¿Qué papel juegan las emociones al hacer trading? por Brett N. Steenbarger

¿Qué papel juegan las emociones en tu trading?

¿Cómo aprovechas la intuición que nos ha dado seguir durante tanto tiempo los mercados y sus patrones?

Hace unas semanas escribí sobre los textos de psicología del trading que estaba leyendo y lo que estaba aprendiendo de ellos. Descubrí que leer varios libros sobre un tema determinado abría la puerta a conocimientos únicos. Un tema importante de los libros que leí fue que, en algunos aspectos, estamos programados de manera que nos impide tener éxito en el trading. Si simplemente seguimos nuestros instintos naturales, venderemos cuando las cosas estén muy débiles, compraremos cuando estén fuertes y caeremos presa de mercados sin tendencia.

Desde entonces, he estudiado textos de Jason Williams, Denise Shull, Mike Bellafiore, Ari Kiev, Eve Boboch, Kathy Donnelly y Mark Douglas, ¡y hay más por venir!

Varios de estos autores destacan que las emociones son una fuente común de fracasos al hacer trading, pero señalan que nuestros sentimientos, nuestros instintos, a menudo nos ayudan a identificar oportunidades. Denise Shull hace una distinción valiosa entre tratar de averiguar lo que otros no saben versus averiguar lo que la gente pronto sabrá. En el trading a corto plazo, en particular, podemos anticipar cómo responderá la multitud a varios escenarios y posicionarnos para aprovechar eso. Un buen ejemplo es ver cómo el volumen a corto plazo se expande cuando nos movemos al borde de un rango, estableciendo un interesante breakout. A menudo podemos sentir el impulso de tal movimiento mucho antes de que sea obvio en un gráfico.

Necesitamos un proceso para mantenernos conectados con lo que otros están sintiendo. Eso se llama empatía.

El desafío es que la capacidad de sentir lo que otros van a hacer proviene de largas horas de observación y experiencia. No es diferente a la capacidad del psicólogo para detectar un tema importante en la conversación con un cliente. Acceder a esa intuición empática requiere enfoque y la capacidad de centrarnos en el momento. Esa capacidad de mente abierta se puede entrenar. Cuando nos esforzamos por predecir el mercado es más probable que no identifiquemos lo que realmente está haciendo el mercado y caigamos presa de las emociones de frustración, miedo y avaricia.

El desempleo muestra una señal de alarma por Jay Kaeppel 

• La tasa oficial de desempleo sigue siendo relativamente baja.
• Sin embargo, según una medida, la tendencia del desempleo estará «al alza» a finales de junio.
• Históricamente, esto ha sido a menudo una señal temprana de una inminente recesión.
• No hay garantías de que esta medida sea correcta en esta ocasión, pero no está de más estar al tanto de lo que ha sucedido históricamente.

La tasa de desempleo entra en tendencia alcista

El gráfico (cortesía de www.fred.stlouisfed.org) muestra la tasa nacional estadounidense mensual de desempleo.

Lo que nos dice el estudio

Si fuéramos alarmistas, gritaríamos: «¡Recesión inminente, las acciones van a caer!». Más específicamente, basándonos en los números anteriores, podríamos ser más «gurús» y decir: «Con el 87.5% de probabilidad de declive económico en los próximos nueve meses y 75% de probabilidad de ver los precios de las acciones más bajos en los próximos tres meses». Pero esa no es nuestra función. Nuestro trabajo es analizar datos relevantes y tratar de ponerlos en un contexto histórico. Así que aquí vamos: según una forma arbitraria de medición (la última lectura mensual frente a un promedio móvil de 36 meses), la tasa de desempleo terminará en junio con una nueva tendencia alcista. Históricamente, esto tendía a ser seguido por debilidad en el mercado de valores desde las siguientes dos semanas a seis meses y una debilidad económica más amplia en los próximos nueve meses. Las principales señales de peligro son que el tamaño de la muestra es pequeño y que el rendimiento pasado nunca garantiza resultados futuros.

La importancia de un buen screener por Gerard Sánchez

• Tener la capacidad de seleccionar activos que cumplan con nuestros criterios es parte fundamental de una operativa efectiva y sistemática. ¿Cómo podemos crear un buen screener?
• Artículo publicado en Hispatrading 51.

La búsqueda de oportunidades en los mercados es un camino que recorremos constantemente. Gracias a la democratización de gran parte de los datos financieros, hoy día no es difícil realizar herramientas que nos facilite esta tarea. 

En esta ocasión quiero mostraros un pequeño prototipo de screener altamente configurable que espero pueda resultar de utilidad. Para que sea replicable por cualquiera, voy a utilizar datos gratuitos de Yahoo Finance, con lo que vamos a estar limitados a realizar los análisis en temporalidad diaria.

Primero de todo, importaremos las librerías necesarias para poder crear nuestra herramienta:

import yfinance as yf

import pandas as pd

import yahoo_fin.stock_info as si

import pandas_ta as ta

import numpy as np

Descargaremos los datos de compañías del Nasdaq, algo más de 4000 empresas, estas serán las que nos sirvan para el ejemplo. 

Utilizaremos la función de tickers_nasdaq(), que hace una petición ftp a ftp.nasdaqtrader.com y se descarga los componentes actuales, para a continuación descargar los datos de velas de “yahoo finance” (gratuitos) diarios.

Eliminaremos compañías que no tengan suficiente histórico con dropna(axis=1) para el periodo que queramos.

data = yf.download(si.tickers_nasdaq(), start=’2022-12-01′).dropna(axis=1)

data.index = pd.to_datetime(data.index)

Ahora viene la parte entretenida. Aquí vamos a crear los indicadores que creamos necesarios a la hora de screenear. Tened en cuenta que no necesariamente tendríamos por qué usar OHLC. Podríamos usar datos fundamentales, outputs de modelos, etc… todo depende de lo que dispongamos. Para este ejemplo se hará algo que todo el mundo pueda replicar de forma gratuita y sin demasiada dificultad.

Os propongo una batería de indicadores clásicos de análisis técnico. Analizar los gaps, la diferencia entre el máximo y el mínimo diarios y la apertura del día/cierre (amplitud), el rate of change o retornos, el volumen relativo, la distancia con respecto a máximos anuales en porcentaje, días consecutivos de caída (en este caso 2), la volatilidad, medias móviles (periodos a escoger), el internal bar strength, el precio típico, y el rsi en varias longitudes.

gap = data[‘Open’]/data[‘Close’].shift(1)

high_low = data[‘High’]/data[‘Low’]

open_close = data[‘Open’]/data[‘Close’]

roc = data[‘Close’].pct_change()

volume_diff = data[‘Volume’]/data[‘Volume’].rolling(10).mean()

annual_max_dist = (data[‘Close’]/data[‘Close’].rolling(252).max() – 1) * 100

consecutive_2_falling_days = ((roc < roc.shift(1)) & (roc.shift(1) < roc.shift(2))).astype(int)

volatility =  roc.rolling(window=252).std() * np.sqrt(252)

means = [data[‘Close’][data[‘Close’].columns].apply(lambda x: ta.sma(x, length=l)) for l in range(10,101,10)]ibs = (data[‘Close’] – data[‘Low’]) / (data[‘High’] – data[‘Low’])

ibs = (data[‘Close’] – data[‘Low’]) / (data[‘High’] – data[‘Low’])

typical_price = (data[‘High’] + data[‘Low’] + data[‘Close’]) / 3

rsi = [data[‘Close’][data[‘Close’].columns].apply(lambda x: ta.rsi(x, length=l)) for l in [2,10,14]]

Todo esto lo calculamos en distintas variables tipo DataFrame que van a tener el mismo tamaño de filas y columnas, por lo que luego, simplemente comparando valores, tendremos una forma fácil y amigable de ver cuándo se cumplen nuestros criterios en función de si los valores son “True” (verdaderos) o “False” (falsos).

Ahora toca ser hábiles con los filtros. Podemos jugar con todo lo que hemos calculado.

mask = ((gap > 1.5) & (roc > 1.5) & (volume_diff > 2)).astype(int).loc[data.index.year >= 2024]

mask2 = ((consecutive_2_falling_days == 1) & (annual_max_dist > -10) & (volatility > 1.5) & (gap > 1)).astype(int).loc[data.index.year >= 2024]

Por ejemplo, en el primer filtro llamado “mask”, buscamos compañías con un gap superior al 50%, con un retorno sobre el día anterior del 150% y un volumen relativo 2 veces superior a la media de los últimos 10 días. Estamos buscando acciones que acaben de “despertar”, con grandes revalorizaciones y probablemente de pequeña capitalización.

En el segundo filtro buscamos compañías que lleven 2 días de caídas consecutivas, que tengan una distancia sobre máximos del 10% o superior y con una volatilidad anualizada de 1.5 o superior.

Imaginación al poder. Os sugiero que intentéis ampliar la cantidad de indicadores y filtros, es muy divertido y puede ser muy útil.

Para acabar, nos falta poder visualizar qué compañías cumplen los criterios escogidos. Mostramos qué compañías cumplen los criterios para el último año en periodos diarios:

selected_stocks_by_date = {}

for date in mask2.index:

    selected_tickers = mask2.loc[date][mask2.loc[date] == 1].index.tolist()

    selected_stocks_by_date[date.strftime(‘%Y-%m-%d’)] = selected_tickers

for date, tickers in selected_stocks_by_date.items():

    print(f»On {date}, selected tickers: {tickers}»)

Ahora podemos pasar a una fase de análisis posterior, conociendo qué empresas vamos a tener en nuestra “watchlist”.

¡Dios mío! ¡Compré una acción equivocada!: Lead-Lag Effect por Quantpedia

Este nuevo estudio tiene como objetivo investigar el Lead-Lag Effect entre las acciones prominentes y ampliamente reconocidas y las acciones más pequeñas y menos conocidas con símbolos de ticker similares (por ejemplo, TSLA / TLSA), un fenómeno que ha recibido una atención limitada en la literatura financiera. La motivación detrás de esta exploración se deriva de la hipótesis de que los inversores, especialmente los inversores minoristas, pueden operar inadvertidamente en acciones menos conocidas debido a la confusión de los símbolos del ticker, lo que afecta sus movimientos de precios de una manera que se correlaciona con las acciones líderes. Al examinar este posible efecto de identificación errónea, nuestra investigación busca arrojar algo de luz sobre este interesante factor.

Investigar los errores ortográficos entre los tickers de acciones es un área intrigante de investigación que se cruza con las finanzas, la lingüística, la psicología y la economía. Comprender este efecto podría proporcionar información valiosa y traducirse en estrategias que explotan tales ineficiencias.

Antecedentes y literatura relacionada

Un símbolo de cotización (también conocido como símbolo de acciones) es una abreviatura única que se utiliza para identificar las acciones que cotizan en bolsa de una empresa específica en un mercado de valores en particular. Estos símbolos sirven como abreviatura para que los inversores identifiquen y negocien acciones. Mientras que los EE. UU. La Comisión de Valores y Bolsa (S.E.C.) otorga a las empresas una discreción razonable en la selección de sus símbolos de cotización, hay pautas a seguir. El símbolo elegido debe ser original (no replicar el ticker de otra empresa) y apropiado.

Las empresas intentan encontrar tickers que sean fáciles de recordar y únicos. Sin embargo, debido al alto número de empresas que cotizan en los EE. UU., muchas empresas tienen tickers que pueden ser fáciles de confundir.

Literatura existente

El primer artículo conciso detrás del desarrollo de nuestra investigación fue el análisis de Typo Trading de ballenas inusuales (sección de «Typo Trading», también conocido como Levenshtein Basket):

• Comienzan afirmando que el advenimiento del trading de cero comisiones y la accesibilidad sin precedentes al conocimiento del mercado a través de las redes sociales transformaron el mundo del trading y la inversión, que especialmente «explotó» en 2020-2021 con el desplome causado por el COVID y el primer rally de acciones memes.
• Pero se mueven aún más hacia el tema de nuestro interés hoy en día: «trading de errores tipográficos«.
• También se refieren ampliamente a la distancia Levenshtein, una métrica de cadena que mide las diferencias entre dos secuencias; entre dos palabras, es el número mínimo de ediciones de un solo carácter (inserciones, eliminaciones o sustituciones) necesarias para cambiar una palabra a otra.
• Proporcionan explicaciones plausibles para las que esto puede funcionar desde el PoV fundamental (punto de vista):
  • Una vez que se publica la noticia que empuja a las acciones minoristas más alto, esta presión de compra se filtra en las acciones dentro de la cesta de Levenshtein que normalmente y de otra manera no está correlacionada.
  • El trading con teléfonos inteligentes fomenta un comportamiento arriesgado, que implica involuntariamente el trading de diferentes valores (por ejemplo, causado por dedos relativamente grandes en un teclado pequeño).

Las otras cosas posibles a tener en cuenta son:

• Los inversores asiáticos también pueden tener dificultades para diferenciar entre los tickers, ya que sus mercados dependen de los números en lugar de la costumbre de las letras del mercado estadounidense para sus tickers de acciones.
• La confusión de nombres y tickers es más común que el problema de las «operaciones de dedo gordo» cuando se compran las acciones incorrectas debido a una clave que se escribió accidentalmente. Este es un tema recurrente en los puntos de venta financieros populares que intentan informar sobre temas y sensaciones rimbombantes.

También hay muchos artículos financieros populares, pero bajo la portada, podría haber algunas cosas aplicables y comprobables. El resumen del artículo de dos profesores de la Rutgers School of Business-Camden, en un próximo número del Journal of Financial Markets, encontró que más de la mitad de las empresas estadounidenses que cotizan en bolsa comparten una «parte significada» de sus nombres o tickers con otra empresa, a menudo en una industria separada y con una capitalización de mercado dramáticamente diferente.

De ese grupo, hay alrededor de 250 pares de empresas donde la posibilidad de confusión es particularmente alta, y una cuarta parte de ellos mostraron similitudes estadísticamente significativas en los patrones que solo se pueden explicar por casos de identidad errónea. Según sus estimaciones, las operaciones realizadas por error, en promedio, cuestan a los inversores 1,1 millones de dólares por par al año en costos de transacción.

Sin embargo, nuestro objetivo no es estudiar las derivas intradía o diarias en las acciones causadas por el trading ejecutado por errores tipográficos en caso de que haya algún evento notable en las principales acciones. Estamos más interesados en estudiar si hay una deriva a largo plazo en las acciones mal tipificadas (por ejemplo, TLSA) si las acciones líderes (por ejemplo, TSLA) funcionan bien. Por lo tanto, nuestro estudio es más similar a los documentos que discuten los vínculos entre las acciones relacionadas.

Uno de esos documentos relacionados es de Hulley, Liu y Phua, 2024, quienes en su búsqueda de inversores y precios de activos demuestran que una estrategia de cartera de impulso basada en la relación de la empresa, identificada a través de las búsquedas conjuntas de EDGAR, predice rendimientos futuros. Estos resultados son sólidos para los controles de las características de la empresa, los rendimientos de otros factores de impulso de desbordamiento y las anomalías conocidas en los precios de los activos. Esta solidez sugiere que el factor de búsqueda co (CE) de EDGAR revela información única no capturada por las medidas tradicionales de parentesco. Es importante destacar que los rendimientos de los factores de la CE pueden explicar aquellos basados en la cobertura compartida de los analistas, lo que implica que EC abarca la información contenida en las redes de analistas.

Funciona ya que las empresas pueden tener similitudes y relacionaciones fundamentales, como operar en la misma área geográfica e industrias, ser clientes/proveedores, etc. Comprender esta relación tiene implicaciones para la previsibilidad de los rendimientos entre activos porque la información puede fluir a través de estos vínculos de forma lenta.

Conceptualización de nuestro estudio

Por lo tanto, nuestro objetivo es explorar los datos de los pares de algunas acciones seleccionadas, a menudo compradas y vendidas por error, e investigar si hay un Lead-Lag Effect. Todas las inspiraciones para los tickers, sus pruebas de viabilidad iniciales y la inclusión o exclusión provienen de los artículos mencionados en el capítulo anterior.

La lista de candidatos potenciales recopilada utilizando artículos y artículos anteriores se evaluó para determinar su idoneidad para su inclusión (mezclas de nombre común y ticker de Quartz).

Muchos de nuestros candidatos fueron descartados («echados») porque

• eran solo ETF recién creados (con pocos días negociados, de ahí la muestra de datos casi inexistente),
• los sacados,
• tomado en privado o
• relegado a pink sheet (OTC) [no cumplía con los requisitos reglamentarios del NASDAQ, por ejemplo, como un precio de al menos 1 $),
• penny stocks.
• Algunas de las alternativas propuestas (por ejemplo, ES [stock] / ES [futures]) fueron desechadas (posiblemente porque es una relación de activos cruzados que no queríamos perseguir y soportar más en este momento).

Datos

La muestra de datos es del 31.5.2019 – 31.3.2024, ya que la primera fecha es de la unión a partir de las fechas de todos los datos disponibles para todas las acciones.

Comprobamos la mayoría de las acciones a través de Yahoo Finance con la sintaxis https://finance.yahoo.com/lookup? s={{TICKER}} (donde {{TICKER}} se reemplaza, por supuesto, por el candidato del mundo real).

Después de la debida diligencia de viabilidad, recopilamos datos diarios históricos de cotización de acciones de YF y los filtramos y muestreamos para EOM (fin de mes) después.

Nuestra hipótesis es que las empresas más grandes (mayor capitalización de mercado) lideran a las empresas más pequeñas (menor capitalización de mercado).

(Me pregunto cuántos conoces… y comparemos esta lista con la segunda selección).

Y como es gratuito para fines de estudio, descargamos datos también para: SPY (SPDR S&P 500 ETF).

Resultados

En primer lugar, centrémonos en las estrategias de larga duración, que son más convenientes para los inversores minoristas interesados. Más tarde, también echaremos un vistazo a las variantes de estrategia larga-corta.

A continuación se presentan los gráficos de las curvas de capital y nuestros informes de tabla cuasi estándar de las métricas de rendimiento más importantes:

La cartera fija de solo largo plazo (peso de 1/8 asignado a cada acción rezagada cuando las acciones líderes tienen un rendimiento positivo de X mes) funciona satisfactoriamente, excepto por un retraso de 6 meses. Desafortunadamente, a pesar de que el rendimiento de la estrategia a largo plazo es positivo, no supera el rendimiento de SPY sobre una base ajustada al riesgo durante el mismo período.

La ponderación proporcional produce resultados que superan a la inversión en índices, aunque con mayor volatilidad, ratios de Sharpe desfavorables y máximo drawdown.

Ahora, en comparación con la lista: SPY ganó casi un 20 % anual durante el período mencionado anteriormente, con parámetros de riesgo favorables superando a nuestras variantes propuestas. Las estrategias a largo no parecen un camino para superar al mercado pasivo (al menos en esta muestra limitada).

Ahora, revisemos el rendimiento de las estrategias long y short, que utilizan el esquema de ponderación fijo y también proporcional.

Las estrategias long-short que utilizan la ponderación proporcional son bastante volátiles, ya que, en algunos casos, solo 1 o 2 acciones están en una parte corta (o larga) de la cartera en cualquier mes en particular. Por lo tanto, su contribución al riesgo es sustancial. Las estrategias long-short que utilizan una ponderación fija son significativamente menos arriesgadas. Además, todos los períodos de clasificación a medio y largo plazo (3M, 6M, 12M) ofrecen un rendimiento interesante y una relación de Sharpe para una estrategia de factor largo-corto de renta variable neutral en el mercado.

Autor: Cyril Dujava, Analista Cuantitativa, Quantpedia

Inflación ¿por qué esas caras? por Ed Yardeni

Entre los temas más candentes en las mesas de los restaurantes, juntas corporativas e incluso en las oficinas de campaña electoral, se encuentra la inflación. El tema de la inflación ha subido junto con la inflación misma, pero no parece estar enfriándose a la par.

La economía estadounidense ha enfrentado su primer episodio significativo de presiones de precios desde la década de 1980, después de que las medidas de estímulos por la pandemia aumentaran la demanda en medio de una oferta drásticamente reducida. Sin embargo, la inflación de precios al consumidor está cayendo: el PCED está por debajo del 2.7% ahora, muy lejos de su pico del 7.1% de hace dos años y finalmente acercándose al objetivo del 2.0% de la Fed.

Entonces, ¿por qué parece que todo el mundo sigue tan molesto por la inflación? De hecho, cada vez más economistas se preocupan menos por ella porque están siguiendo la tasa de inflación anual. En este sentido, la inflación ciertamente se ha moderado lo suficiente. Por otro lado, la mayoría de los consumidores recuerdan cuánto más bajos eran los precios al inicio de la pandemia alrededor de marzo de 2020. En otras palabras, los consumidores están observando el cambio porcentual de precios en cuatro años y no les gusta lo que ven. ¡Y con razón!

Consideremos lo siguiente:

1. Tasas de inflación a cuatro años. La frustración con la inflación proviene del simple hecho de que los precios son dramáticamente más altos que al inicio de la pandemia: el PCED ha subido un 18.1% desde marzo de 2020. La inflación golpea a consumidores y negocios en oleadas: las cadenas de suministro enredadas y un influjo de demanda hicieron que los precios de los productos básicos y los bienes duraderos como automóviles y muebles se dispararan durante 2020 y 2021.

   Ahora, los precios de los bienes están realmente deflacionando mientras que los servicios se encarecen, aunque a un ritmo más lento. Pero aunque los precios de la gasolina y los alimentos apenas están subiendo, si no es que están bajando, lo que molesta a los consumidores es que la gasolina y otros combustibles para motores son un 57.5% más caros y los servicios de alimentos un 25.3% más caros que al inicio de la pandemia en marzo de 2020.

   Varios otros elementos esenciales también son mucho más caros que antes de la pandemia, incluyendo: reparaciones de electrodomésticos (42.0%), servicios veterinarios y para mascotas (33.1%), mantenimiento y reparaciones de automóviles (33.0%), alquiler de inquilinos (22.6%), vivienda y servicios públicos (22.5%) y seguro de salud (21.4%).

   Dicho esto, los aumentos salariales para los trabajadores de bajos ingresos han mantenido en gran medida el ritmo de la inflación. Los ingresos promedio por hora para la producción y los salarios no supervisores han subido un 24.2% desde que comenzó la pandemia. Los salarios privados totales han subido un 21.3%.

2. Tasas de interés. El costo del dinero es sustancialmente más alto que en cualquier otro momento desde 2007. Y aunque los consumidores pueden soportar estas tasas, habiendo refinanciado sus hipotecas y ampliamente reducido su carga de deuda en los últimos años, aún es más caro pedir prestado. Las tasas de tarjetas de crédito han subido al 21.6% desde el 14.5% en el segundo trimestre de 2020 y las tasas de préstamos para automóviles han subido al 8.6% desde el 5.1%, y más prestatarios de baja calidad (alta tasa de uso) están incurriendo en morosidad como resultado.
3. Asequibilidad de la vivienda. El mayor gasto y fuente de equidad para la mayoría de los hogares es su vivienda. La cerca blanca es el centro del Sueño Americano. Pero el hogar promedio apenas puede permitirse la vivienda promedio, según la Asociación Nacional de Agentes Inmobiliarios. La asequibilidad se ve tan mal como justo antes del colapso inmobiliario, con el estadounidense promedio experimentando una falta de asequibilidad no vista desde la década de 1980.

   Las altas tasas hipotecarias mantienen a muchos propietarios donde están, y no se está ofreciendo suficiente suministro nuevo. Las leyes de zonificación y las regulaciones crean obstáculos para la construcción, y la inmigración ejerce presión al alza sobre la demanda. Creemos que podría llevar años para que el mercado de la vivienda se recupere de su recesión prolongada.

Una divergencia en el sector tecnológico en máximos históricos por Sentimentrader

• A medida que el Nasdaq 100 alcanza máximos históricos, menos acciones están en tendencias alcistas y más están alcanzando nuevos mínimos.
• Esto es evidente en varios marcos temporales, a un nivel nunca antes visto.
• En circunstancias similares, el Nasdaq 100 rara vez, o nunca, evitó los problemas a medio plazo.

Más y más nuevos mínimos

El Nasdaq 100, dominado por grandes tecnológicas, sigue alcanzando máximos históricos. Sin embargo, muchas de sus acciones no solo están rezagadas, sino que están cayendo a mínimos mensuales, trimestrales o incluso anuales.

Esto no es normal. De hecho, nunca había ocurrido a este grado.

Por ejemplo, el porcentaje de acciones en el Nasdaq 100 que están alcanzando máximos de 1 mes menos las que están alcanzando mínimos de 1 mes. Es un número negativo, lo que significa que más acciones están cayendo a mínimos mensuales que subiendo a máximos mensuales.

Lo que nos dice el estudio

Cualquiera que haya leído nuestros estudios durante los últimos años debería entender claramente que no somos pesimistas. Las acciones suben la mayor parte del tiempo, y esas probabilidades aumentan significativamente cuando las condiciones subyacentes son saludables, como lo han sido durante la mayor parte del último año y medio.

Las cosas han cambiado en las últimas semanas, con más y más problemas surgiendo, particularmente en el Nasdaq. Hay muchos problemas débiles en ese mercado, e incluso dentro del índice Nasdaq 100. Este es un cambio drástico respecto a lo que habíamos estado viendo. Si bien existe la posibilidad de que la acción promedio se ponga al día con el índice, eso no es lo que suele suceder. Casi nunca, de hecho. El riesgo es alto en ese índice.

Oferta y demanda en el mercado de valores por Ben Carlson

Un lector pregunta:

Recientemente citaron a Torsten Slok en dos episodios de podcast, mencionando que las compañías de capital privado con más de 100 millones de dólares en ingresos constituyen el 87% de esa categoría, en comparación con solo el 13% de las compañías que cotizan en bolsa en la categoría de 100 millones en ingresos, y ese número sigue aumentando.

Dicho esto, ¿es esta UNA de las razones por las que los precios de las acciones parecen aumentar continuamente? A medida que las compañías de capital privado continúan aumentando en número, hay menos compañías que cotizan en bolsa, por lo tanto, ¿hay más dinero persiguiendo el número cada vez menor de compañías públicas?

Aquí está esa estadística de Torsten Slok de Apollo:

The Atlantic compartió algunos datos sobre la disminución del número de acciones que cotizan en bolsa junto con el crecimiento correspondiente en las inversiones de capital privado:

Las empresas que cotizan en bolsa están desapareciendo. En 1996, había aproximadamente 8,000 empresas listadas en el mercado de valores de EE. UU. Desde entonces, la economía nacional ha crecido en casi 20 billones de dólares. La población ha aumentado en 70 millones de personas. Y, sin embargo, hoy en día, el número de empresas públicas estadounidenses es inferior a 4,000. ¿Cómo puede ser eso?

Una respuesta es que la industria del capital privado las está devorando.

En el año 2000, las firmas de capital privado gestionaban aproximadamente el 4 por ciento del capital corporativo total de EE. UU. Para 2021, ese número estaba más cerca del 20 por ciento. En otras palabras, el capital privado ha crecido casi cinco veces más rápido que la economía estadounidense en su conjunto.

El capital privado gestionaba menos de 1 mil millones de dólares a mediados de la década de 1970. Hoy en día, es más de 4 billones de dólares. Hay más de 2.5 billones de dólares en dry powder a nivel mundial:

El capital privado es ahora una parte importante de la economía de EE. UU. y mundial.

Echemos un vistazo al número decreciente de acciones públicas en los EE. UU. (Barron’s):

Hemos pasado de más de 7,000 acciones a mediados de la década de 1990 a más como 3,500 ahora. El número de empresas públicas se ha reducido a más de la mitad.

El Wilshire 5000 es más como el Wilshire 3500. El Russell 3000 actualmente tiene solo 2,668 acciones, mientras que el Russell 2000 tiene solo 1,665 acciones.

Hemos llegado al punto en que los índices parecen publicidad engañosa.

Desde una perspectiva puramente de oferta y demanda, tendría sentido que más dólares persiguiendo menos acciones aumentaran los precios.

Pero hay más en juego. También tienes que mirar los tipos de empresas que han desaparecido.

Ese aumento en nuevas corporaciones durante la década de 1990 fue algo así como una aberración de la burbuja de las puntocom. Eran principalmente pequeñas empresas de micro-capitalización.

Vanguard compartió los datos sobre esto con Institutional Investor hace unos años:

Rowley dice que la proporción de empresas de gran capitalización, mediana capitalización y pequeña capitalización que componen la capitalización total del mercado es muy consistente desde 1979. Dice que muchos analistas han tomado 1996, que tuvo un número récord de empresas públicas, como un punto de anclaje de facto. Sin embargo, los mercados de finales de la década de 1990 estaban en un punto alto, con muchas empresas ansiosas por salir a bolsa y aprovechar las valoraciones ricas.

“Si miras la tendencia general en la historia, hay un aumento en el número de empresas públicas hasta 1996, y ha habido una disminución desde ese punto”, dice Rowley. “Pero, de nuevo, es casi exclusivamente el dominio de las acciones de micro-capitalización”.

En 1979, había 2,044 empresas públicas de micro-capitalización. En 1997, había 4,193, y en 2014 había 1,549. Pero son una pequeña parte del universo de acciones que cotizan en bolsa. En 1979 y 1997, las micro-capitalizaciones representaban el 3 por ciento del mercado. En 2014, las micro-capitalizaciones representaban el 2 por ciento del mercado. Las micro-capitalizaciones cayeron al 1 por ciento en 2016.

La mayoría de esas empresas de micro-capitalización de la década de 1990 terminaron cerrando porque no tenían un modelo de negocio o fundamentos. Estaban buscando aprovechar la euforia en un momento en que no había tanto dinero de capital de riesgo o de capital privado flotando.

Y las empresas de micro-capitalización son una fracción del mercado de valores de EE. UU. desde una perspectiva de capitalización de mercado.

Tener diez billetes de un dólar no te pone en una mejor posición que la persona que tiene un solo billete de cien dólares.

Claro, hay algunas empresas más pequeñas que los inversores han perdido debido a más dinero de capital de riesgo, actividad de fusiones y adquisiciones y buyouts. Pero se podría argumentar que las empresas restantes son ahora de mayor calidad debido a esto.

Michael Mauboussin escribió un artículo sobre la disminución del número de acciones en 2017 haciendo exactamente este argumento. Esta fue la conclusión principal de ese informe:

Como resultado, las empresas que cotizan en bolsa hoy en día son, en promedio, más grandes, más antiguas y más rentables de lo que eran hace 20 años. Además, operan en industrias que generalmente están más concentradas. El tamaño general y la madurez de las empresas que cotizan en bolsa significa que es más probable que paguen efectivo a los accionistas en forma de dividendos y recompra de acciones que las empresas en el pasado.

Especulamos que la maduración de las empresas que cotizan en bolsa también ha contribuido a la eficiencia informativa en el mercado de valores. Ganar ventaja en negocios antiguos y bien establecidos es probablemente más difícil que en empresas jóvenes con perspectivas inciertas. A su vez, la mayor eficiencia puede ser uno de los catalizadores para el cambio que los inversores están haciendo de estrategias activas a estrategias indexadas o basadas en reglas.

Tiene sentido que esto haya creado un entorno donde ahora es más difícil superar al mercado.

Hay muchas razones por las que el mercado de valores ha ido subiendo con el tiempo.

El número de acciones listadas en la bolsa no es una de ellas.

Discutimos esta pregunta en la última edición de Ask the Compound:

Barry Ritholtz se unió en el programa de esta semana para responder preguntas sobre la tasa de inflación real, cómo funciona el deber fiduciario, preocupaciones sobre la deuda del gobierno de EE. UU. y si veremos una avalancha de viviendas en el mercado cuando los baby boomers comiencen a morir.

Introducción a la estrategia de trading en grid [Estudio] por Quantpedia

El trading en grid es una estrategia automatizada de trading de divisas en la que un inversor crea un «grid de precios» o cuadrícula. La idea básica de la estrategia es comprar repetidamente al precio preestablecido y luego esperar a que el precio suba por encima de ese nivel y luego vender la posición (y viceversa con operaciones en corto y cobertura). Exploraremos los conceptos básicos y mostraremos escenarios favorables y desfavorables en el primer artículo sobre este estilo de negociación. Los artículos posteriores profundizarán e investigarán cómo se relaciona el trading en Grid con otras estrategias de trading sistemáticas.

Introducción

En una operación de grid, un trader primero establece su precio de referencia inicial. Luego, se colocan varias órdenes de compra a la vez por debajo de este precio de referencia en varios niveles (generalmente pares) establecidos por la cuadrícula. Las órdenes de venta se emparejan con cada orden de compra y se establecen por encima de los precios en las órdenes de compra. Lo mismo se puede hacer (y generalmente se hace) con el lado corto, creando una cuadrícula de pedidos cortos y de cobertura.

Un inversor necesita establecer varios parámetros para automatizar el sistema. Estos parámetros incluyen el precio más alto, el precio más bajo, las propias cuadrículas, el tamaño de la posición y los stop loss.

El precio más alto y el precio más bajo del grid generalmente se establecen en función del rango de precios histórico reciente, es decir, entre los precios más altos y más bajos recientes del mercado en un período determinado. Por lo tanto, los parámetros se basan en gran medida en la volatilidad pasada del par de divisas.

A continuación, la cuadrícula nos dice cuántas órdenes pendientes se colocan dentro del rango de precios establecido. Al configurar la cuadrícula, debemos tener en cuenta las comisiones por ejecución. La cuadrícula no debe ser demasiado densa; de lo contrario, es posible que la ganancia no sea lo suficientemente alta para cubrir las comisiones. Por último, el tamaño de la posición es la cantidad de dinero o la fracción de cuenta que utiliza un operador para realizar operaciones en el grid.

Escenario favorable

La siguiente imagen muestra un escenario favorable de una estrategia de negociación en grid. Comenzamos en la línea gris, que representa nuestro precio inicial. Colocamos la primera orden de compra cuando la divisa negociada alcanza la primera línea roja (cuadrícula). Debido a que el precio del par de divisas disminuye, colocamos la segunda, tercera y cuarta orden de compra a medida que llegamos a la segunda, tercera y cuarta línea roja (cuadrícula). Debido a que superamos nuestro precio más bajo preestablecido, no colocamos más órdenes de compra, a pesar de que la moneda de negociación sigue disminuyendo. A medida que aumenta la moneda, comenzamos a realizar órdenes de venta. Realizamos una orden de venta cuando el precio aumenta a una longitud de cuadrícula y media desde el precio en el que colocamos la orden de compra.

Además, podemos realizar acciones inversas a medida que el valor de la divisa negociada aumenta y alcanza las líneas verdes. Por ejemplo, podemos abrir una posición corta cada vez que pasamos una línea verde y cerrarla cuando la divisa disminuya a una longitud de cuadrícula y media desde el precio donde abrimos la posición corta, como se ilustra en la siguiente imagen.

Como puede ver, este tipo de estrategia se basa en el supuesto de que los precios oscilarán durante el día. Por lo tanto, si el precio solo bajara (/ subiera), no podríamos cerrar la posición en ganancias y eventualmente perderíamos (cantidad ilimitada de) dinero.

Parámetros adicionales

Para evitar pérdidas ilimitadas como se mencionó anteriormente, se pueden agregar más parámetros (/ setups) al modelo. Uno de los más típicos es el “Stop Loss Price”. Este precio tiene que ser más bajo que el precio más bajo. Si el precio de la divisa de negociación cae al precio de Stop Loss, el sistema activará una operación de Stop Loss que vende todas las posiciones de compra abiertas en una cuenta. Esta operación evita mayores pérdidas provocadas por la caída de los precios de las divisas negociadas.

Otra opción incluye establecer también el precio de activación. Un interruptor, que permite que el trading se active solo cuando el precio de mercado de la divisa alcanza el precio de activación.

Además, hay dos tipos de cuadrícula: aritmética y geométrica. Al aplicar la cuadrícula aritmética, cada cuadrícula genera la misma ganancia, por ejemplo, $ 10. Por lo tanto, este tipo de cuadrícula es más adecuado para rangos de precios más pequeños. Por otro lado, la cuadrícula geométrica, que es más adecuada para rangos de precios más grandes, genera la misma tasa de retorno (por ejemplo, 1.0%) para cada cuadrícula.

Cuando funciona y cuando … no

El trading en grid es un ejemplo de manual de una estrategia de trading de martingala. Esto significa que la estrategia aumenta el riesgo y el apalancamiento con pérdidas crecientes (a menos que se haya alcanzado un stop-loss). Es de naturaleza similar al conocido ejemplo de la estrategia de apuestas de la ruleta: apueste siempre en un color y, si pierde, duplique su apuesta hasta que gane de nuevo (o hasta que se arruine).

Las técnicas modernas de dimensionamiento de posiciones y administración de dinero generalmente funcionan exactamente de manera opuesta, es decir, disminuyen el riesgo después de las pérdidas y aumentan el riesgo después de las ganancias. Dicho esto, esto no significa que el trading en grid sea malo o no rentable. Es arriesgado de otra manera.

Los entornos en los que las estrategias de grid prosperan literalmente son en los rangos de precios, las oscilaciones y los mercados laterales. El trading en grid es una estrategia ideal para esos períodos. Por otro lado, la estrategia de negociación del grid fácilmente deja de ser rentable si la tendencia de los mercados es persistente. En otras palabras, si el precio se mueve solo en una dirección y no gira.

Informes de rendimiento del trading en grid

Digamos que tenemos una estrategia de trading en grid de divisas intradía, que restablece la cuadrícula (y cierra todas las operaciones) todos los días. Hay dos formas de informar los resultados de esta estrategia. Puede informar el valor real de la cartera cada minuto: informe Mark To Market (MTM). O puede informar el valor de la cartera solo cuando se cierra una operación.

El «informe de operaciones cerradas» puede crear la ilusión de una estrategia muy rentable hasta el final del día, cuando todas las posiciones están cerradas. Esto se debe a la forma en que funcionan las estrategias de negociación del grid. Las únicas operaciones que se cierran durante el día son las ganadoras. Sin embargo, podemos esperar grandes saltos cuando todas las operaciones (incluidas las perdedoras) se cierran al final del día.

El siguiente cuadro muestra los dos métodos de presentación de informes antes mencionados. Como podemos ver, la primera forma de reportar (línea azul) muestra el valor de la cartera cada minuto, mientras que el segundo tipo (línea roja) tiene grandes saltos repentinos al final de los días.

¿Qué curva de equidad preferiría? Bueno, la roja duele menos, ¿verdad?

Análisis de la estrategia de trading en grid

Analizamos una estrategia de trading de grid simple en EUR / USD utilizando datos de un minuto. El punto de partida de nuestro conjunto de datos es 21.1.2021 23:00, y el punto final es 2.2.2021 7:40, lo que nos deja con 10926 puntos de datos (siete días de negociación).

Al final de cada día, cerramos todas las posiciones abiertas para «empezar de nuevo» al día siguiente. Se establece un precio de referencia al comienzo de cada día como el primer precio de apertura del nuevo día. Luego, la cuadrícula se crea de acuerdo con este precio en función de la volatilidad del día anterior. La volatilidad, en nuestro ejemplo, rondaba el 0,4%.

Para el primer ejemplo, decidimos usar diez niveles de cuadrícula para el lado largo y diez niveles de cuadrícula para el lado corto. La distancia entre el precio de referencia y las primeras líneas de la cuadrícula, así como la distancia entre las líneas de cuadrícula individuales, se calcula como el 10% de la volatilidad del día anterior.

Cada vez que llegamos a una línea de cuadrícula por debajo (/ por encima) del precio de referencia, abrimos una posición larga (/ corta). Luego, la posición se cierra cuando el precio de la divisa negociada aumenta (/ disminuye) a una longitud de cuadrícula y media desde el precio donde abrimos la posición larga (/ corta).

El segundo ejemplo muestra una estrategia similar, con una única diferencia. Esta vez usamos 20 niveles de cuadrícula. Esto significa que la distancia entre líneas de cuadrícula individuales se calcula como el 5% de la volatilidad de ayer. Esperamos que esta estrategia funcione de manera similar, pero también esperamos que la diferencia entre los informes MTM y los informes de operaciones cerradas sea mucho más significativa. La diferencia entre las dos formas de informar se debe al hecho de que 20 niveles de cuadrícula permiten ganancias más pequeñas. Sin embargo, cada vez que abrimos una nueva operación, todas las operaciones ya abiertas están perdiendo. Entonces, si la curva no cambia al final del día, la pérdida es mucho mayor.

El último ejemplo que presentamos es de la misma estrategia de negociación del grid que se mostró en el primer ejemplo. Sin embargo, en esta ocasión analizamos un período de tiempo en el que el precio no ha oscilado tanto durante el día y, por tanto, la estrategia no es rentable. El período de tiempo en este ejemplo es 7 días después, es decir, desde el 2.2.2021 a las 8:55 hasta el 11.2.2021 a las 20:25, lo que nos deja con 10926 puntos de datos (una vez más, 7 días de negociación).

Como puede ver, hay varios días perdidos seguidos. Esto se debe al hecho de que el precio no ha oscilado durante el día. En cambio, tendió en una dirección. Incluso si el precio aumenta durante un día y cae durante el siguiente, seguimos perdiendo dinero al aplicar esta estrategia, si el precio mostró una tendencia durante el día. Para tener una estrategia rentable de negociación en grid, que se reinicia al final de cada día, necesitamos que el precio oscile durante el día.

Lecciones de éxito que necesitamos aprender por Ray Barros

El modelo de éxito de Mark Douglas es uno de los mejores que he encontrado. Mark cree que hay tres lecciones independientes que un trader debe aprender:

• Debe aprender a pensar en probabilidades (un trader desarrolla un plan de trading con una ventaja junto con un enfoque efectivo de gestión del dinero. Aprende a ver cada operación como parte de un resultado general en lugar de una cuestión de vida o muerte).
• Debe aprender a ejecutar el plan de trading de manera relativamente impecable, una cuestión de psicología.
• Debe aprender a aceptar el dinero que te da el mercado, una cuestión de psicología, generalmente de autoestima.

Las «lecciones independientes» significan esto: el hecho de que un trader tenga un plan de trading ganador no significa que pueda ejecutarlo ni que pueda aceptar las recompensas de sus esfuerzos sin autosabotaje; Del mismo modo, el hecho de que pueda ejecutar su plan no significa que su plan tenga una ventaja, etc.

En este artículo, analizaré lo que creo que es el requisito previo tácito para operar con éxito. A este elemento lo llamo “percepción y aceptación de la realidad”.

En su primer libro, “Poder Ilimitado”, Tony Robbins describe la “Fórmula del Éxito Definitivo”:

• define tus metas
• tomar acción
• observar los resultados
• cambie su comportamiento si su acción no le está dando lo que quiere. El elemento para el éxito está implícito en esta fórmula.

Hyrum Smith lo establece más claramente como su séptima ley en «Las 10 leyes naturales de la gestión exitosa del tiempo y la vida»:

“Satisfaces necesidades cuando tus creencias están en consonancia con la realidad”.

La mayoría de los fracasos al hacer trading que he conocido han demostrado una capacidad increíble para no percibir la realidad o, si la ven, no actuar en consecuencia. Este fallo se demuestra de muchas maneras.

Uno de los más comunes es tener expectativas poco realistas sobre el rendimiento que puede generar el trading (dado que su objetivo declarado es ser un jugador de mercado a largo plazo); esto generalmente toma la forma:

“Quiero convertirme en profesional; ya sabes, renunciar a mi trabajo y ganar el 100%  al año, tal vez un 200%. Sí, he hecho un poco de trading y no he ganado nada de dinero, pero tengo fe en mi capacidad para conseguirlo (es decir, 100% de retorno anual, etc.)”.

¡Dáme un respiro! Si el trader fuera un jugador de tenis de fin de semana, no esperaría vencer a Rafa Nadal; sin embargo, con un historial comprobado de pérdidas al hacer trading, ¡él espera hacer un 100% o más sin un alto riesgo de ruina!

Otra forma que toma esto es simplemente negar la realidad. Robert Krausz solía contar una historia fabulosa sobre un trader que acudió a él en busca de ayuda porque «su esposa estaba robando» los estados de cuenta de su broker. ¡Bajo hipnosis, el trader le dijo que estaba escondiendo los estados de cuenta porque no podía soportar ver las pérdidas!

Piense en su trading y/o su estado actual como trader: ¿le «falta reconocer la realidad»? Soy más vulnerable cada vez que los resultados de mi drawdown se acercan a mi zona prohibida de una pérdida del 20% o más.

¿Qué hay del trader novato, cuál es la mejor manera de evitar esta trampa?

Nos atraen los mercados porque caemos en la exageración de que es una forma rápida y fácil de ganar dinero. La realidad es que no existe una fórmula mágica para obtener esas enormes ganancias; en cambio, hay principios que deben ser entendidos, aceptados y aplicados si queremos tener éxito.

Los principios pueden enunciarse sucintamente:

• “En última instancia, el trading requiere un cambio de comportamiento y eso requiere que salgamos de nuestras zonas de confort al desarrollar una idea de lo que necesitamos para tener éxito y luego actuar para cambiar.
• La mera comprensión del problema no es suficiente; en realidad, debe hacer algo para solucionarlo.
• Una gran definición de locura es “hacer lo mismo una y otra vez y esperar resultados diferentes. Si después de un tiempo, sus acciones no conducen al resultado deseado, cambie sus acciones”.

Demasiados traders se acercan al éxito con un ‘ deseo ‘ ( sí, por favor, pero no me pidan que trabaje en ello ) y no con un ‘ quiero ‘ (haré lo que sea necesario). Y, si logran un cambio, buscan el éxito instantáneo. Pero, este cambio no vendrá rápido y será el producto de un trabajo constante.

He visto los efectos de actuar fuera de estos principios en mi trabajo de “tutoría”.

Hace tiempo conocí a Amos. Quería convertirse en profesional, etc., etc. Había estado en los mercados durante más de 10 años y probablemente había asistido a todos los cursos impartidos sobre trading. Le pedí que desarrollara un plan de trading por escrito. Con un poco de ayuda, los traders novatos suelen tardar entre 3 y 6 meses. Pasaron más de 18 meses sin que Amos tuviera un plan.

Burke hace poco. Tiene un gran sentido del mercado y ha experimentado el éxito. Sin embargo, es consciente de que necesita cambiar, ya que parte de ese éxito se ha logrado negándose a asumir pérdidas. Hasta ahora ha funcionado, pero sabe que es solo cuestión de tiempo. Sin embargo, tiene miedo de implementar cambios, principalmente porque significará operar fuera de su zona de confort. A menos que cambie, se unirá al 80 o 90 % de los perdedores al hacer trading.

Y así continúa….

Esa es una cara de la moneda. La otra son las grandes historias de éxito de los traders que dedicaron muchas horas de trabajo para aprender las lecciones de Mark Douglas. Como:

• Colin, que estaba listo para dejar el trading cuando lo conocí por primera vez en Brisbane. Tres años más tarde, el éxito de Colin es un modelo para quienes luchan por el éxito.
• Y como Doug, que ahora dirige su propio fondo de cobertura.

Cada uno hace trading de manera diferente y utiliza diferentes herramientas. Cada uno ha logrado el éxito en sus propios términos trabajando ‘inteligentemente y duro’.

Para resumir: el éxito viene con el compromiso y la acción constante. Ambos son productos de lo que llamo “percepción y aceptación de la realidad”.

¿Cómo ser un genio del trading? por Van K Tharp

• ¿Cómo ser verdaderos genios al hacer trading? Van K. Tharp nos ayudó a reflexionar en algunos aspectos interesantes.
• Publicado en Hispatrading 55.

Uno de los ejercicios clave que aplico con mis Súper Traders es una revisión exhaustiva de toda su vida. El meollo de este ejercicio consiste en documentar la mayor cantidad de recuerdos posible para cada año de su existencia, ahondando en las creencias forjadas durante esos momentos. Al enfrentarse a esta tarea, la mayoría de las personas suele afirmar: «Bueno, no puedo recordar lo que hice o lo que sucedió en 1986». Sin embargo, debo admitir que no comparto la perspectiva de aquellos que se autodenominan «viejos» y aseguran no poder recordar nada. A mis 70 años, personalmente he logrado llevarlo a cabo sin dificultad.

Si bien existen algunas estrategias que pueden ayudar en la tarea de recordar los eventos y sus fechas correspondientes (no es el tema central de este artículo), una de mis recomendaciones fundamentales es registrar puntos de datos significativos para cada año. Estos pueden abarcar aspectos como el valor de los salarios, los precios de las viviendas, los automóviles y otros elementos relevantes a lo largo de cada etapa de la vida. Una excelente fuente de información para esto es el sitio web www.thepeoplehistory.com«.

Aunque ya he realizado una revisión de mi vida en el pasado, actualmente estoy repitiendo este ejercicio para evitar olvidar los detalles. Me está resultando sumamente revelador. Mientras trabajaba en la historia de mi vida, me intrigó analizar los precios de las cosas clasificados por décadas, por lo que he creado la tabla que puede ver en este artículo. La tabla abarca desde el año en que nací hasta el comienzo de cada década hasta el 2017. Si bien estoy seguro del precio de un sello postal y del nivel del S&P 500, no tengo tanta certeza respecto a los demás precios, pero creo que en general son precisos.

La tabla revela algunas conclusiones interesantes. En primer lugar, se puede observar el porcentaje del ingreso anual necesario para realizar compras importantes. El precio de una casa varía entre 2,4 y 4,7 veces el ingreso familiar medio. Los números más altos se han registrado en fechas más recientes, pero también hay que considerar que las casas han aumentado considerablemente su tamaño en comparación con décadas anteriores.

Además, el precio de un automóvil ha oscilado entre alrededor del 40% del ingreso anual promedio de una familia y hasta el 61% en años más recientes. Esto indica que adquirir un automóvil ha representado una proporción significativa del ingreso familiar en diferentes momentos históricos.

Estas observaciones destacan la evolución de los precios en relación con los ingresos familiares a lo largo del tiempo. Las casas y los automóviles han experimentado cambios significativos en términos de asequibilidad y proporción del ingreso requerido para adquirirlos.

Decidí examinar el aumento absoluto de los precios en los últimos 70 años y los resultados son reveladores. El ingreso familiar promedio ha experimentado un incremento del 2 331%. En contraste, el precio de la gasolina y el costo de un sello postal no han aumentado tanto, rondando alrededor del 1600%. Aunque personalmente considero que el precio de un sello postal en la actualidad resulta bastante elevado.

Los datos demuestran que los incrementos en los precios de la gasolina no han representado una carga económica relativa significativa para nosotros. Resulta interesante destacar el incremento en los precios de los automóviles, que han aumentado un poco más que los salarios. No obstante, este fenómeno puede estar relacionado con la disponibilidad de vehículos de lujo en el mercado actual. Por ejemplo, mi Tesla tiene un costo aproximadamente cuatro veces superior al precio promedio de un automóvil en 2017.

Ahora, centrémonos en dos aspectos que podrían considerarse como generadores de riqueza: la propiedad de vivienda y el mercado de valores. En primer lugar, el precio promedio de una casa ha experimentado un aumento superior al 4,000%. Este incremento ha superado ampliamente los aumentos salariales, a pesar de que hubo pocos cambios en los precios de las viviendas en las décadas de 1990 a 2000 y de 2010 a 2017. Imaginemos que adquiriste una casa en 1946 por $5,600 y pagaste, por ejemplo, el 20% ($1,020) como enganche. En tan solo cuatro años, habrías visto cómo el valor de tu casa aumentaba a $8,450, lo que se traduce en una ganancia de $2,850 sobre tu inversión inicial de $1,020. ¡No está nada mal! Si en cambio hubieras invertido en el S&P 500 durante ese mismo periodo, habrías perdido dinero.

Sin embargo, echemos un vistazo a los siguientes 10 años, cuando el precio de una casa aumentó un 50% y el S&P 500 creció un 244%. Es cierto que hubo algunas décadas difíciles para el S&P 500, como los años 2000 a 2010, pero en la mayoría de las décadas, este índice bursátil ha mostrado un crecimiento. En última instancia, el precio promedio de una casa se ha incrementado en 42 veces en los últimos 70 años, mientras que el valor del S&P 500 ha aumentado más de 132 veces durante el mismo período.

Estos datos destacan la importancia de considerar la inversión en vivienda y en el mercado de valores como posibles vías para generar riqueza a largo plazo.

En medio de mercados alcistas fuertes todos parecemos auténticos genios. Como resultado, aquí hay algunas creencias de Tharp Think que podrían convertirte en ese genio:

1. Antes de entrar en una operación, siempre conozca su punto de riesgo inicial que le indica cuándo está equivocado. Tenga una orden de stop loss sobre ese riesgo inicial (que yo llamo R para abreviar).
2. En un mercado alcista tranquilo, asuma que podría durar un tiempo y desea que sus recompensas, si es posible, sean varias veces el tamaño de su riesgo. Así que sea paciente y deje que la tendencia genere sus ganancias. En un mercado alcista no se puede saber hasta dónde llegará.
3. Compra lo que sube. Es bastante simple.
4. Si obtienes un promedio de, digamos, 2R por posición durante el próximo año, aumentará un 50%. Y eso probablemente superará a la mayoría de las personas.

Si el trading es realmente tan fácil, ¿por qué la mayoría de las personas no son precisamente unos genios en el mercado? Veamos dos creencias Tharp Think más para intentar sacar una explicación.

1. Un error al hacer trading es cuando no sigues tus reglas. Digamos que cometes 2 errores cada mes y que cada error te cuesta 2R. Si tiene una ganancia de 50R al final del año, pero comete 24 errores de 2R cada uno, entonces su resultado neto será solo de +2R al final del año. Habrá perdido el 96% de su beneficio potencial a causa de sus errores. Algunas personas repiten el mismo error una y otra vez. Lo llamo autosabotaje.
2. Finalmente, hay al menos seis tipos de mercado, cada uno de los cuales tiene un componente de dirección y un componente de volatilidad. Las direcciones del mercado son: hacia arriba, hacia los lados y hacia abajo, mientras que las condiciones de volatilidad son tranquilas o volátiles. Si aplica el conjunto completo de creencias de Tharp Think a cualquier tipo de mercado en particular, se vuelve bastante fácil diseñar un gran sistema de trading. Sin embargo, esperar que un sistema de trading funcione bien en todos los tipos de mercado es una locura. Por lo tanto, necesita una forma diferente de aplicar las creencias en el contexto de diferentes tipos de mercado.

Dicho esto, ¿cuál es el tipo de mercado más fácil para que alguien gane dinero invirtiendo? Obviamente, es un mercado alcista tranquilo. Ahí es donde entra en juego comprar y mantener. Y mi versión de comprar y mantener es 1) comprar lo que sube y 2) continuar con un stop de venta del 25 %. Luego, minimice su riesgo arriesgando solo alrededor del 1% en cada operación, lo que significa que puede invertir completamente con alrededor de 25 posiciones diferentes. Solo hay otra regla y es permanecer totalmente invertido hasta que el mercado vuelva a soportar al menos la volatilidad normal. Mire primero la volatilidad y luego, a medida que aumenta, tenga cuidado con el mercado bajista.

Entonces, ¿por qué estoy diciendo esto? Porque cuando tengamos un mercado alcista tranquilo, podría pensar que es un genio simplemente comprando lo que sube con un stop loss dinámico del 25%. Mantenga posiciones hasta que se alcance el stops loss o hasta que cambie el tipo de mercado. No arriesgue más del 1% por posición, lo que significa que tendrá hasta 25 posiciones diferentes.

Y con todo el dinero que comience a ganar, comience a invertir en usted mismo para estar listo cuando cambie el tipo de mercado, ya sea dentro de un mes o dentro de una década.

Esto no es una predicción. Encuentre 25 acciones diferentes que estén subiendo y quédese con las principales empresas sólidas en las que usted confíe.

Cartera dinamic inflation por Andrés García

• Todos hemos escuchado hablar de la relación entre la inflación y el mercado de acciones. ¿Se puede obtener una ventaja usándola como referencia? 
• Artículo publicado en Hispatrading 54.

Una de las investigaciones más intensas en las me involucré durante buena parte del 2022, fue el análisis del efecto de la inflación en distintos activos y sectores de la economía. Por aquellas fechas la inflación pasaba de los dos dígitos en muchos países de nuestro entorno, por lo que era del máximo interés encontrar activos invertibles resistentes a la inflación.  Me propuse como objetivo construir un porfolio rotacional que alternase entre estilos de inversión y clases de activos según el contexto de inflación dominante. En este artículo analizaremos paso a paso el proceso de construcción de una cartera de este tipo.

Los detalles sobre el efecto de los regímenes de alta y baja inflación en una amplia base de activos y sectores de la economía estadounidense los podéis encontrar en mi artículo; “Carteras dinámicas guiadas por la inflación” (www.tradingsis.org, Julio, 2022). Aquí resumimos los hallazgos más relevantes para la construcción del porfolio que ahora veremos:

1. La inflación no afecta por igual a todos los productos financieros y sectores de la economía. Sin embargo, no existe una relación lineal entre las variaciones a medio y largo plazo en las tasas de inflación y su efecto por sectores y activos. 
2. Una forma de cuantificar el impacto de la inflación sobre el retorno de los diferentes activos es mediante la beta de la inflación (BI). Los productos con BI > 1 tienen un comportamiento mejor cuando sube la inflación: Entre ellos están las commodities (BI ≈ 4) y el oro (BI ≈ 2,1). En el lado opuesto tenemos el S&P 500 (BI ≈ -0,7), los bonos corporativos (BI ≈ -0,8) y los bonos del Tesoro a 10 años (BI -1,1). Por ejemplo, una BI de 1,2, indica que por cada 1% que sube la inflación el valor del activo se incrementa un 1,2%.
3. Cuando agrupamos las empresas del Russell 3000 en función de los factores o estilos de inversión más empleados por la industria (crecimiento, baja volatilidad, momento, calidad, sentimiento y valor) observamos que su comportamiento difiere en escenarios de alta y baja inflación. Con alta inflación aguantan mejor las carteras basadas en activos de baja volatilidad mientras que con baja inflación obtienen mejor retorno las carteras que se centran en activos de sentimiento y valor. 
4. Si nos centramos en los grandes sectores de la economía, también observamos diferencias significativas en función del nivel de inflación. Para invertir en periodos prolongados de baja inflación los mejores sectores son el consumo discrecional, industria y materiales básicos y, para marcoépocas de moderada y alta inflación, destacan los sectores de productos básicos de consumo, servicios públicos, energía e inmobiliario. 
5. Analizando una muestra amplia de las empresas de EE.UU. incluidas en los subsectores del catálogo RBICS, encontramos que los subsectores con mejor comportamiento con inflación al alza son producción de alimentos y bebidas (FOODDRINKMFR), refinado, almacenamiento y transporte de energía (MIDSTREAMENERGY), servicios de soporte a la salud (HCARESUPPORT), biofarmacéuticas (BIOPHARMAOTHER), seguros (INSURANCE), servicios energéticos (ENERGYUTIL), venta al por menor de automóviles (AUTORETAIL), inversión inmobiliaria (REIT), atención al paciente (PATIENT CARE) y servicios de transporte de mercancías e infraestructuras (TRAINTRUCK). Mientras que en escenarios de baja inflación tienen mejor comportamiento las empresas ligadas a los subsectores de software (SOFTW), servicios médicos generales (MEDDEVICESGEN), otros productos médicos (MEDDEVICESOTHER), servicios de soporte a la salud (HCARESUPPORT), fabricación de maquinaria (MACHINE), productos químicos especiales y de alto rendimiento (CHEMSPECIAL), distribución y venta de energía (DOWNSTREAMENERGY), consumo minorista (RETAILOTHER).

Tomando como base esta información procedemos a construir una cartera dinámica guiada por las previsiones de inflación a medio y largo plazo. 

Componentes de la cartera Dinamic Inflation (DI)

Dado que el mecanismo rotacional se basa en las previsiones de inflación, lo primero que necesitamos es un indicador adelantado, fiable, de amplio seguimiento y con datos históricos de al menos los últimos 20 años. El indicador de expectativas de inflación de la Universidad de Michigan (MICH) satisface perfectamente estos requisitos.

Como muestra la Figura 1, el MICH es un estimador menos volátil que el índice de precios al consumo (CPI), si bien existe una elevada correlación entre ambos. Por lo que podemos utilizar esta serie de datos mensuales, que se remonta a 1978, para determinar los cambios de escenarios de alta y baja inflación en nuestro modelo de cartera.

Por otra parte, teniendo en cuenta la estadística descriptiva de esta serie, observamos que fluctúa entre un máximo del 10% y un mínimo del 0,4%. Por este motivo la inflación promedio sale algo elevada, 3,6%, mientras que la moda y la mediana se sitúan en el 3%. Tomaremos este último valor como referencia para alternar entre escenarios. 

En nuestro estudio empírico hemos determinado que para alta inflación el factor o estilo con mejor comportamiento es la baja volatilidad. Veamos cuanto alpha o exceso de retorno aporta en comparación con el Russell 3000, que utilizaremos como benchmark en este estudio:

Evaluamos la siguiente regla en un backtest de 22 años:

eval(close(0,##inflexp)>3,rating(«core: low volatility»)>98,$RUA)

Si la inflación está por encima del 3% invertimos en las empresas del Russell 3000 (RUA) que en el ranking de baja volatilidad se sitúen por encima del percentil 98. En caso contrario invertimos en el propio índice. 

El resultado se muestra en la Figura 2.

Estrategia AROR = 14,2% DD = -47,7% R. Sharpe = 0,88 Beta =0,70 Alpha =9,1% ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Por tanto, esta primera regla mejora sustancialmente el comportamiento de la cartera.

Seguidamente evaluamos en el mismo backtest la regla:

eval(close(0,##inflexp)>3,$RUA,rating(«core: sentiment»)>=98)

Si la inflación está por encima del 3% invertimos en el índice (RUA) y en caso contrario seleccionamos empresas que, en el ranking de sentimiento, estén por encima del percentil 98.

Obtenemos el resultado mostrado en la Figura 3.

Estrategia AROR = 13,93% DD = -47,33% R. Sharpe = 0,73 Beta =0,92 Alpha =7,33% ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Queda claro que esta regla también consigue generar alpha. Ahora solo nos queda evaluar el resultado conjunto de ambas.

Estrategia AROR = 16,30% DD = -41,82% R. Sharpe = 0,96 Beta =0,8 Alpha =10,71% ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

La conclusión que sacamos es que solo con alternar entre los estilos “sentimiento” y “baja volatilidad” en función del nivel de volatilidad y rebalancear el portfolio mensualmente obtenemos una mejora muy significativa respecto del índice de referencia. 

El siguiente paso es analizar cuánto aporta a la cartera una selección dinámica de subsectores en función de los umbrales de volatilidad. En este caso la regla a evaluar es:

Si las expectativas de inflación se sitúan por encima del 3% entonces compramos empresas de los subsectores “Mich > 3” y si caen por debajo de 3% de los subsectores “Mich ≤3”: 

  Con esta regla obtenemos los siguientes mostrados en la Figura 5.

Estrategia AROR = 18,96% DD = -45,75% R. Sharpe = 1,08 Beta = 0,75 Alpha =13,04 ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Vemos que alternando entre los subsectores con mejor comportamiento en cada umbral de volatilidad se obtiene también un rendimiento muy superior al Russell 3000. Con un ratio de Sharpe por encima de 1 y un DD unos 10 puntos por debajo del índice, parece que este mecanismo dinámico está plenamente justificado. 

Nuestro siguiente paso es combinar estilos y subsectores para evaluar su comportamiento conjunto en este modelo de cartera, como se muestra en la Figura 6.

Estrategia AROR = 19,86% DD = -32,12% R. Sharpe = 1,16 Beta =0,74 Alpha =13,73 ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

A tenor de los resultados, queda claro que la combinación de estilos y subsectores funciona perfectamente en un portfolio dinámico de este tipo. El dato más significativo es que se reduce el DD a un 32,12% que, aun siendo alto según mi criterio, resulta mucho más manejable, sobre todo en términos psicológicos y de aversión al riesgo,  que el -55,61% del índice Russell 3000.

Reglas del sistema D.I.

Procedemos a construir la estrategia con la excelente herramienta Portfolio123, una de las más avanzadas plataformas que podemos encontrar en el mercado para el diseño, evaluación y gestión de carteras complejas.

1. Parámetros iniciales:

• Universo: Empresas del Russell 3000
• Núm. máx. de posiciones: 15
• Capital inicial: $100.000
• Rebalanceo: Mensual
• Método de asignación: Equiponderado
• Comisión por acción: 0,005
• Deslizamiento variable: 0,5

b) Reglas de compra:

Buy 1: Alternamos entre los rankings de “baja volatilidad” y “sentimiento” cuando la inflación estimada se sitúa por encima o por debajo del 3% 

Buy 2: Conjunto de subsectores del directorio BRICS entre los que se elegirán las empresas que formarán parte de la cartera para los escenarios de alta y baja inflación. 

Buy 3: Para evitar empresas poco líquidas o demasiado pequeñas, exigimos una capitalización mínima de $500 millones y un volumen medio diario de 5.000 títulos negociados.

3. Reglas de venta:

Ranking: Eliminamos en cada rebalanceo aquellas empresas que desciendan en el ranking por debajo del percentil 60.

Sell 2: Reducimos un 30% la ponderación de las empresas que en cada periodo alcancen un peso superior al 8% de la cartera. 

Sell 3: Aplicamos un profit target del 1% mensual. Esto nos permitirá aumentar más la rotación de activos en cada rebalanceo.

Por último, en esta primera versión de la cartera no contemplamos la inclusión de un Stop Loss para activos individuales ni de un modelo de cobertura. Si bien, veremos el efecto de una estrategia de cobertura básica pero bastante efectiva. 

4. Reglas Cobertura (optativas):

El objetivo de estas reglas es rotar a renta fija en escenarios de tendencia bajista prolongada. Como estimador de tendencia empleamos los cruces ascendentes y descendentes de una media móvil de 150 períodos con los precios. 

Regla CB: Cubrimos un 50% de la posición con bonos del Tesoro 7-10 años en los escenarios muy bajistas.

Otras variantes aún más conservadoras incluyen bonos del Tesoro de 1-3 años y 3-7 años, así como porcentajes de cobertura más altos. 

Resultados del sistema D.I. 

Procedemos a realizar un backtest en la ventana temporal más amplia que permite la plataforma. Los resultados son mucho mejores que los del benckmark, llegando el retorno anualizado hasta el 17,78% y con un DD muy contenido que se sitúa en el 28,7%. Excelente para este tipo de estrategias, sin cobertura y solo invertidas en acciones. El ratio de Sharpe asciende hasta el 1,17%.

En la imagen inferior mostramos el gráfico del beneficio acumulado de la cartera D.I. y del Russell 3000. También podemos ver el porcentaje de caja y la evolución del número de posiciones. Observamos que las posiciones en cartera descienden por debajo de 15 cuando no se encuentran empresas que satisfagan las reglas de entrada. Aun así, el número es bastante estable; pocas veces es inferior a 10 y solo en dos ocasiones desciende a un mínimo de 5 posiciones. 

En esta tabla mostramos las principales métricas de retorno y riesgo del modelo:

Por último, y con el propósito de comparar resultados, realizamos un backtest con el modelo de cobertura básica que ya hemos comentado. Las franjas verdes son los intervalos en los que se aplica la cobertura.

Estrategia AROR = 16,47% DD = -20% R. Sharpe = 1,29 Beta = 0,51 Alpha =11,84 ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Vemos descender ligeramente el beneficio anualizado, pero compensa con creces: El DD cae hasta un bastante confortable 20%, la beta o volatilidad respecto al mercado baja al 0,51 y se obtiene un alpha o exceso de retorno del 11,84%. 

Conclusiones: 

1. Dado que la inflación no afecta por igual a todos los productos invertibles y sectores de la economía, es posible construir carteras dinámicas que utilicen los niveles de inflación como criterio para alternar entre productos. 
2. También constatamos que hay estilos de inversión que obtienen mejores resultados en marcoépocas de alta y baja inflación. En nuestro estudio observamos que, para largos periodos con inflación superior al 3%, es mejor emplear criterios de selección basados en rankings de empresas de baja volatilidad. Mientras que, para periodos de inflación baja y moderada, es mejor utilizar criterios basados en rankings de sentimiento. 
3. La estrategia D.I. alterna entre estilos y subsectores, rebalanceando el portfolio mensualmente. La frecuencia de rebalanceos es un factor crítico porque afecta al gasto total de la operativa. En este caso encontramos óptimos los períodos mensuales.
4. Los resultados obtenidos en la simulación baten claramente al mercado y consiguen mejorar todos los ratios de manera consistente en un período de 22 años. 

Viaje hacia el trading algorítmico por Kevin Davey

 

«El viaje, no el destino, es lo que importa…»
― T.S. Thomas Stearns Eliot

¿Cómo utilizar los pivots points? por John Devcic

• Cada día se crean multitud de indicadores. Muchos de ellos consisten en complejas fórmulas matemáticas, pero no consiguen permanecer en el tiempo. Sin embargo, hay otros que a pesar de su aparente sencillez llevan con nosotros décadas. Hoy le hablamos de uno de ellos ¿Conoce los pivots points? ¿Sabe cómo hacer trading con ellos? En este artículo, se lo mostramos. 
• Artículo publicado en Hispatrading 40.

Todos médicos, carpinteros, pizzeros o mecánicos, solo por nombrar algunos ejemplos, comparten algo en común: todos usan herramientas. Nosotros, los traders, utilizamos también herramientas, aunque las nuestras son virtuales y vienen en forma de medias móviles, líneas de tendencia, niveles de soporte y resistencia, así como niveles de Fibonacci, entre otros. ¿Para qué sirven? Para ayudarnos a entrar o salir de cualquier operación. De todas las herramientas que tenemos a nuestra disposición, como traders, hay una de la que me gustaría hablarle en este artículo. Los puntos de pivote o más conocidos como pivots points. 

¿Qué son los pivots points?

En pocas palabras, un punto de pivote es un nivel donde podemos esperar que el precio se mueva. En general, podrá ver estos niveles en cualquier gráfico, da igual del activo que sea, ya que funciona en todos. Solo piense en un pivot como un punto de inflexión. Este punto de inflexión debe analizarse cuidadosamente. Puede calcularlos usted mismo con bastante facilidad. Estos niveles cambian y pueden usarse a corto o largo plazo, lo que significa que puede calcularlos diariamente, semanalmente o incluso mensualmente si lo desea.

Cálculo de pivots points

Hay dos tipos diferentes de cálculos que generalmente puede utilizar. Revisaré ambos. Comencemos con el primero. Para hacer el cálculo necesitamos tres números para saber el primer punto de pivote. Esto se puede utilizar para cualquier mercado, por lo que no debe preocuparse de que solo funcione en acciones, Forex o materias primas.

Para calcular un pivot point de tres puntos, necesita los siguientes periodos: El máximo, mínimo y el precio de cierre. Tendrá que sumarlos todos y dividir el total entre tres.

PP = (H + L + C) / 3

Para calcular un pivot Point de cuatro puntos, necesitará estos 4 niveles: Apertura, máximo, mínimo y cierre. Esta es la información que da una vela o barra típica de cualquier periodo, por lo que generalmente es la que la mayoría de los operadores prefieren.

PP = (O + H + L + C) / 4

Estos son cálculos simples que los puede hacer fácilmente por su cuenta. Por supuesto, no hay necesidad de hacerlo usted mismo, hay una gran cantidad de calculadoras de pivots points disponibles por internet, solo tiene que hacer una sencilla búsqueda y encontrará calculadoras especialmente ajustadas para cualquier activo. Acciones, bonos, materias primas y divisas.

Por lo tanto, ya podemos saber cuál es el punto de pivote y sabemos cómo calcular estos números, ya sea si elegimos hacerlo nosotros mismos o si usamos una calculadora. Ahora la pregunta lógica es ¿cómo utilizamos estos pivots points para hacer trading?

¿Cómo hacer trading con los pivots points?

Si alguna vez ha utilizado algún tipo de nivel de soporte o resistencia le alegrará saber que los pivots points, en muchos sentidos, se utilizarán igual. Una vez que tenga el nivel, puede dibujar una línea en ese punto y observar cómo el mercado se comporta alrededor de esa zona. 

Por ejemplo, imagine que el precio llega a un nivel de pivot point pero no es capaz de superarlo al alza. Lo ha tocado varias veces, pero parece que le cuesta romperlo ya que cuando el precio intenta moverse por encima del nivel, rápidamente cae por debajo de nuevo. Si estuviéramos delante en esta situación hipotética podríamos entender que viendo como el precio ha tocado varias veces la zona, cuantas más mejor, y no ha conseguido romper marcando nuevos máximos, estamos ante un techo de mercado. ¿Qué podríamos esperar? Probablemente que el precio cambie de dirección y empiece a caer. 

Si usted estuviera esperando utilizar un pivot point, que está por debajo del precio actual, para comprar tendríamos que utilizar la situación inversa. 

La verdadera belleza de usar pivot points es que puede usarlos en cualquier período de tiempo. Los gráficos diarios o los gráficos de un minuto funcionan, por lo que esta herramienta le brinda una gran flexibilidad. Mencioné anteriormente que hay multitud de calculadoras e incluso también programas que calcularán los niveles de pivots automáticamente. De hecho, podrá integrarlos en cualquier gráfico con la misma apariencia que un soporte o una resistencia. Aun así creo que es práctico saber lo que hay detrás de unas simples lineas. Le muestro las matemáticas que hay tras estos niveles de soporte y resistencia. 

Nivel de soporte 1 = (2 x punto de pivote) – alto

Nivel de soporte 2 = punto de pivote – (alto – bajo)

Nivel de soporte 3 = bajo – 2 (alto – punto de pivote)

Nivel de resistencia 1 = (2 x punto de pivote) – Bajo

Nivel de resistencia 2 = punto de pivote + (alto – bajo)

Nivel de resistencia 3 = alto + 2 (punto de pivote – bajo) 

Agregué el tercer nivel de soporte y resistencia como un “extra”. Muchas versiones de software de gráficos no tienen estos niveles configurados automáticamente. Siempre puede resolverlo por su cuenta rápidamente y añadiendo otra línea.

Estas son herramientas visuales, por lo que es mejor mirar el pivot point en profundidad en un gráfico y ver cómo se ve.

Veamos varios ejemplos. El primero Boeing (BA). El pivot point está en 377.59. El precio se ha movido en rango sin dar más pistas desde mediados del mes de marzo. Después, superó el primer nivel de soporte y tocó el segundo nivel un par de veces. Ahora parece que había encontrado soporte. La pregunta es si esto daría como resultado un rebote o una tendencia a la baja. Si observa el gráfico a día de hoy, verá que el nivel aguantó bien generando un movimiento alcista hacia la parte superior del rango. 

El otro ejemplo es Tesla (TSLA). El punto de pivote estaba en 255.33. El precio ha estado en una tendencia bajista desde principios de año y ha continuado cayendo. Rompiendo el nivel de pivote y cayendo a través del primer nivel de soporte. En realidad pasó al siguiente nivel de soporte, pero cerró por encima de él después. Si observa el gráfico actualizado, verá cómo el nivel de nuevo aguantó bien.  

Puede hacer la prueba usted mismo. Analice por sí mismo si de verdad estos niveles funcionan y pruebe cómo se comportó el mercado en los diferentes niveles de pivots points. 

Recuerde que, como con todos los indicadores, querrá usarlos junto con otros. Ningún indicador es “Todopoderoso”, y eso también es válido para los pivots points.

Cómo Encontrar niveles clave de soporte y Resistencia en Forex por Chris Capre

• En este artículo Chris Capre nos contestará varias preguntas fundamentales al hacer trading ¿Cómo podemos encontrar niveles de soporte y resistencia clave?¿Cómo determinar lo fuerte que es un determinado soporte o resistencia? Veamos las explicaciones de uno de los traders de Forex con mayor prestigio.
• Artículo publicado en Hispatrading nº39.

Ser capaz de encontrar zonas de soporte y resistencia clave o los llamados niveles de “alta probabilidad” es una habilidad fundamental que necesitará desarrollar para convertirse en un operador rentable. No hay otro camino. Si tiene la intención de hacer trading con la acción del precio o price action, tendrá que aprender a identificar y utilizar estos niveles.

De hecho una de las preguntas que más me hacen  es “¿cómo puedo encontrar niveles de soporte y resistencia en el mercado Forex?”  En este artículo, responderemos a esta pregunta. Además veremos algunas variables fundamentales que hay que buscar.

El modo de pensar alrededor de los niveles de soporte y resistencia clave

En primer lugar, es importante entender algo. Usted necesita pensar de una forma muy específica al utilizar un soporte o una resistencia y por supuesto comprender lo que hay detrás de estos niveles. En primer lugar, debemos pensar en términos de probabilidad, no creer en ellos como si fueran verdades absolutas. No existe el blanco o negro en el trading. Por esto, no podemos decir que un determinado nivel aguantará o no.

El trading no funciona así ni, por supuesto, la acción del precio o los niveles de soporte o resistencia. Debemos pensar en probabilidades. ¡No hay otra forma de hacerlo!

Otro aspecto que debemos tener en cuenta es el siguiente. Es importante pensar en estos niveles como “zonas” y no como si fueran líneas fijas en la arena, inamovibles. Esto significa que no existe un precio específico a partir del cual podemos pensar que un soporte o resistencia se ha roto. Es por esto, que nunca podríamos decir “si el EURUSD rompe 1.1350 soy optimista, pero si rompe 1.1349, pienso que debería seguir cayendo”.

El flujo de órdenes no funciona de esta manera. Tampoco todos los grandes actores institucionales y hedge funds ponen sus órdenes de compra o venta en el mismo precio. A menudo posicionan sus órdenes alrededor de zonas de precios específicos. Es este pequeño rango de precios el que constituye la “zona” de soporte o resistencia que estamos buscando.

Por lo tanto tenemos que evitar caer en la trampa de pensar en un soporte o resistencia como un precio en concreto o una línea en la arena. Debemos pensar en ellos como “zonas” en las que produce un flujo de órdenes importante.

Cómo encontrar niveles clave de soporte y resistencia en Forex (y en cualquier mercado financiero)

Los niveles de soporte o resistencia más fuertes serán a menudo los que se formen a favor de la tendencia establecida. Le pongo un ejemplo. Si estamos en medio de una tendencia alcista, los niveles de pullback (el retroceso del precio, después de romper una resistencia, hacia el nivel convertido ahora en soporte) serán a menudo más fuertes que los niveles de resistencia que se vaya encontrando la tendencia. ¿Por qué? Esto es debido a que el flujo de órdenes subyacente en una tendencia alcista es más fuerte en el lado de la compra. Ver cómo se producen varios test, de un soporte en una tendencia alcista o de una resistencia en una tendencia bajista, es un buen indicador de que ese nivel tiene fuerza.

Hasta que la tendencia cambia, los hedge funds y los grandes actores institucionales estarán buscando comprar más que vender, por lo que el flujo de órdenes en esos niveles de pullback a menudo será más fuerte que los niveles de resistencia. Puede ver de lo que estamos hablando en la “Figura 1” y en la “Figura 2”.

En la “Figura 1” se puede ver un gráfico del par USDMXN (en gráfico diario). Los niveles de resistencia sólo aguantan unos toques antes de romperse, mientras que los niveles de soporte clave aguantan varios toques antes de realizar un nuevo tramo al alza. Esto nos indica dónde se encuentra el flujo de órdenes dominante (en este caso, en el lado alcista). Esto es así hasta que vea tanto la estructura como el flujo de órdenes cambiar. Por este motivo queremos operar a favor de la tendencia, siempre que sea posible. 

Otro ejemplo de un nivel de soporte probado en múltiples ocasiones, a favor de la tendencia establecida, lo tenemos en el gráfico de la “Figura 2”, en el que se muestra el par USDJPY en gráfico diario.

Observe cómo los niveles de soporte son testados en muchas ocasiones. La capacidad de soportar múltiples toques indica que el flujo de órdenes dominante está en el lado de los alcistas o bulls, ya que son capaces de aguantar múltiples test mientras se mantiene el nivel.

Observe también cómo el último nivel de soporte (105.38) fue tocado antes de producir un fuerte movimiento alcista. Este tipo de reacciones rápidas, que se llevan a cabo en máximos del swing anterior, a menudo denotan impulsividad y un fuerte flujo de órdenes. En este caso, se mantiene en el nivel durante 1 o 2 velas, antes de impulsarse como un cohete escalando 1500 pips. ¿Lección? Asegúrese de tener en cuenta estas variables, como la evidencia de que el precio muestre fortaleza en un nivel en particular:

# 1 – El nivel se mantiene después de múltiples toques. 

# 2 – Se producen fuertes reacciones a partir de un nivel clave de soporte o resistencia.  

# 3 – Tenga en cuenta que los niveles a favor de la tendencia serán a menudo más fuertes que los niveles en contra de la tendencia.

Ahora que conocemos algunas variables a tener en cuenta, asegúrese de desarrollar la habilidad de identificarlas.

¿Qué variables debo buscar en los niveles clave de soporte y resistencia?

Otra variable a tener en cuenta son las estructuras correctivas con múltiples toques en ambos lados del mercado.

Podemos ver otro ejemplo en la “Figura 3” con el par AUDJPY.

Mirando el gráfico de 4 horas, se puede ver cómo el precio ha dado varios toques en la parte superior e inferior de esta estructura correctiva. Esto nos avisa, desde una perspectiva de flujo de órdenes, que ambos lados del mercado están en un estado de equilibrio, por lo que ninguna de las zonas es dominante. 

Cuando se tienen estructuras correctivas de este tipo, es importante operar a ambos lados del mercado hasta que se rompa la estructura. Esto le dará una gran cantidad de oportunidades con stops muy ajustados (justo por encima o debajo de la resistencia o soporte) mientras buscamos como objetivo la zona contraria de la estructura.

En la mayoría de los casos, esta estructura habría ofrecido objetivos tres o cuatro veces superiores a la zona donde ubicamos el stop (3 o 4 R). Es algo que hablamos con nuestros miembros antes que sucediera, así que felicitaciones a los estudiantes que se beneficiaron de estas operaciones.

Se puede ver otro ejemplo de estas estructuras correctivas en el gráfico de 1 hora ASX 200, que se muestra en la “Figura 4”.

A pesar de que los niveles no son tan limpios como los del gráfico del AUDJPY, la estructura correctiva global existe, aunque con un poco más de “amortiguación”. De hecho, ha ofrecido múltiples oportunidades de trading. Aproximadamente con un ratio ganancia/ pérdida de 2R.

Por lo tanto, es importante aprender a identificar las estructuras correctivas con múltiples toques en ambos lados del mercado y operar tanto al alza como a la baja, hasta que la estructura se rompe.

En resumen

Hay muchas variables que necesitará entender para identificar la acción del precio en estas zonas. Así podrá encontrar niveles de soportes y resistencias clave. Tenga en cuenta que esta es una habilidad que toma tiempo aprenderla, así que no espere leer un artículo y convertirse en todo un profesional. Tendrá que desarrollar sus habilidades progresivamente durante un tiempo. Si usted hace esto bien, podrá identificar y operar estos niveles. 

3 consejos para un trading rentable AHORA MISMO por Timothy Sykes

Conocido como el trader de las penny stocks. Después de ganar un millón de dólares en su primer año de Universidad comenzó su popularidad. En 2007 publicó su famoso libro “An American Hedge Fund: How I Made $2 Million as a Stock Operator & Created a Hedge Fund”. Además, es conocido por sus obras benéficas.

Timothy Sykes / timothysykes.com

En cualquier momento dado en el mercado, ciertos patrones serán más populares que otros.He estado usando los mismos patrones durante más de 20 años, pero los patrones aparecen dentro de un marco más amplio.Dependiendo de la fortaleza general del mercado, ciertas partes del marco serán más fuertes que otras.Puedo beneficiarme en todos los mercados porque tengo suficiente experiencia para reconocer los patrones.Para mis estudiantes: les muestro qué acciones son las más populares durante cada mercado.En este momento, el mercado de 2024 está subiendo. ¡Es increíble! El impulso de un sector tecnológico en rally está fuera de control. Pero no me oirás quejarme.Hay más oportunidades en nuestro nicho cuando el mercado está caliente.Es por eso que tenemos que capitalizar las oportunidades AHORA. Nunca se sabe cuándo cambiará el impulso.Por ejemplo: En los últimos días, el mercado alcista descansó en previsión del informe de ganancias de la Corporación NVIDIA (NASDAQ: NVDA) el 21 de febrero.

Un mal informe de la NVDA podría haber sido el final.

Los datos de ganancias cayeron el 21 de febrero durante después de las horas de trabajo…

• Los ingresos totales aumentaron un 265 %.

Como resultado, el 22 de febrero, NVDA y el S&P 500 ETF Trust (NYSE: SPY) se dispararon a nuevos máximos históricos. A continuación mostramos un gráfico del mercado del SPY:

¡Ahora es el momento de operar!

Los mejores traders reaccionan al impulso en el mercado. Y ahora mismo, hay MUCHAS acciones subiendo.

No te quedes atascado en el lado equivocado de estos patrones. Hay 3 setups comunes que debes ver ahora mismo.

#1: Compras por caídas en pánico

En mi marco de Penny Stocks, este es un patrón #5 y #6.

Hay muchas acciones subiendo en este momento. Pero en nuestro nicho, la mayoría de los máximos son insostenibles. Los precios de las Penny stocks se desplomarán con el tiempo.

«¿Por qué operarías una acción que se va a desplomar?»

Porque estas acciones pueden subir un +1000% mientras seguimos nuestros patrones. Si somos listos con la acción del precio, podemos entrar y salir con un beneficio antes de que las cosas se pongan peor.

Uno de mis patrones favoritos en realidad consiste en operar en el camino bajista. Y no estoy hablando de ventas en corto.

Una compra de caída por pánico es una oportunidad que se manifiesta cuando una acción caliente comienza a caer de sus máximos.

Cuando el precio cae demasiado y demasiado rápido, puede haber un rebote momentáneo y sustancial. Utilizaremos una acción reciente, Intuitive Machines Inc. (NASDAQ: LUNR) como ejemplo.

Echa un vistazo al +230% de aumento de varios días y la posterior venta del 30% el 21 de febrero:

No operé la compra por la caída por pánico del 21 de febrero, pero algunos de mis estudiantes lo hicieron.

El siguiente Tweet muestra un ejemplo perfecto de este patrón de trading.

Esté atento a las acciones pena stocks que estén subiendo con fuerza durante varios días.

Tarde o temprano caerán, y ahí es donde esperamos las oportunidades.

#2: Los mejores Spikers del mercado

Esto es lo que busco cuando opero un acción alcista a medida que sube:

• Spikes rápidos.

• • Por lo general, estas acciones se disparan en el premercado. Estoy buscando cualquier cosa por encima de un movimiento intradía del 20 %. Si puede aumentar un 20 %, puede subir más.

• Acciones en flotación bajas.

• • El flotante es el suministro total de acciones disponibles para hacer trading. Una oferta de acciones restringida ayudará a que las acciones se disparen más cuando aumente la demanda. Queremos que el flotante sea de menos de 10 millones de acciones.

• Alto volumen de operaciones.

• • El volumen muestra cuántas acciones se negocian. Queremos que al menos 1 millón de acciones se negocien en el día. Eso asegura suficiente liquidez para que no nos quedemos atascados. Y cuanto mayor sea el volumen de negociación, más popular será la acción. Eso ayuda. Una rotación completa de las acciones en flotación es muy emocionante de ver.

• Un catalizador de noticias de moda.

• • Tiene que haber una razón para el spike.

He aquí un ejemplo:

Motus GI Holdings Inc. (NASDAQ: MOTS) anunció una nueva patente en una solicitud el 20 de febrero. Vea el sello de fecha a continuación:

Este es un ejemplo perfecto de acciones basura que se dispararon con noticias exageradas.

El flotante era de solo 551.000 acciones. Los precios subieron inicialmente un 160 % después de que saliera la noticia y la operé durante las horas previas al mercado.

¡Encuentra más acciones que se ajusten a los factores anteriores!

#3: Operaciones nocturnas

Esta es una opción atractiva para los traders que también trabajan durante el día.

Algunas de las acciones más populares de los mercados seguirán funcionando después del primer día. Las operaciones swing durante la noche nos ayudan a aprovechar ese impulso.

Teóricamente, encontramos una acción fuerte que empuja más arriba y construimos una posición por encima del soporte antes de que el mercado cierre. Luego, al día siguiente, vendemos nuestra posición cuando se abre el mercado.

Es más fácil decirlo que hacerlo. Pero no tienes que hacerlo solo.

Desde la llegada de la IA en 2023, trabajé para crear un bot de IA que pueda encontrar las mejores entradas de acciones que sigan mi proceso.

Se llama XGPT, y una de las victorias más recientes fue de Ventyx Biosciences Inc. (NASDAQ: VTYX).

XGPT alertó del spike un día antes:

El sistema de IA envía una alerta diaria a las 3:16 p.m. Si hay un posible swing trade para operar, obtendrás una alerta y un plan de operaciones.

Puedes entrar antes de que cierre el mercado o esperar la confirmación alcista de la mañana siguiente.

Y no es solo la alerta de 3:16… Si hay una acción matutina que quieres operar, introduce el símbolo del ticker en XGPT y obtendrás un resumen como si me lo hubieras preguntado directamente.

Los nuevos traders no saben lo que no saben.

Es mi trabajo enseñarles. Y XGPT es la herramienta de enseñanza más avanzada que tengo en este momento.

Saludos.