuales (millones), presentados de acuerdo con el año natural.
2) Datos del gasto militar por país como porcentaje del PIB (producto interior bruto), presentados de acuerdo con el año natural.
Como se mencionó anteriormente, nos centraremos en esas dos variables del conjunto de datos para determinar si afectan al rendimiento general de los mercados de valores de todo el mundo.
Construcción final del conjunto de datos
Yahoo Finance fue elegido para recopilar datos sobre los ETF desde su creación. Luego, utilizamos el sitio web de MSCI para descargar los índices de los países que faltan para ampliar el conjunto de datos a la máxima longitud posible. Nuestro conjunto de datos de precios comenzó el 31 de diciembre de 1992. La base de datos de gastos militares se actualiza anualmente, y hay un retraso de aproximadamente un año entre la publicación del gasto militar. Al obtener todos los datos del conjunto de datos SIPRI, necesitamos incorporar este retraso en los informes en la metodología. Por lo tanto, como ejemplo, asignamos/reequilibramos la cartera a finales de diciembre de 1992 para el año 1993 en función de los datos de gastos militares de 1991 de cada país. Y seguimos así año tras año.
Estrategia
Para estudiar el impacto de los gastos militares, probamos estrategias simples de trading/inversión anuales reequilibradas largas y cortas basadas en el universo de inversión mencionado anteriormente (que consta de 22 ETF de países). Al final de cada año T, invertimos mucho en X países con los gastos militares más altos, y al mismo tiempo, cortamos X países con los gastos militares más bajos según lo informado para el año T-1.
Estábamos sometidos a una serie de pruebas cambiando X como:
Pares 1v1, 2v2, 3v3, 5v5, 7v7, 10v10;
y probamos estrategias con y sin EE. UU. Representante del ETF (SPY). Los Estados Unidos representan el mayor gasto en el ejército del mundo (en cantidades de dólares, y la mayoría de las veces también en el porcentaje de las cantidades del PIB). Por lo tanto, el ETF SPY siempre se elige en la parte larga de nuestra cartera. Queríamos probar el impacto del gasto militar en el rendimiento del mercado de valores cuando eliminamos el mercado de valores del país con el ejército más fuerte.
Probamos 2 predictores: el gasto total en dólares y el % del gasto del PIB. Todas las posiciones se ponderan y reequilibran por igual al final del año.
Resultados
En primer lugar, analizamos los datos de gasto total en dólares (USD). Por supuesto, descubrimos que EE. UU. siempre es el primero; por lo tanto, siempre somos compradores de SPY (además de otros países ricos) contra uno o más países pobres que gastan menos en dólares en total en el ejército. Los países de los mercados emergentes y los países pequeños suelen ser los que menos gastan, por lo que esta métrica es más como ir a lo largo de EE. UU. + países grandes contra los países emergentes «pobres» y los países pequeños.
Por lo tanto, aquí tenemos resultados que incluyen a los Estados Unidos:
Estados Unidos gasta más en el ejército que los próximos diez países de la clasificación juntos. El mercado de valores de EE. UU. superó al resto del mundo en la última generación (aproximadamente 30 años). Puede ser una coincidencia, puede que no lo sea.
Por lo tanto, hicimos una pregunta interesante: ¿Cuál es el impacto si probamos la misma métrica (gasto total en dólares en el ejército), pero sin los EE. UU.?
Lo que sugiere el primer gráfico y la tabla de nuestro análisis es que si gastamos a largo plazo a los grandes dólares y acortamos a los pequeños que gastan dólares, nuestra cartera de diferenciales supera, pero se debe únicamente a que el mercado de EE. UU. supera el rendimiento y a que EE. UU. también tiene un alto gasto militar. Pero si eliminamos a los EE. UU. de la ecuación, entonces el gasto militar en dólares en total deja de ser un predictor en absoluto.
¿Es el caso de EE. UU. de alguna manera especial? Es difícil decirlo por los datos que tenemos. El gasto militar no tiene capacidad predictiva para el resto del mundo. Pero puede ser posible que el alto gasto militar de EE. UU. imponga algún tipo de «Pax Americana» que se traduzca en oportunidades de negocio favorables solo para las empresas estadounidenses. Nuestro rápido análisis sugiere que hay algo de verdad en el documento de DiPietro, W.R., Anoruo, E. y Sawhney, B. (2008). Pero probablemente tendríamos que realizar una prueba más larga para sacar conclusiones más sólidas sobre el caso especial de los Estados Unidos.
Nuestro siguiente análisis se centró en el gasto militar como % del PIB.
Cuando analizamos el gasto militar como % del PIB, entonces la dominación de EE. UU. no es absoluta. EE. UU. fue reemplazado en primer lugar por Taiwán (durante 2 años) y Singapur (durante 10 años) de 1993 a 2005. Entonces, ¿cómo funcionan las estrategias a corto plazo basadas en el gasto militar como % del PIB (incluidos los EE. UU.)?
Los resultados son casi los mismos que en el caso del total de dólares gastados (solo un poco peor). El gasto militar como % del PIB debería nivelar el campo, ya que ahora no es tan importante lo grande que es el país, solo cuánto gasta en el ejército en relación con su tamaño. Lo que vemos en el gráfico y la tabla es que los países que gastan más en el ejército suelen superar a los que gastan menos. Pero los EE. UU. todavía están incluidos.
¿Qué pasa si eliminamos a los EE. UU. del universo de la inversión? ¿Cómo se comportan las estrategias?
Podemos ver que las estrategias a corto plazo (sin los EE. UU.) basadas en el gasto militar como porcentaje del PIB están mejorando ligeramente que las basadas en el gasto total en dólares, ya que todos los resultados son positivos. Sin embargo, el diferencial económico y estadístico es casi insignificante.
Conclusión
Entonces, ¿cuál es nuestra conclusión? Nuestro análisis sugiere que EE. UU. es realmente un caso especial entre los países. Tiene una economía fuerte, lo que le permite invertir mucho en el ejército, lo que ayuda a mantener una economía fuerte, lo que ayuda a invertir mucho en el sector militar, y así suce, y así. Para los EE. UU., los gastos militares se pagaron bien. Pero no es el caso de otros países, donde no pudimos encontrar una relación significativa entre los gastos militares (en términos totales de dólares o en % del PIB) y el rendimiento del mercado de valores.
Sin embargo, un factor subyacente puede afectar significativamente el rendimiento del mercado de valores de EE. UU. en comparación con el resto del mundo. Ese factor es la fortaleza/debilidad del dólar estadounidense. Ya hemos analizado cómo el rendimiento de las acciones, las materias primas y los bonos está influenciado por la fortaleza del dólar estadounidense. Podemos sospechar que el factor del dólar estadounidense también afecta al rendimiento de los mercados de valores emergentes y desarrollados. Es nuestra sospecha, pero está bien financiado, ya que un artículo que explora este tema ya está en la estantería, pero no se ha publicado :). Solo estamos pidiendo un poco de paciencia; pronto le presentaremos los datos ;).
En nuestro análisis, los mercados internacionales están representados por ETF que tienen un precio en dólares estadounidenses y no en sus respectivas monedas locales. Por lo tanto, el análisis del impacto de los gastos militares puede verse de manera diferente si analizamos los rendimientos de LCY de los mercados de valores internacionales, no su rendimiento en USD.
Pero para el inversor en dólares, nuestro análisis es válido.
Atención a esta señal de amplitud del mercado por Sentimentrader
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
El abuelo de los impulsos de amplitud se ha disparado en la Bolsa de Nueva York
Desde 1950, la señal ha tenido un historial perfecto de ganancias en la mayoría de los sectores.
Antes de 1950, hubo algunas señales falsas en la década de 1930.
Atención a esta señal de amplitud
Todo el mundo (bueno, «todo el mundo») hablará de los impulsos de la semana pasada. Estos se han convertido en un tema cada vez más popular en los últimos diez años, lo que ha llevado a quienes se oponen instintivamente a determinar que ya no son efectivos porque no vale la pena saber lo que todo el mundo sabe.
Es justo, pero hemos visto evidencia limitada de que su eficacia ha disminuido. Digo «limitada» y no «absurda» porque varios impulsos dieron señales falsas durante 2022. Es imposible saber si es porque es solo una de esas cosas (nada funciona el 100% de las veces) o porque la estructura del mercado ha cambiado. Lo único que sabemos es que si continúan dando más señales falsas que en el pasado, entonces tenemos motivos para creer que algo ha cambiado, sea lo que sea, y deberíamos sopesarlas.
El estándar de oro de los impulsos de amplitud se ha convertido en el Zweigh Breadth Thrust del respetado analista y gestor Martin Zweig. Una media móvil exponencial de 10 días de la cifra de avance-retroceso de la Bolsa de Nueva York debe pasar de menos del 40% a más del 61,5% en diez sesiones.
En todas las acciones negociadas en la Bolsa de Nueva York, el tradicional Zweig Breadth Thrust acaba de activarse después de varios intentos muy próximos desde el máximo de 2021.
Lo que nos dice el estudio
Sin duda veremos un montón de notas sobre varios aspectos del fuerte repunte de la semana pasada. Los alcistas promocionarán ejemplos cuidadosamente seleccionados y extraídos de datos con antecedentes perfectos, mientras que los bajistas sin duda sacarán a relucir la idea trillada y en su mayor parte desacreditada de que los repuntes más fuertes sólo ocurren en los mercados bajistas. La gente nunca cambia.
Se podría acusar al Zweig Breadth Thrust de ser objeto de extracción de datos, en parte porque contiene criterios muy específicos. Lo que tiene a su favor es una larga trayectoria en tiempo real y una excelente trayectoria a pesar de su origen y popularidad. A menos que estas señales dejen de funcionar de manera consistente, continuaremos dándoles mucha importancia, y la última semana ha desencadenado varias razones de peso para esperar que los compradores sigan mostrando interés en las acciones.
La inflación es el menor de los males por Ben Carlson
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
A finales de la década de 1970, la inflación estaba fuera de control.
El New York Times escribió una historia en primera plana en la que entrevistaron a un grupo de personas normales para ver cómo la inflación estaba afectando sus vidas.
En ese momento, el IPC había subido un 73 % acumulado en la década o casi un 7 % al año. La inflación había estado haciendo estragos el tiempo suficiente como para que finalmente comenzara a afectar los hábitos de la gente:
En entrevistas en todo el país, The New York Times descubrió que la «sociedad desechable» de finales de la década de 1960 y principios de la década de 1970 está siendo reemplazada, en muchos casos, por una nueva ética de la economía. La gente conduce coches más tiempo y usa ropa más a menudo, planta sus propios jardines y arregla su propia fontanería.
Muchos estadounidenses usan las mismas palabras para describir esta nueva actitud: «Compramos solo lo que necesitamos, no lo que queremos». Pero esto significa que parte del jugo de la vida, desde nuevos equipos de música hasta viajes a la playa, se está acabando por la presión del aumento de los precios.
Una de esas entrevistas fue con un vendedor de pan llamado Terry McLamb de Raliegh, Carolina del Norte. McLamb dijo que «se siente impotente para mejorar sus condiciones de vida». Esto es lo que escribieron en ese momento:
Pero muchos otros se quedan con sentimientos de frustración y miedo. Terry McLamb, el vendedor de pan, ha visto aumentar sus ingresos de 9.000 a 15.000 dólares al año en cinco años, pero dice: «Me estaba yendo mejor con ingresos más bajos. Todo tiene que llegar a un punto en alguna parte, pero no sé dónde».
En los cinco años que terminaron en 1978, el índice de precios al consumidor subió un 47 %. Los ingresos de McLamb aumentaron un 67 % en ese mismo período. Sus ingresos superan a la inflación en un 20 %, pero no estaba contento.
Obviamente, la inflación no es la única variable que puede afectar a cómo se siente alguien sobre sus perspectivas financieras en un momento dado. Pero la inflación puede ser engañosa, especialmente cuando es alta.
La mayoría de las personas creen que merecen los salarios más altos que tienden a acompañar a una mayor inflación. Nadie siente que merece precios más altos. Además, la gente se acostumbra a salarios más altos más rápido que a precios más altos porque ves los precios cada vez que gastas dinero.
Han pasado más de 40 años desde que hemos lidiado con una inflación altísima, por lo que tiene sentido que la gente se sienta desanimada por los aumentos de precios que hemos experimentado en los últimos años.
Acumulativamente, EE. UU. El IPC ha subido casi un 20 % desde el inicio de la pandemia:
El ritmo de la inflación se ha ralentizado, pero esos precios más altos ya están preparados.
La gobernadora de la Reserva Federal, Lisa Cook, declaró recientemente en un discurso que cree que la mayoría de la gente quiere que los precios vuelvan a los niveles anteriores a la pandemia:
«La mayoría de los estadounidenses no solo buscan la desinflación. Tú y yo, como macroeconomistas, estamos buscando la desinflación. Están buscando la deflación. Quieren que estos precios vuelvan a estar donde estaban antes de la pandemia«, dijo Cook.
«Esa es mi propia teoría», concluyó. «Pero escucho eso mucho. No tengo que esperar a leer artículos sobre eso, lo escucho de mi familia, de muchas personas diferentes».
Lo entiendo.
La gente no disfruta de la volatilidad económica.
Pero esto no funciona así. Así no es como funciona nada de esto. No puedes mantener tus salarios más altos mientras los precios vuelven a los niveles de 2019. La deflación puede sonar atractiva con respecto a los precios, pero eso también significa salarios más bajos, un menor crecimiento económico y pérdida de empleo.
El gasto de una persona es el ingreso de otra persona. Los salarios más altos provienen de precios más altos o viceversa.
Mientras la economía esté creciendo, la deflación es rara.
Esta es la tasa de inflación anualizada en los EE. UU. desde 1950:
De las casi 900 lecturas mensuales de inflación en este período de tiempo, solo ha habido 33 cifras deflacionarias mensuales. Así que los precios han disminuido menos del 4 % del tiempo desde 1950.
La deflación se produjo en la década de 1950 bajando del nivel de azúcar posterior a la Segunda Guerra Mundial, durante la Gran Crisis Financiera y brevemente en 2015. Eso es todo. El resto del tiempo, los precios subieron.
Mira lo que pasó después del aumento de la inflación de la década de 1970. Nunca tuvimos deflación. Los precios nunca cayeron en la década de 1980 o 1990. Siguieron subiendo, solo que a un ritmo más lento.
La mayor diferencia entre ahora y la década de 1970 es que la gente comenzó a cambiar sus hábitos en ese entonces. Ese no parece ser el caso para el consumidor estadounidense todavía.
Matthew Klein escribió recientemente sobre nuestros hábitos de gasto actuales en The Overshoot:
El gasto en bienes y servicios fabricados en EE. UU. aumentó a una tasa anual del 9 % en el tercer trimestre de 2023. Incluso después de restar la inflación, la producción real aumentó a una tasa anual del 5 %. Parte de ese rendimiento excepcional fue probablemente una casualidad, y debería descartarse en consecuencia. Pero incluso antes del trimestre más reciente de subida fuerte, el gasto total ha estado creciendo constantemente a una tasa anual de poco más del 6 % desde mediados del verano pasado. Además, el gasto ajustado a la inflación por parte de los estadounidenses y EE. UU. El PIB, excluyendo el impacto de los cambios en los inventarios y la balanza comercial, ha estado creciendo consistentemente un poco más rápido del 3 % al año en el período 2023, entre el 1 y el tercer trimestre. En comparación, la demanda interna real aumentó solo un 0,8 % al año en promedio entre el primer y el cuarto trimestre de 2022, a la vez que el gasto nominal total y los ingresos aumentaron alrededor del 7 % al año.
En otras palabras, si bien ha habido una desaceleración significativa en la tasa de aumentos de precios de alrededor del 6 % al año al 3 % al año, la tasa de crecimiento del valor en dólares del gasto y los ingresos se ha desacelerado en mucho menos (del 7 % al año al 6 % al año). Hasta ahora, esto se ha traducido en una aceleración masiva en la tasa de crecimiento de los niveles de vida de los estadounidenses.
Esta es probablemente una de las principales razones por las que los estadounidenses están tan molestos con los precios más altos: siguen pagándolos.
Torsten Slok de Apollo destacó una encuesta de hace pocos días que muestra un número récord de consumidores que planean ir de vacaciones a un país extranjero en los próximos 6 meses:
La gente sigue gastando entre 50 y 60 000 dólares en camiones nuevos, saliendo a comer, yendo a cruceros y de vacaciones a Europa.
Esto no es todo el mundo y ciertamente hay casos en los que la gente está reduciendo sus gastos. Pero en conjunto, el mayor impacto que la inflación ha tenido en los hábitos de los consumidores es que todos nos quejamos más de lo que solíamos. Tal vez sea porque todo el mundo también está gastando más.
Afortunadamente, la tasa de inflación se está desacelerando. Veremos si nuestra tasa de gasto se pone al día con el tiempo.