Specification Risk: Una razón más para diversificar tus sistemas por Ignacio Villalonga

• Diversifica. Este es el consejo que se repite una y otra vez en el mundo de la inversión. Ahora bien ¿qué abarca una verdadera diversificación? ¿podríamos hablar de diversificación operando un solo activo con un único sistema de trading? En este artículo, le mostraremos cómo hacerlo.
• Artículo publicado en Hispatrading 43.

De un tiempo a esta parte, he hecho una defensa férrea de los beneficios de la diversificación, más allá de la diversificación de activos. Fue justo, tras la gran caída y la posterior recuperación del 2020, cuando la gente revisa sus sistemas, se contradice y se lamenta de no haber diversificado más. Son los grandes movimientos del mercado los que hacen tambalear nuestras creencias y los que hacen que revisemos a conciencia nuestros errores y aciertos. Y no haber diversificado bien, puede haber sido uno de los grandes errores de la gran mayoría de los inversores.

Empecemos por recordar que en el artículo “Timing Luck: No es cuestión de suerte si diversificas”  hablamos como el hecho de elegir el momento de entrada en un sistema es un riesgo. Porque dos puntos de entrada diferentes para el mismo sistema podían llevar a resultados muy diferentes, a lo largo del tiempo. Por tanto, debemos diversificar también los puntos de entrada para acercarnos lo más posible al resultado esperado del sistema de inversión.

Este punto de la diversificación cobra especial importancia en los sistemas en los que se toman decisiones binarias. Es decir, en aquellos modelos en los que estás invertido, o no, en un tipo de activo en función de una señal. Muchos sistemas tendenciales y de Asset Allocation siguen esta filosofía (e.j. Dual Momentum de Gary Antonacci). 

Para poder ilustrar las grandes dispersiones que podemos ver, en relación a los puntos de entrada elegidos, analizaremos los comportamientos durante este año de un sistema tendencial muy sencillo con 2 ETFs. Si para un periodo determinado el SPY tiene momentum positivo, invertirá en el SPY, si no, en TLT. Cada 4 semanas, volvemos a medir la señal y tomamos una decisión. Este sistema representa de una forma simplificada la inversión en renta variable o renta fija en función del momentum de la renta variable medido cada mes. Empezaremos por usar 252 días (1 año) como periodo para medir el momentum.

En el gráfico 1 vemos como en función de cuándo se van realizando las rotaciones, la dispersión de los resultados aumenta. El gráfico 2 muestra la diferencia de rentabilidad respecto a un sistema que fuera la combinación de los cuatro puntos de entrada. Operar un solo punto de entrada genera resultados dispersos. 

Podríamos decir que el problema es que el sistema no es robusto. Que tendría que funcionar igual o de una forma más similar aunque variásemos los puntos de entrada. Muchos de estos sistemas están pensados, y probados, con datos a final de mes. En el artículo de Alpha Arquitect, “Tactical Asset Allocation: Does the Day of the Month Matter?”  se puede ver como un sistema muy similar al utilizado aquí, rebalanceado en días diferentes del mes, a largo plazo genera también una dispersión muy alta.

Por tanto, efectivamente, el día en el que comienzas a implementar tu sistema, afecta y mucho.

Pero hay mucho más

Sin embargo, la diversificación no termina ahí. 

Cuando empezamos a diseñar un modelo de inversión, buscamos y analizamos muchas combinaciones de parámetros con el objetivo de explotar una ventaja. Estas combinaciones se van filtrando hasta encontrar las ganadoras. Y finalmente la zona robusta, que es aquella que contiene una serie de combinaciones estables a lo largo del tiempo. Lo habitual es coger la mejor combinación de la zona robusta y operarla.

Sin embargo, estos parámetros sí que son sensibles a las variaciones. La que ha sido la mejor combinación históricamente, puede no serlo en el futuro. Que la ventaja exista y que sea robusta, dentro de una zona de parámetros, es necesario para operar el modelo. Pero la mejor combinación dentro de la zona robusta puede no serlo siempre. 

Dos combinaciones de parámetros pueden llevar a diferencias pequeñas en la operativa (una operación que no tomas, una salida que hace después, etc.) pero que a largo plazo se materializa en grandes diferencias en los resultados. Esta sensibilidad crece a medida que aumentan los parámetros descorrelacionados de un sistema. Es lo que se conoce como “specification risk”.

Esta sensibilidad está muy ligada a los tipos de sistemas. Una cartera permanente tiene muy poca sensibilidad, mientras que los sistemas de tendencia, donde se toman decisiones binarias (p.e. o estás 100% en renta variable, o estás 100% en renta fija), la sensibilidad es muy alta. Esto también es aplicable a sistemas de trading intradiarios, sistemas de inversión por factores ‘y todos aquellos que utilicen parámetros. La diferencia entre ellos será la sensibilidad que tengan los resultados a las ligeras variaciones entre los parámetros.

Esta sensibilidad puede suponer un riesgo de obtener resultados menores a los esperados por el modelo.

Cuando hemos empezado a diseñar nuestro sistema, hemos decidido utilizar 1 año como periodo para medir el momentum y rebalancear cada 4 semanas. Estos dos parámetros parecen ser muy “corrientes”, pero simplemente esa simple decisión puede llevar a resultados muy dispares a los que habría obtenido con otros parámetros cercanos. 

En el siguiente ejemplo podemos ver como utilizando las variaciones para el mismo sistema, pero usando 3- 4 semanas de rebalanceo o 10-11-12 meses de rebalanceo, las señales empiezan a desacoplarse poco a poco. Esto parece que no tiene importancia, pero a largo plazo puede llevar a grandes diferencias. Y cuanto más complejo es el sistema y más variaciones permiten los parámetros, más pueden agrandarse. Si en vez de una media, estuviera tomando 2, o las variase entre simples o exponenciales, las diferencias en la señales serían cada vez más frecuentes.

¿Y a largo plazo?

Veamos esto desde una perspectiva de más largo plazo. Como el objetivo del artículo es concienciar de la sensibilidad a los parámetros de algunos sistemas, seguiremos trabajando con un modelo muy sencillo.

El modelo evaluará el momentum a 10-11-12 meses del SPY, ignorando el último o los 2 últimos meses. Si es positivo, compra SPY; si es negativo, TLT. Cada 3-4 semanas evalúa la señal y toma posiciones. 

Por tanto tenemos 3 parámetros que varían muy ligeramente. El periodo en el que medimos el momentum (3 opciones), el número de meses recientes que ignoramos (2 opciones) y cada cuanto rebalanceamos (2 opciones). 12 combinaciones en total. 

El motivo por el que ignoramos meses a la hora de medir momentum se debe a que los activos tienen comportamientos diferentes a largo y a corto plazo. La renta variable a corto plazo puede tener un efecto de reversión a la media que puede afectar a la tendencia de largo plazo.

Y aquí vemos el punto al que queríamos llegar. 12 sistemas, 20 años, y todos ganadores. Todos mejor que el Benchmark (SPY). Mejor sharpe, menor drawdowns pero con retornos que varían desde 385% hasta 600%. Entre 2 sistemas que se diferencian en que uno rebalancea cada 3 semanas, y otro cada 4, encontramos una diferencia impresionante. 

Otra cosa a tener en cuenta es que ninguno ha sido especialmente mejor durante todo el histórico. Lo que significa que tomar una decisión a día de hoy sobre qué sistema va a funcionar en el futuro es tomar el riesgo de escoger el peor de los 12. Si lo hacemos, disminuiremos claramente la rentabilidad global.

Ya no solo hay diferencias en las rentabilidades, sino también en las máximas pérdidas. Esa pequeña diferencia en las señales, en ciertos momentos del mercado, produce efectos que son devastadores. Puede dejar a un sistema rezagado de forma permanente. Y la verdad, esta elección tiene un gran componente de azar. No se podría haber sabido de antemano qué combinación, de parámetros, habría sido la adecuada.

Este sistema no deja de estar diseñado fundamentalmente para principios educativos. Pero tiene las características básicas de los sistemas tendenciales utilizados por la industria y por muchos inversores particulares. Si hubiéramos decidido aplicar sólo la combinación de parámetros que fue ganadora, entre 1999 y 2009, bajo el pretexto de que era claramente la mejor combinación, nos hubiéramos encontrado con la combinación perdedora entre 2009 y 2019 (sistema 2, en granate en el gráfico 7). ¿Cuál habría sido nuestro error? ¿Es que acaso el sistema no era robusto? La ventaja de los sistemas tendenciales está ahí, pero la sensibilidad a los parámetros habitualmente se pasa por alto. El error no es la elección de ese set concreto de parámetros, el error es elegir exclusivamente un set y no diversificar.

A la hora de diseñar estos sistemas y darse cuenta de que la sensibilidad de los parámetros es alta, la primera medida suele ser aumentar la frecuencia de rebalanceo. Es un instinto natural, pero no solo no es beneficioso si no que es altamente perjudicial. Te encontrarás con modelos que con muchísimas más operaciones (actualmente estos modelos rebalancean entre 20 y 25 veces en 20 años) tienen la misma sensibilidad a los otros parámetros. Seguirían sin estar diversificados.

 Al igual que la solución propuesta para evitar el “Timing Luck”, la solución sería operar todos los sistemas, creando un sistema conjunto ensamblado. 

Operar el conjunto de los sistemas nos garantiza obtener las rentabilidades realmente esperadas del sistema tendencial, eliminando el riesgo de elegir el peor de todos. Además, el bajo ritmo de rebalanceo, de este tipo de sistemas, más el hecho de que gran parte se rebalancean los mismos días, hace que los costes no sean mucho mayores. Para otro tipo de sistemas habría que encontrar el equilibrio entre los costes de una mayor operativa respecto a los beneficios de la diversificación del riesgo. Esto además tiene un beneficio extra: al estar ensamblando sistemas descorrelacionados en ciertos momentos (cuando unos están largos del SPY y otros del TLT), mientras la rentabilidad sí será la media. Además la volatilidad será menor, produciendo un mejor ratio retorno-volatilidad.

Conclusiones

El propósito de este estudio es mostrar que operar una sola combinación de parámetros, de un modelo, tiene riesgo a pesar de que haya sido la mejor combinación en el pasado. Al igual que la diversificación entre activos es importante y que, como ya vimos en artículos anteriores, los puntos de entrada también afectan a los resultados de la operativa, la diversificación entre sets de parámetros, de un modelo, es también necesaria para reducir riesgos. 

En el sistema tendencial utilizado esta sensibilidad, entre valores, es muy alta puesto que el decalaje, que puede producirse de una semana entre sistemas, hace que a largo plazo los resultados difieran notablemente. No obstante, este punto es aplicable a la gran mayoría de modelos de inversión. Incluso dos sistemas idénticos que en el pasado no hayan tenido ninguna diferencia en la señal, al tener parámetros diferentes, pueden producir en el futuro resultados diferentes sin que sepamos a priori cuál habría sido la mejor combinación.

Nota: Este sistema está diseñado exclusivamente con principios educativos. No supone una recomendación de inversión. Todos los datos de los backtests han sido extraídos mediante la plataforma Portfolio123, y elaborados internamente.

Estrategia para el S&P500 basada en el efecto TOM por Andrés A. García

• En este artículo analizaremos el uso de una de las pautas de calendario más conocidas. El Efecto “cambio de mes” y algunas variantes, como elemento clave en la construcción de estrategias cuantitativas de base diaria e intradiaria para el futuro del S&P500.
• Artículo publicado en Hispatrading 42.

El efecto Turn of the Month (TOM) es una de las anomalías más estudiadas por el mundo académico. Este efecto puede definirse como la tendencia, de numerosos activos y grandes índices, a exhibir retornos positivos muy superiores a la media durante los días inmediatamente anteriores y posteriores al cambio de mes.  

Ariel (1987) fue el primero en documentar esta pauta en los mercados estadounidenses. Posteriormente Lakonishok y Smidt (1988) fijaron un periodo óptimo para el TOM desde el último día de mes hasta el tercero del mes siguiente (-1 / +3). Este período varía según  mercados y épocas. En las últimas décadas se ha ido adelantando algunos días (Dzhabarov y Ziemba, 2010) siendo en la actualidad -4/+1 la mejor ventana TOM para los índices USA. 

Se han propuesto diversas explicaciones de esta anomalía. Algunos autores (Ogden, 1990) sugieren que la causa está en la regularidad de los pagos (salarios, dividendos, intereses) que incrementan la liquidez de los inversores. Si bien para que esta hipótesis fuese cierta debería constatarse un incremento paralelo del volumen, hecho que no se ha verificado en todos los mercados. Otros investigadores señalan como causas probables el proceso de rebalanceo de carteras en los grandes fondos (Maher y Parikh, 2013) o la difusión de noticias macroeconómicas y corporativas (Ritter y Chopra, 1989) que también suelen realizarse en fecha fija. 

Por otra parte se han sugerido diferentes formas de aprovechar esta anomalía. Hensel y Ziemba (1996) propusieron una estrategia rotacional, basada en el posicionamiento en activos del  S&P 500, aprovechando la ventana TOM y en productos de renta fija el resto del mes. Liu (2013) aborda una estrategia que combina el efecto de reversión del SPY con el TOM. Sugiere ponerse largo en este ETF los días -6 o -5, cuando los precios se sitúan estadísticamente en su nivel más bajo del mes, y mantener la posición hasta el día +2.

DATOS EMPLEADOS Y METODOLOGÍA

En nuestro estudio utilizaremos dos tipos de datos: Para los análisis estadísticos y validación de la pauta emplearemos los retornos logarítmicos diarios del índice SPX en una ventana temporal muy amplia (1980-2019) y, para la construcción de la estrategia, las series del E-mini S&P500 (ES) en base diaria y en time frame de 60 min. El período de análisis será de 18 años (2001-2019). Cabe señalar que ambas series utilizan plantillas horarias distintas: RTH (Regular Trading Hours) para los datos diarios y ETH (Extended Trading Hours) para los datos intradiarios. En lo referente a metodología seguiremos estos pasos:

1.- Determinación de la pauta TOM  y acotamiento de intervalos.

2.- Validación estadística de la pauta mediante análisis de regresión.

3.- Determinación y cuantificación del efecto de reversión a corto plazo. 

4.- Construcción de una estrategia basada en reglas que combine ambas anomalías.

5.- Evaluación de la estrategia.

DETERMINACIÓN Y VALIDACIÓN DE LA PAUTA TOM

Para poder visualizar adecuadamente la pauta ordenamos por días del mes el retorno del SPX en el intervalo -10/+10 y calculamos la media geométrica de cada día. El resultado se muestra en el gráfico 1:

Como vemos aparecen tres zonas bien diferenciadas y a las que llamaremos:

– TOM: Pauta del cambio de mes: -4/+3 en el periodo 1980-2019 y -4/+1 en 2001-2019.

– exTOM: Días no-TOM con rentabilidad media residual o negativa.

– MOM: Días próximos a la primera quincena. Pequeña pauta con sesgo positivo.

Al proyectar sobre un gráfico el beneficio acumulado por el SPX en los períodos TOM y exTOM vemos la enorme diferencia entre ambos:

Esta es la estadística descriptiva de las pautas TOM y MOM:

Gráfico 3.

Seguidamente pasamos a validar la significancia estadística de ambas pautas mediante un modelo de regresión. En general el modelado de series financieras mediante una regresión por mínimos cuadrados ordinarios (MCO) es problemático debido a que la volatilidad presenta variaciones en el tiempo y suele ser asimétrica, con mayor amplitud en las rachas bajistas que en las alcistas. En otras palabras, las series de los retornos tienen un  carácter heterocedástico que requiere el uso de modelos tipo GARCH y EGRARCH.

Estos modelos vienen definidos por dos ecuaciones; una para la media y otra para la varianza. En nuestro caso la ecuación del retorno sería:

Donde:

es el retorno medio logarítmico,  los coeficientes a estimar, y son variables dicotómicas que toman el valor 1 para los días del mes TOM/MOM y 0 para los días exTOM/exMOM ,  es el término de error y la función de distribución de probabilidad para , que puede ser normal, de Student o de error generalizado (GED). 

En el modelo GARCH la varianza condicional se expresa como:

Y en el EGARCH viene determinada por:

Ambos modelos son útiles en series en las que la volatilidad se presenta en clusters. Si bien el EGARCH es más preciso ya que permite modelar el efecto de apalancamiento.  En el gráfico 4 mostramos los resultados obtenidos con ambos modelos:

Gráfico 4.

Los valores críticos de Z son: 1,645 (0,1) para un nivel de confianza (NC) del 90%, 1,96 (0,05) para un NC del 95% y 2,576 (0,01) para un NC del 99%.

Las estimaciones del GARCH y EGARCH son similares y, como cabía esperar, los coeficientes son mayores y más significativos en el TOM (NC>95%) que en el MOM (NC>0,90%). Si bien en ambos casos consideraremos validada la pauta. 

DETERMINACIÓN Y CUANTIFICACIÓN DEL EFECTO DE REVERSIÓN

En los mercados maduros y muy líquidos suele apreciarse un sesgo de reversión a la media. Tal es el caso de los principales índices estadounidenses y, en particular, del S&P 500.  Una forma de comprobarlo es graficando el retorno acumulado en las sesiones persistentes (en las que los beneficios y las pérdidas se suceden) y antipersistentes (alternancia de beneficios y pérdidas):

El gráfico superior se ha creado simulando ambos escenarios en el ES mediante estas dos sencillas reglas:

1. Reversión: Si Cierre[0] < Cierre[1] nos posicionamos largos en la apertura con una orden a mercado y mantenemos la posición hasta el cierre de sesión.

2. Tendencia: Si Cierre [0] > Cierre[1] nos posicionamos largos en la apertura con una orden a mercado y mantenemos la posición hasta el cierre de sesión.

Como podemos ver el ES muestra un claro sesgo de reversión en todo el periodo, excepto quizá en el año 2018 debido a la fuerte tendencia alcista de este mercado.  

Para investigar movimientos persistentes y antipersistentes, en series de precios, se pueden emplear diferentes métodos. Si lo único que queremos es detectar una autocorrelación de primer orden, entonces el estadístico Durbin-Watson nos puede servir. Sin embargo, si existen correlaciones retardadas de orden 2, 3,…, n, es preciso utilizar otras técnicas como los correlogramas, el exponente de Hurst (H) o la diferenciación fraccional (d) en los modelos ARFIMA(p,d,q). El exponente H se puede calcular por varios procedimientos, como el rango de reescalado (R/S), el análisis dispersional  o los wavelets (AWC). Además se puede calcular a partir de d según la relación:

En función del valor de H podemos encontrar tres escenarios:

1. H ≈ 0,5. La serie tiene un comportamiento aleatorio.
2. H < 0,5  La serie es antipersistente y de memoria corta.
3. H > 0,5  La serie es persistente y con memoria larga.

Hemos estimado el valor de H para los retornos diarios del ES en el período 2001-2019 y obtenemos los siguientes resultados: R/S = 0,47, AWC=0,48 y d=0,04H=0,46. Lo que nos permite concluir que existe un movimiento antitendencial de fondo que puede ser aprovechado.

Podríamos proseguir este estudio aplicando algunos otros estadísticos como el test Breusch-Godfrey o analizando un correlograma de los residuos al cuadrado, pero no lo vamos a hacer aquí. Bástenos con especificar dos mecanismos para capturar el movimiento de reversión:

1. Filtro Close[0] < Close[1] para la reversión a corto plazo.
2. EMA(x)[0] > Close[0] para la reversión retardada de orden 2…n.

El valor de la media exponencial (EMA) no debe ser muy grande. Con 4-6 días (o su equivalente en barras intradiarias) debería bastar, dado que los procesos de reversión son de memoria corta.

ESTRATEGIA 1: TOM/MOM+REVERSE EN BARRAS DIARIAS

Aviso para navegantes: 

Conviene comenzar aclarando que lo que vamos a ver a continuación no son sistemas completos sino pruebas de concepto. Para que un sistema sea plenamente funcional se requieren más cosas: Subsistemas de entrada y salida, estructura de gastos, filtros y, sobre todo, un riguroso proceso de evaluación. Ni que decir tiene que los resultados son hipotéticos con todas las salvedades que ello implica.

Reglas (en metacódigo):

Si se verifica que:

Close[0] < Close[1]

Y EMA(5)[0] > Close[0]

Y Día del mes = -5 (TOM) O día del mes= -8 (MOM)

Entrar largos a mercado en la apertura del día siguiente.

Cerrar la posición si día = +2 (TOM) O día > 10 (MOM)

Con estas simples reglas obtenemos los resultados mostrados en el gráfico 6:

Gráfico 7.

Los resultados de esta estrategia son prometedores y consiguen generar alfa batiendo con claridad al benchmark de referencia (SPX), tanto en retorno absoluto como en rentabilidad ajustado por riesgo. Sin embargo, esta configuración tiene algunos riesgos inherentes que consideramos deben ser mejorados:

1.- Las pérdidas no están acotadas: No hay stop de acompañamiento.

2.- Efecto Cisne Negro: Quedan posiciones abiertas en overnight y durante el fin de semana.

3.- El sistema es poco granular: Pocas operaciones y de gran tamaño. 

4.- La máxima pérdida por operación (-$6.087) es muy elevada en relación al capital inicial.

5.- El Drawdown máximo (-$14.062) es también excesivo y debe reducirse.  

Todos esos motivos nos llevan a plantear una versión para intradía de esta estrategia.  

ESTRATEGIA 2: TOM/MOM+REVERSE INTRADIARIO

Para esta estrategia utilizamos time frame de 60 min. y una plantilla horaria 24/7 que recoja todo el horario de negociación (ETH) del ES.

Reglas (en metacódigo):

Entradas:

Si se verifica que:

Apertura de Ayer > Cierre de Ayer 

Y EMA(180)[0] > Close [0]

Y Día del mes = -5 (TOM) O -8 (MOM)

Entramos largos a mercado en la primera barra de la sesión.

Salidas:

• Si estamos largos cerramos la posición en la última barra de la sesión.
• Colocamos un stop de acompañamiento al 1% del precio de entrada.

Estos son los resultados que obtenemos:

Gráfico 9.

El beneficio acumulado es algo inferior al del sistema de base diaria debido a la fricción de hacer más operaciones y no quedar operaciones abiertas, durante el fin de semana. Sin embargo, pensamos que un mayor control del tamaño de las pérdidas con el MMStop, y una reducción apreciable del DrawDown máximo compensan sobradamente la merma del beneficio.

CONCLUSIONES

Todavía existen pautas temporales aprovechables en los mercados y el TOM es una de ellas. En todo caso, antes de incluir cualquier pauta, en estrategias de trading, éstas deben ser validadas utilizando metodologías estadísticas que permitan determinar con objetividad su amplitud, persistencia temporal y, en última instancia, su potencial para generar alfa. 

Es posible combinar pautas de orden mayor (diarias, semanales, mensuales, anuales) con otros movimientos específicos de los precios, como el efecto de reversión, o con anomalías horarias. Eso sí, siempre habrá una pauta dominante o primaria que se deber potenciar al diseñar la estrategia. A veces el solapamiento de anomalías es excluyente o no aporta nada.

Una pauta puede servir como base para desarrollar estrategias -como las que hemos presentado en este artículo- o como setup, que refuerce el funcionamiento de otras aproximaciones lógicas basadas en reglas de negociación. En todo caso debemos tener claro que las pautas raramente son capaces de salvar por sí solas el peso de los gastos de operativa. Por tanto deben utilizarse en conjunción con otras reglas, filtros y subsistemas eficientes de posicionamiento.

Para terminar, quisiera agradecer a José Luis Gil la programación del indicador TOM que ha permitido la evaluación en plataforma de trading de ambas estrategias.

REFERENCIAS:

• Ariel R. A. (1987) “A Monthly Effect in Stock Returns”, Journal of Financial Economics, 18, 161-174.
• Dzhabarov, C. y Ziemba, W.T. (2010) “Do Seasonal Anomalies Still Work?”, Journal of Portfolio Management, 36(3) 93-104.
• Hensel C.R. y Ziemba, W.T. (1996) ”Investment Results from Exploiting Turn-of-the-Month Effects: Should You Pay Attention to the Turn of the Month?”, Journal of Portfolio Management, 22(3) 17-23. 
• Lakonishok, J. y Smidt, S. (1988) “Are Seasonal Anomalies Real? A Ninety-Year perspective”, Review of Financial Studies, 1(4) 403-425. 
• Liu, L.  (2013) “The Turn-of-the-Month Effect in the S&P 500 (2001-2011)”, Journal of Business & Economics Research, 11(6) 269.
• Maher D. y Parikh A. (2013) “The turn of the month effect in India: A case of large institutional trading pattern as a source of higher liquidity”, International Review of Financial Analysis, 2013, 28 (issue C) 57-69.
• Ogden, J. P. (1990) “Turn-of-The-Month and January Effects”, Journal of Finance, 45(4) 1259-1272.
• Ritter, J. R. y Chopra, N. (1989) «Portfolio Rebalancing and the Turn of the Year Effect.» The Journal of Finance 44(1).

¿Cuáles son los mejores ratios de valor? por Yuval Taylor

Recientemente realicé un estudio de más de cincuenta factores de valor diferentes para ver cuál funcionó mejor. (Es cierto que muchos de ellos son similares). Los resultados me sorprendieron.

Método

Realicé el estudio utilizando Portfolio123. Aquí le muestro mi metodología. (Esto será un poco técnico; siéntase libre de pasar al siguiente párrafo si no está interesado en los detalles). Primero, utilicé un universo de todas las acciones de EE. UU. y Canadá con un precio superior a $3, un volumen medio diario en dólares superior a $ 50,000 y excluidas acciones no cotizadas y MLP. luego probé los rangos por deciles de rentabilidad de cada factor durante los últimos diez años y desde 1999, suponiendo un reequilibrio mensual sin deslizamientos. (¿Qué significa eso? Significa que formé diez carteras de acuerdo con el rango de cada acción en la relación de valor en cuestión, de modo que si una acción se clasificó en el 10% superior, estaba en la primera cartera, si se clasificó en el segundo 10% fue en el segundo, y así sucesivamente. Estas carteras se reconstituyeron cada cuatro semanas de acuerdo con el rango de cada acción en ese momento. El rendimiento de estas carteras se midió y se anualizó.) Luego tomé estos rendimientos por decil y medí la pendiente de su regresión lineal. (¿Qué significa eso? Alineé todos los resultados de los deciles y los usé como mis valores de y, mi valor de x siendo los valores 0.1, 0.2, 0.3, . . . 1.0. Luego calculé la regresión lineal, en otras palabras, la línea que mejor se ajustaba a estos números de rendimiento, y calculé la pendiente. Si todos los rendimientos de los deciles son cada uno más altos que el anterior, esta pendiente se aproxima a la diferencia entre los rendimientos del 10% inferior y el 10% superior; si son más variables, la pendiente disminuye.) Los de mejor rendimiento no solo tenían las mayores diferencias entre el decil superior e inferior, sino también la pendiente más suave en el medio. También consideré solo el decil superior en términos de rendimiento, ya que la mayoría de las personas usan índices de valor para ir en largo, así como el índice de Sharpe de ese decil superior. Por último, realicé este ejercicio utilizando los datos de Compustat y FactSet.

En este artículo, quiero hablar sobre los factores de valor que realmente superan al resto constantemente. Tuvieron un buen rendimiento en los últimos diez años y en los últimos 23. Tienen pendientes pronunciadas de abajo hacia arriba y el decil superior no solo tiene un rendimiento sólido, sino que también tiene un índice de Sharpe alto. Lo hicieron bien tanto con Compustat como con los datos de FactSet. Estos son factores con los que creo que es difícil equivocarse.

Las métricas de los ratios de valor

Antes de comenzar con eso, quiero hablar un poco sobre los números en los que debemos confiar para los ratios de valor. ¿Deberíamos simplemente mirar el trimestre más reciente? ¿Los últimos doce meses? ¿Los últimos tres años? ¿Los últimos cinco? ¿O deberíamos mirar las estimaciones de los analistas en su lugar? Y si es así, ¿para el año fiscal en curso, o para los próximos doce meses, o para el próximo año fiscal?

Si bien no hay respuestas incorrectas, sugeriría que los valores más importantes son, en orden de importancia, la estimación del año fiscal actual, la estimación de los próximos doce meses, las cifras GAAP de los últimos doce meses y las cifras GAAP del trimestre más reciente. Pero mucho depende de su período de tenencia. Si usted es un inversor que compra y mantiene sus posiciones, mirar el trimestre más reciente simplemente resultará en mucha rotación. Si tiende a reequilibrar con más frecuencia, como hago yo (rara vez mantengo una acción durante más de un año), entonces el trimestre más reciente puede proporcionarle una buena orientación.

Todas las razones consisten en un numerador y un denominador. Si la capitalización de mercado, el precio o el valor de la empresa están en el numerador, obtienes una relación de valoración en la que los números más bajos son mejores. El ejemplo clásico es P/E (precio a ganancias), pero estoy seguro de que está familiarizado con el precio a las ventas, el precio al flujo de caja libre y el EV a EBITDA. Si la capitalización de mercado, el precio o el valor empresarial están en el denominador, obtienes una relación de valoración que se denomina rendimiento , donde los números más altos son mejores. Los dos parecen ser equivalentes, pero no lo son. Una empresa con un P/E alto puede estar sobrevalorada, pero no tanto como una empresa con un rendimiento de ganancias negativo. Comparemos tres compañías, cada una vendiendo a $20 por acción. Una tiene un EPS final de doce meses (TTM) de $4,00, otra tiene un EPS de $0,50 y la otra tiene un EPS de –$1,00. La primera tiene un P/E de 5, la segunda tiene un P/E de 40 y la tercera no tiene ningún P/E. ¿Cuál es una mejor compra, la segunda o la tercera empresa? P/E realmente no te dice, en un sentido estrictamente matemático. Sin embargo, el rendimiento de las ganancias le permite clasificar las empresas con ganancias negativas por debajo de las empresas con ganancias bajas pero positivas, y le permite comparar dos empresas con ganancias negativas. De hecho, las empresas con rendimientos de beneficios apenas negativos superan significativamente a las empresas con rendimientos de beneficios extremadamente negativos.

Estructura de capital y ratios de valor

¿Por qué comparamos las ganancias de una empresa con su precio pero su EBITDA con su EV? ¿Por qué tenemos dos versiones diferentes de flujo de caja libre, dependiendo de si lo comparamos con la capitalización de mercado o el valor empresarial?

Hagamos una analogía. Compras una casa por $500,000, pagas $100,000 y obtienes un préstamo por $400,000. Recauda $50,000 al año por el alquiler de la casa y paga $20,000 al año en costos de hipoteca.

Hay cuatro maneras posibles de ver sus ganancias. Simplemente puede ignorar la deuda por completo y dividir $ 50,000 por $ 100,000 y decir que está obteniendo un rendimiento del 50% de su inversión. Por supuesto, esto es basura: definitivamente no lo es así. Puede deducir los costos de la hipoteca de sus $50,000 pero también puede basar su rendimiento en los $500,000 que vale la casa y decir que está obteniendo un rendimiento del 6% de su inversión. Esto también es basura: está deduciendo su deuda dos veces, una por el gasto de intereses y otra por los $400,000 que debe. Su rendimiento real es mucho mayor que eso.

Estas son las otras formas de calcular su rendimiento. El primero es comparable al rendimiento de las ganancias: usted resta los costos de su hipoteca del alquiler que gana y lo divide por su desembolso de efectivo, $100,000, para obtener un rendimiento del 30%. El segundo es comparable a EBIT/EV: no resta los costos de su hipoteca y divide el alquiler de $50,000 por los $500,000 completos, para obtener un rendimiento del 10%.

¿Son en absoluto proporcionales? De hecho lo son. Obtiene un rendimiento del 30 % sobre su efectivo, pero un rendimiento negativo del 5 % sobre su deuda. Y tienes cuatro veces más deudas que dinero en efectivo. Entonces, si descuentas cuatro veces el 5 % de tu 30 %, obtendrás un 10 %, exactamente lo mismo que tu rendimiento basado en EBIT/EV.

(Probablemente debería haber usado números después de impuestos en este ejemplo, pero quería mantenerlo simple).

La lección aquí es que si está comparando algo con el precio o la capitalización de mercado de una empresa, ese «algo» tiene que ser un número de gastos relacionados con la deuda posterior. No se permiten ingresos operativos, EBIT o EBITDA. Y si está comparando algo con el valor empresarial de una empresa, a ese “algo” se le tiene que volver a agregar el gasto por intereses si se dedujo antes. Es por eso que añadimos la parte sujeta a impuestos de los gastos por intereses al flujo de caja libre si queremos compararlo con el valor de la empresa. (Técnicamente, también debemos tener en cuenta la deuda emitida y la deuda pagada si la empresa emite o paga deuda regularmente).

En cuanto a cuál usar, depende de lo que estés buscando. Si solo está interesado en saber qué tan caras son sus acciones, entonces no se preocupe por el valor de la empresa, ya que el valor de sus acciones es un valor de capital y no tiene nada que ver con la deuda de una empresa. Pero si está interesado en el valor de la empresa, entonces el valor empresarial es el camino a seguir.

Una advertencia: nunca utilice índices basados ​​en el valor empresarial para empresas del sector financiero. Para un buen número de esas empresas, cuanto más deuda emiten, mayores son sus ingresos.

Como inversor, me interesa ver una empresa desde tantos ángulos como sea posible. Por lo tanto, presto atención tanto a los ratios o relaciones basadas en el precio como a los basados en EV.

Rendimiento del flujo de caja libre

Los mejores factores de valor que encontré son todas las variaciones del rendimiento del flujo de caja libre. (No soy el único en llegar a esta conclusión: otro autor, Harry Turner, llegó a este resultado usando métodos completamente diferentes).

Hace unos años escribí un artículo sobre el flujo de caja libre. Es una buena guía para conocer el historial del flujo de caja libre y las diversas formas de medirlo. Una guía mucho más completa es la de Aswath Damodaran, que publicó recientemente aquí .

El rendimiento del flujo de caja libre es simplemente el flujo de caja libre dividido por la capitalización de mercado, o el flujo de caja libre por acción dividido por el precio. Pero hay una serie de variaciones que funcionan igual de bien o mejor, y vale la pena discutirlas todas.

1. Medición del flujo de caja libre. La medida estándar es el flujo de efectivo operativo menos los gastos de capital. (En lenguaje P123, eso es simplemente FCF). Pero hay varias buenas alternativas. Muchos, incluido Warren Buffet, sostienen que solo debe restar los gastos de capital realizados en mantenimiento, no los gastos de capital relacionados con el crecimiento. La mayoría de las empresas no separan estos dos, por lo que se necesita un poco de investigación y estimación para llegar al número correcto. Otros van al extremo opuesto y dicen que debe restar no solo los gastos de capital sino todos los demás flujos de efectivo relacionados con las inversiones, que incluyen las adquisiciones. (En lenguaje P123, eso esOperCashFl + CashFrInvest.) Para complicar esto, muchas empresas enumeran las compras de activos importantes como gastos de capital, pero cuando venden esos mismos activos no los deducen de los gastos de capital, sino que los enumeran como otros elementos en la parte de inversión del estado de flujo de efectivo. Otra forma más de medir el flujo de caja libre es EBITDA (o EBIT) menos los gastos de capital (Michael Mauboussin favorece una variación de este método; en lenguaje P123, eso es EBIT - CapEx o EBITDA - CapEx). Esta medida no se puede usar con la capitalización de mercado o el precio, y debe usarse en su lugar con el valor de la empresa. Muchos otros creen que debe deducir no solo los gastos de capital sino también los dividendos pagados, ya que esa es una mejor medida de lo que queda para financiar el crecimiento de una empresa. (En lenguaje P123 eso esNetFCF.) Por último, como dije anteriormente, tiene una amplia variedad de opciones entre estimaciones y cifras GAAP durante varios períodos de tiempo. En total, hay más de veinte formas diferentes de medir el flujo de caja libre. No tengo ninguna preferencia fuerte entre ellos, y encuentro que todos ellos son medidas bastante valiosas. Pero a continuación le diré qué medidas específicas funcionaron mejor. (Existe cierto debate sobre si los índices de flujo de caja libre son efectivos para las empresas del sector financiero. Según mi investigación, definitivamente lo son y, a veces, funcionarán incluso mejor que el rendimiento de las ganancias).
2. Capitalización de mercado o EV. Por lo general, es un poco más útil, en mi opinión y experiencia, comparar el flujo de caja libre con el valor de la empresa que compararlo con el precio o la capitalización de mercado. Pero para hacerlo, debe volver a agregar el gasto por intereses de la empresa. (Si está usando EBITDA o EBIT menos los gastos de capital, no tiene que preocuparse por esto porque estos son números de gastos antes de intereses). Debido a que el flujo de efectivo libre es una medida después de impuestos, solo desea volver a agregar intereses gasto después de impuestos, o gasto de intereses multiplicado por uno menos la tasa impositiva de la empresa (o la tasa impositiva de la industria, o alguna medida de la tasa impositiva efectiva de las empresas del país, según su preferencia). (Mi medida preferida, en lenguaje P123, es IntExpA * (1 - TaxRate%TTMInd/100)). Y, una vez más, nunca utilices ratios basados ​​en EV para empresas del sector financiero.

Las mejores variaciones del rendimiento del flujo de caja libre

A continuación se muestran las variaciones del rendimiento del flujo de caja libre que mejor se comportaron en mis pruebas. Los enumero de los más simples a los más complicados, con las relaciones basadas en la capitalización de mercado primero, seguidas de las relaciones basadas en el valor de la empresa.

1. Rendimiento del flujo de caja libre. Esto es simplemente el flujo de efectivo libre dividido por la capitalización de mercado, utilizando valores TTM.FCFTTM / MktCap
2. Rendimiento estimado del flujo de caja libre. Aquí utiliza estimaciones de analistas para el año fiscal actual en lugar de valores TTM GAAP. Pero si no están disponibles, use los valores TTM.IsNA (FCFEstCY, FCFTTM) / MktCap
3. Rendimiento de flujo de caja libre neto. Aquí resta los dividendos pagados del flujo de caja libre de TTM.NetFCFTTM / MktCap
4. Rendimiento neto del flujo de efectivo libre menos costos de capital. Aquí se toma el flujo de caja libre neto y se resta el costo del capital por el capital invertido. Hay muchas maneras diferentes de medir el costo de capital. La más simple es la tasa libre de riesgo más la beta de la compañía multiplicada por una prima de riesgo de acciones. (Uso el rendimiento del Tesoro a diez años como la tasa libre de riesgo y el 10% menos ese rendimiento como la prima de riesgo de las acciones). Un método mucho más complicado es el tema del “patrimonio invertido”. Me refiero al valor en libros menos efectivo y equivalentes.(NetFCFTTM - (Close (0, ##UST10Yr) / 100 + (0.1 - Close(0, ##UST10Yr) / 100) * Beta3Y) * Max (0, AstTotQ - IsNA (CashEquivQ, 0) - IsNA (LiabTotQ, DbtTotQ))) / MktCap
5. Flujo de caja libre no apalancado al valor de la empresa. El flujo de caja libre no apalancado es el flujo de caja libre más la parte imponible del gasto por intereses. Yo uso valores TTM GAAP. El valor de la empresa es la capitalización de mercado más la deuda total menos el efectivo y los equivalentes.(FCFTTM + IntExpTTM * (1 - TaxRate%TTMInd/100)) / EV
6. Flujo de efectivo libre no apalancado estimado a valor de empresa. Aquí utiliza la estimación del año fiscal actual en lugar del valor TTM GAAP cuando está disponible.(IsNA (FCFEstCY, FCFTTM) + IntExpTTM * (1 - TaxRate%TTMInd/100)) / EV
7. Cualquiera de los anteriores menos el costo de capital. Aquí se calcula el costo de capital promedio ponderado de la siguiente manera. Tome el costo del capital (como se describe en el n.° 4 anterior) y multiplíquelo por la capitalización de mercado; agregue a eso el costo de la deuda, que es el gasto de interés anual promedio; luego divida esa suma por la suma de la capitalización de mercado y la deuda. Este es el WACC, que debe multiplicar por el capital invertido. El capital invertido es el activo total menos el efectivo y sus equivalentes y menos los pasivos corrientes que no son de deuda.(FCFTTM + IntExpTTM * (1 - TaxRate%TTMInd/100) - (((Close (0, ##UST10Yr) / 100 + (0.1 - Close(0, ##UST10Yr) / 100) * Beta3Y) * MktCap + IntExp5YAvg) / (MktCap + DbtTotQ)) * (AstTotQ - CashEquivQ - IsNA (LiabCurQ - DbtSTQ, 0))) / EV

¿Cuál de estos siete tuvo el mejor rendimiento absoluto? Bueno, todos están muy cerca, pero si tuviera que elegir solo uno, sería el 6, con el 3 en segundo lugar.

Una palabra sobre la deducción de costos de capital y capital

He dedicado gran parte de mis escritos a Michael Mauboussin, uno de los inversores/analistas más perspicaces que trabajan en la actualidad. Él y Dan Callahan publicaron recientemente un artículo llamado » Retorno del capital invertido: cómo calcular el ROIC y manejar problemas comunes «, que le sugiero que lea. Es una excelente introducción a su pensamiento sobre una de sus medidas clave, el rendimiento del capital invertido.

Cerca del comienzo del artículo, Mauboussin y Callahan señalan que existe una correlación muy fuerte entre a) la diferencia entre el rendimiento del capital invertido (ROIC) y el costo promedio ponderado del capital (WACC) y b) el valor de la empresa (EV) dividido por capital invertido (IC). Véase el Anexo 1, el gráfico de la página 2 del artículo, que me tomo la libertad de reproducir a continuación.

Mi idea fue: ¿por qué no usar esta correlación como base de un ratio de valor? Si ROIC – WACC es proporcional a EV / IC, entonces EV es proporcional a IC × (ROIC – WACC). Y dado que ROIC = NOPAT / IC (donde NOPAT es la ganancia operativa neta después de impuestos), entonces EV es proporcional a NOPAT – WACC × IC.

Si, en lugar de NOPAT, usamos flujo de caja libre, entonces un buen ratio de valor sería FCF – WACC × IC. Así que probé eso. Los resultados fueron muy alentadores y, de hecho, significativamente mejores que con NOPAT. Es por eso que deduje los costos de capital y equidad en las fórmulas número 4 y 7 anteriores.

Conclusión

Creo que es muy revelador que el ratio de valor que parece funcionar mejor, de acuerdo con mis métodos de prueba, es la que está más profundamente arraigada en la metodología de valoración.

De hecho, funciona mejor que cualquier método de valor intrínseco automatizado que haya probado. Tengo una teoría sobre por qué es así.

Proyectar tasas de crecimiento basadas en el crecimiento pasado es casi imposible. Verdad, una empresa de gestión de activos, publica notas de investigación frecuentes y recientemente descubrió que la persistencia del crecimiento es completamente quimérica .

Además, el costo de capital es notoriamente difícil de calcular o estimar, como lo he discutido extensamente .

Si las empresas tienen trayectorias de crecimiento absolutamente impredecibles y si el costo de capital es más o menos quimérico, podríamos asignar a todas las empresas el mismo crecimiento y el mismo costo de capital. Luego, el cálculo del valor intrínseco se vuelve extremadamente simple y utiliza solo una o dos entradas variables: flujo de caja libre y, para cálculos basados ​​en EV, costo de la deuda.

Esa, creo, es la razón por la que los índices de valoración basados ​​en el flujo de caja libre funcionan tan bien.

Algunas empresas excepcionalmente baratas

Usando estas proporciones, aquí están las compañías más baratas en este momento (al 17/12/22) en el universo «Easy to Trade North America» ​​de Portfolio123 (acciones cotizadas cuya cotización principal está en los EE. UU. o Canadá con un precio mínimo de $ 3 y un volumen mínimo diario en dólares de $50,000, excluyendo MLP), utilizando una combinación de datos de FactSet y Compustat: Friedman Industries ( FRD ), Vir Biotechnology ( VIR ), PBF Energy ( PBF ), Zim Integrated Shipping Services ( ZIM ) e Insignia Systems ( ISIG). Todos ellos tienen rendimientos de flujo de caja libre superiores al 40%. Ahora, algunas de estas pueden ser baratas por buenas razones. Creo que debe tener en cuenta mucho más que los factores de valor cuando elige inversiones. Así que aquí hay algunas otras acciones con rendimientos de flujo de caja libre muy altos (por encima del 10%) que considero inversiones especialmente seguras (tengo acciones en todas ellas): Genie Energy ( GNE ), Limbach ( LMB ), Hammond Power Solutions ( HPS .A:CAN / HMDPF ), PrimeEnergy Resources ( PNRG ) y RCM Technologies ( RCMT ). Las diez de estas acciones ciertamente tienen un precio bajo según las medidas que he discutido, y bien pueden valer su atención.

Y si desea vender en corto algunas acciones con rendimientos de flujo de caja libre extremadamente negativos (todos por debajo del -40 %), consulte Kodiak Sciences ( KOD ), Groupon ( GRPN ), Aspen Aerogels ( ASPN ), Hippo ( HIPO ) y bluebird bio. ( AZUL ). Estas no son las peores acciones en términos de rendimiento de flujo de efectivo libre, pero tampoco son compañías que no tienen casi nada más a su favor.

Divulgación: Tengo posiciones largas en las acciones GNE, LMB, HMDPF, PNRG y RCMT.

Trading de convergencia: cómo funciona y estrategias por Timothy Sykes

La convergencia implica que los precios de los activos que se han desviado de su promedio histórico volverán o convergerán a su verdadera alineación, mientras que la divergencia sugiere que estos precios se están separando.

Comprender esta diferencia fundamental es crucial para implementar estrategias efectivas.

• Ejemplo de convergencia: Dos acciones de la misma industria divergen en el precio debido a factores temporales; los traders apuestan por su eventual alineación de precios.
• Ejemplo de divergencia: Aumento de la disparidad en el rendimiento de dos acciones correlacionadas debido a cambios fundamentales en la perspectiva de una empresa.

Convergencia vs. Arbitraje

Si bien ambas estrategias tienen como objetivo explotar las ineficiencias del mercado, el trading de convergencia no es un verdadero arbitraje. Los traders de convergencia buscan posiciones que se beneficien de la eventual corrección de las discrepancias de precios, sin asumir la igualdad inicial de precios.

• Arbitraje: explota las diferencias de precios para obtener un beneficio garantizado sin riesgo neto de mercado.
• Trading de convergencia: asume posiciones especulativas basadas en la probabilidad estadística de convergencia de precios, que implica un riesgo potencial.

Cómo funciona la estrategia de trading de convergencia

La estrategia de trading de convergencia implica varios pasos clave, desde la identificación hasta la ejecución, y se basa en gran medida en el análisis cuantitativo para evaluar y predecir los movimientos de los precios de los activos.

1. Identifique pares de activos correlacionados con discrepancias temporales de precios.
2. Abra operaciones que capitalicen la convergencia esperada de estos precios.
3. Supervise estas posiciones y salga en caso de la convergencia o en función de criterios preestablecidos para gestionar las pérdidas potenciales.

El análisis cuantitativo es esencial en esta estrategia, ya que implica cálculos complejos para determinar las relaciones y los movimientos potenciales entre los activos.

Tipos de estrategias de trading de convergencia

Las estrategias de negociación de convergencia abarcan una variedad de enfoques que utilizan la convergencia esperada de los niveles de precios entre diferentes valores e instrumentos financieros. En mis más de 20 años de enseñanza y trading, he descubierto que cada tipo tiene un propósito y se ajusta a condiciones específicas del mercado. Por ejemplo, las estrategias que involucran contratos de futuros podrían capitalizar los precios equivocados entre los precios al contado y los precios de futuros, una ocurrencia común durante los períodos de estrés financiero o ineficiencias del mercado.

Los inversores y los fondos de cobertura a menudo participan en operaciones de convergencia que involucran ETF y valores individuales, buscando explotar las divergencias de precios que se espera que converjan a lo largo del tiempo. Estrategias como el arbitraje de bonos convertibles y el arbitraje de renta fija aprovechan el análisis algorítmico y estadístico para predecir y capitalizar los movimientos de precios. Estas operaciones suelen implicar una evaluación detallada de los modelos de riesgo, sesgo y precios para garantizar que el potencial de beneficio supere el riesgo de pérdida.

El trading de convergencia también puede incluir estrategias que utilizan opciones para cubrir posiciones, protegiendo contra los severos movimientos de precios al tiempo que mantienen el potencial de ganancias.

La confluencia en el trading es un gran socio para las estrategias de convergencia. Al utilizar múltiples indicadores que confirman un escenario de convergencia, los operadores pueden reducir una serie de problemas de convergencia. Este método integra varias señales de mercado para identificar los momentos óptimos para la ejecución de operaciones, mejorando la rentabilidad potencial y minimizando los riesgos asociados con las estrategias de un solo indicador. Para entender cómo integrar la confluencia de manera efectiva dentro de sus enfoques de trading de convergencia.

Arbitraje de renta fija

El arbitraje de renta fija es una forma de negociación de convergencia que se centra en las discrepancias en los precios de los bonos, particularmente dentro de los mercados de tasas de interés.

Alternativas de rendimiento de renta fija

Explorar alternativas a los rendimientos tradicionales de renta fija puede ser una estrategia valiosa en el marco del trading de convergencia.

• Ventajas: Rendimientos potencialmente más altos de activos mal valorados.
• Desventajas: Mayor exposición a la volatilidad del mercado y a los riesgos de liquidez.

Arbitraje de valor relativo

Esta estrategia implica comprar un valor y al mismo tiempo vender un valor relacionado cuando sus precios difieren de su relación típica.

• Ejemplos: Pares de acciones largas/cortas basadas en predicciones de rendimiento sectorial.

Arbitraje de bonos convertibles

Involucra posiciones en bonos convertibles y sus acciones correspondientes, apostando por ajustes en su relación de precios.

• Riesgos: Movimientos del mercado que pueden alterar las métricas de conversión fundamentales.
• Rentabilidad: Benefíciese de los ajustes de precios después de la conversión.

Market Neutral

Se centra en compensar las posiciones largas y cortas en acciones para crear una exposición neutral en el mercado.

• Identifique las acciones que probablemente aumenten y disminuyan de valor.
• Equilibre estas posiciones para neutralizar los amplios movimientos del mercado.

Riesgos de la estrategia de convergencia

Si bien el trading de convergencia puede ofrecer recompensas significativas, también viene con su conjunto de riesgos, particularmente de la volatilidad del mercado, los errores de precios y las imprecisiones de los modelos.

Mi experiencia me ha enseñado que comprender y gestionar estos riesgos es crucial para mantener la rentabilidad haciendo trading. Por ejemplo, la gravedad de los movimientos de precios puede conducir a llamadas de margen sustanciales, donde los inversores podrían necesitar comprometer más fondos para mantener sus posiciones. Esto es particularmente relevante en los mercados de futuros y otros derivados, donde el apalancamiento puede amplificar tanto las ganancias como las pérdidas.

Los inversores también deben ser conscientes de los riesgos asociados con los sistemas de trading algorítmico, como el potencial de errores en los modelos estadísticos que podrían conducir a operaciones no intencionadas o a precios erróneos. Además, la naturaleza global de estas operaciones a menudo implica complejidades relacionadas con las políticas y regulaciones financieras de los diferentes países, lo que puede afectar la rentabilidad de las estrategias de convergencia. Por lo tanto, la gestión eficaz del riesgo implica un seguimiento constante de las condiciones del mercado, una investigación exhaustiva y un marco sólido para hacer ajustes en las estrategias a medida que evoluciona la dinámica del mercado.

Cómo gestionar el riesgo en el trading de convergencia

Navegar por los riesgos asociados con el trading de convergencia requiere estrategias de gestión de riesgos.

Los riesgos incluyen la volatilidad del mercado, suposiciones de correlación erróneas y eventos económicos inesperados.

La gestión de estos riesgos implica un monitoreo diligente, el uso de órdenes de stop-loss y el mantenimiento de carteras diversificadas para mitigar las pérdidas potenciales.

La aplicación de estrategias de cobertura es crucial para gestionar los riesgos en el trading de convergencia, especialmente en mercados volátiles. La cobertura permite a los traders protegerse contra los movimientos adversos de precios al tiempo que mantienen posiciones que capitalizan la convergencia de precios esperada. Técnicas como el uso de opciones o futuros pueden salvaguardar las inversiones de cambios inesperados en el mercado, asegurando que las estrategias de convergencia se puedan aplicar con un riesgo reducido.

Puntos a tener en cuenta

• Trading de convergencia: una estrategia sofisticada que se basa en la probabilidad estadística de convergencia de precios en lugar de predicciones directas de precios.
• Gestión de riesgos: esencial para mitigar las pérdidas en entornos volátiles.
• Implementación estratégica: requiere un análisis riguroso y una comprensión profunda de las correlaciones de activos y la dinámica del mercado.
• Versatilidad: aplicable a varias clases de activos, incluyendo acciones, bonos y derivados.

¿Cómo evaluar una estrategia de trading? por Van K Tharp

• Miles de estrategias y sistemas para poder operar. ¿Cómo saber cuál elegir? En este artículo Van K Tharp explica lo más importante que podemos tener en cuenta.
• Artículo publicado en Hispatrading 58.

«¡Ese sistema que compré no sirve para nada! Las tres primeras operaciones que hice con él fueron todas perdedoras. ¡Desperdicié mil dólares en esa basura! Nunca volveré a operar con esa cosa”.

He escuchado historias como esta una y otra vez, ya sea que la persona esté hablando de un sistema de trading que compró, recomendaciones por medio de boletines o un sistema de trading que desarrollaron ellos mismos (aunque la gente suele ser menos crítica con las cosas que desarrollan ellos mismos, más sobre eso más adelante).

Es por esto que deberías contestar a las siguientes preguntas antes de seguir un determinado sistema ¿Cómo elijo los sistemas? ¿Cómo sé si un sistema se ha roto? Hablemos sobre el rendimiento de los sistemas. Estos son algunos de de los temas que trataremos en este artículo:

• ¿Cuáles son los criterios clave que se deben utilizar al evaluar el rendimiento de un sistema?
• ¿Cómo puedo elegir entre dos sistemas?
• ¿Cuándo se hace demasiado larga una serie de pérdidas para poner en tela de juicio el sistema?
• ¿Cuáles son los niveles de pérdida o drawdown aceptables?
• ¿Debería buscar un sistema con un alto porcentaje de aciertos o altos múltiplos R?
• ¿Debería comprar un sistema o dedicar tiempo a desarrollar el mío propio?

Para responder a aquellas personas que tiran los sistemas después de tres pérdidas: A menos que su sistema gane el 95 por ciento del tiempo, tres pérdidas seguidas rara vez es algo de lo que preocuparse.

Rendimiento del sistema

¿Cómo elegir entre dos sistemas? Hay dos áreas importantes a tener en cuenta al elegir entre sistemas de trading. Lo primero es hacer coincidir la filosofía del sistema con sus creencias sobre el mercado. La segunda área son las estadísticas de rendimiento de los sistemas. La mayoría de la gente pasa el 98 por ciento de su tiempo analizando números. El otro dos por ciento del tiempo de desarrollo del sistema se dedica a no hacer nada. Nadie pasa tiempo preocupándose por si realmente podrá operar con el sistema que elige. Así que dediquemos tiempo mirando la psicología del trading del sistema e investigando los números en relación al rendimiento que compararán a los sistemas que queramos evaluar.

«Sí, puedo operar con eso». Lo he escuchado cientos de veces: «Solo muéstrame algo que funcione y lo operaré». Todos desearíamos que fuera así de fácil. El trading requiere una combinación de habilidad y talento. Y una de las habilidades más importantes es saber qué tipo de sistemas y estrategias puedes operar bien, día tras día. Así que lo primero que un trader debe determinar al elegir entre sistemas es cuál se ajusta mejor a su estilo de trading. Veamos algunas preguntas que deberían ayudarnos a determinar qué sistema está más alineado con nuestras creencias sobre trading:

• ¿Qué marco de tiempo utiliza este sistema?
• ¿Operaciones intradía? ¿Algo intermedio? ¿Es este un marco de tiempo con el que me siento cómodo?
• ¿Este sistema opera predominantemente con las tendencias o ejecuta operaciones principalmente contra tendencia?
• ¿Con qué frecuencia opera el sistema? ¿Opera demasiado o, por el contrario, muy poco para nuestro nivel esperado de actividad?
• ¿Cuánto de nuestro capital de inversión requerirá cada uno de los sistemas? ¿Es esta una cantidad con la que te sientes cómodo?

Ten mucho cuidado si tienes la tentación de caer en la trampa de «puedo operarlo si funciona». Porque, si el sistema que parece funcionar bien en el papel pierde demasiados trades seguidos o tiene una o dos pérdidas que son demasiado grandes para nuestro perfil de riesgo, entonces será más que probable que deseche un buen sistema. Comprenda sus creencias sobre el mercado y las zonas de confort y estará en camino de combinarlas con una estrategia de trading útil.

Veamos cómo las coincidencia de sus creencias de mercado con las de su sistema o estrategia. ¡No puedo enfatizar lo suficiente la importancia de este aspecto al elegir un sistema! Echemos un vistazo a algunas de las medidas cuantitativas básicas que debe tener en cuenta al comparar sistemas.

• Porcentaje de ganancias frente a altos rendimientos de R-Multiple. Hemos discutido esta métrica antes y, en la mayoría de los casos, estos son elementos inversamente proporcionales (lo que significa que a medida que un ratio aumenta, el otro disminuye). El Santo Grial sería un sistema con múltiplos R altos con un porcentaje de tasa de aciertos muy alto. Si bien he visto algunos sistemas que hacen ambas cosas, invariablemente logran esta combinación inusual al encontrar condiciones de mercado que se dan con muy poca frecuencia. Estos tipos de sistemas son los que tienen configuraciones que operan solo unas pocas veces por trimestre o año. Pero asegúrate de conocer tu capacidad para aguantar a través de empates y rachas de pérdidas. Si eliges un sistema que genera grandes múltiplos R, pero que tiene un porcentaje ganador inferior a 50, tienes que tener un comportamiento muy paciente. ¡Recuerda lo importante que es hacer coincidir tu sistema con tu personalidad y creencias!
• Beneficio medio por operación. Esta medida es una de mis medidas favoritas. Abarca muchas otras características del sistema, incluyendo la expectativa, el tamaño promedio de la pérdida y el tamaño promedio de las operaciones ganadoras. Cuando se combina con la frecuencia de las operaciones, el beneficio promedio por operación puede decirle más sobre su sistema que la mayoría del resto de medidas individuales. Si bien esta es una de mis favoritas, realmente necesitas combinarlo con una comprensión del siguiente elemento para asegurarte de no dejarnos engañar por uno o dos resultados inusuales.
• Operaciones ganadoras de gran tamaño. A medida que revisamos los resultados de trading, esté atento a los rendimientos realmente grandes que se dan solo una o dos veces en una ejecución de datos. He visto algunas tendencias a largo plazo que siguen los sistemas que dieron grandes resultados porque detectaron un gran movimiento en una acción o materia prima. ¿Qué hay de malo en tener uno o dos trades ganadores que reflejen la mentalidad ganadora de «dejar correr a tus posiciones ganadoras»? Lo principal es la frecuencia. Si estos trades ganadores de gran tamaño se dan una vez cada dos o tres años, será difícil operar su sistema mientras esperamos la próxima gran jugada. Otro problema potencial es que estas grandes ganancias se dieron cuando llegaron eventos que quizá solo veamos una vez, como un sistema que se había quedado con posiciones bajistas el 11 de septiembre de 2001 o cuando los hermanos Hunt intentaron arrinconar el mercado de la plata. La conclusión es que saber el dato de los rendimientos promedio no es suficiente, tienes que conocer las operaciones individuales que se ejecutaron para generar esos números.

Veamos algunas de las medidas agregadas que son útiles para comparar sistemas.

Hay varias formas de combinar o agregar datos para proporcionar una medida más amplia del rendimiento del sistema.

• La expectativa del sistema multiplicada por la frecuencia. Debido al sesgo que los humanos tienen por tener razón, muchas (si no la mayoría) personas juzgan los sistemas en función del porcentaje de tiempo que gana el sistema sin analizar la proporción entre el trade ganador promedio y el perdedor. Conceptualmente mide la rentabilidad promedio esperada de un sistema determinado en términos de dólares ganados por dólar arriesgado. Para hacer una métrica de rendimiento que sea realmente aplicable en todos los instrumentos y marcos de tiempo, puede multiplicar la expectativa por la frecuencia del trading o la inversión. Esto te dará una cifra de «dólares por mes, año, etc.» que puedes usar para comparar cualquier sistema. Con esta combinación de expectativa y frecuencia, puede responder a la pregunta «¿Se ve mejor ese sistema de trading intradía para el S&P, ese sistema de trading de acciones a largo plazo o esa estrategia de compra venta de propiedades inmobiliarias que hace operaciones unas cuantas veces al año?»
• El aumento porcentual anual dividido por el máximo drawdown. Lo que la primera medida (expectativa por frecuencia) no te dirá es cuánto dolor (o pérdidas) tendrás que sufrir para generar esas ganancias promedio. Un ratio que me gusta usar es la ganancia porcentual anual promedio dividida entre la pérdida máxima. Esto nos da una relación de cuánto ganamos por año dividido entre cuánto estaríamos perdiendo en cualquier momento del año. O en términos simples: ¿Cuánto tendré que arriesgarme a perder para generar mis rendimientos promedio? Cualquier proporción que sea inferior a 2:1 es sospechosa (¿realmente quieres arriesgarte a tener un pérdida del 50% para tener una ganancia del 50 %?).

Medidas de rendimiento estándar de la industria. 

Terminemos viendo dos números compuestos que muchos gestores utilizan para medir su rendimiento:

• Ratio Sharpe: (tasa de rendimiento del sistema – tasa de rendimiento libre de riesgo) / desviación estándar de los rendimientos del sistema. El Ratio Sharpe mide el riesgo de recompensa dando los rendimientos del sistema como una relación a su desviación estándar. Si el sistema tiene rendimientos muy constantes, tendrá un ratio alto. Un sistema con rendimientos que varían mucho de un período a otro tendrá un Ratio Sharpe más bajo.

• Ratio Sortino: Un problema con el Ratio Sharpe es que penaliza a un sistema por un gran mes o una «buena volatilidad». El Ratio Sortino intenta superar este problema dividiendo la misma tasa de rendimiento ajustada al riesgo utilizada en el Ratio Sharpe solo por la desviación negativa o la «mala volatilidad» (la semivarianza a la baja).

La conclusión para medir el rendimiento del sistema es que tienes que entender qué criterios son importantes para ti. No bases tu decisión solo en una medida de rendimiento. Con todas las herramientas a nuestra disposición para medir el rendimiento, es prudente ponerlas en uso como queramos. 

Cómo vigilar nuestras cuentas de trading por John Devcic

• El mundo ha cambiado por completo en los últimos 2 años. Pues bien, esto no es diferente cuando se trata de nuestras cuentas de trading. Muchos de los brokers que pensamos que eran honestos demostraron ser, en el mejor de los casos, no tan buenos para poder considerarse confiables y, en el peor de los casos, algunos demostraron ser una auténtica estafa. ¿Cómo podemos protegernos, no solo a nosotros mismos, sino también a nuestras cuentas? En este artículo hablaremos de algunos puntos clave, a tener en cuenta, para hacer precisamente esto.
• Artículo publicado en Hispatrading 52.

Quizás te preguntes por qué escribir un artículo como este. Bueno, creo que es seguro decir que todos, en algún momento u otro, nos hemos encontrado en el otro lado de una operación comprando cada vez a precios más altos, solo para descubrir que éramos los últimos tontos en los alto de la cima. Nos guste o no, esto no es culpa de los brokers. Sin embargo, lo que es culpa de los brokers es el hecho de que un trader minorista no pueda salir de una acción o ni siquiera se le permitió operar una opción sobre ella. Esto es completamente ridículo y expuso a muchos brokers por no ser honestos con los traders minoristas. Este consejo se aplica a todos los brokers y todos los instrumentos financieros, incluidas las acciones, bonos, materias primas, futuros, divisas y opciones.

Paso 1. De verdad que lo repasé cuidadosamente varias veces para elegir cuál sería el mejor primer paso. Decidí seguir el consejo de mi antiguo profesor de aritmética: haz lo más difícil primero y todo lo demás será fácil. Bueno, para mí la parte más difícil es revisar. ¿El qué? Revisar nuestras cuentas, eso es lo que tienes que revisar. Mes a mes por lo menos es un mínimo indispensable. Suena difícil, pero ahora se pueden descargar casi todos los estados de cuenta. Si bien casi ninguno de nosotros lo hacemos, tenemos que hacerlo.

Necesitamos pruebas documentadas para tener registrado cualquier problema con el broker o fondo en el que invertimos, esto incluye todas y cada una de las cuentas de jubilación que tengamos. Creo que si eliges un día al mes para hacer esto, lo hace mucho más fácil. Así que puedes preguntarte ¿qué estás buscando? Estás buscando cuántas acciones tienes mes a mes (se sabe de personas que perdieron algunas acciones que sabían que tenían solo un mes antes).

A continuación, mira todas y cada una de las comisiones que se cobran y que quizás ni siquiera conozcas. Estás buscando cualquier transacción que sepas que has realizado y que pueda faltar o que los números hayan cambiado. Si bien esto puede sonar muy mal y bastante exagerado, te aseguro que es necesario. Lamentablemente, hemos visto brokers sin escrúpulos ocultar acciones e incluso cambiar la cantidad de acciones en una cuenta. Esta es una forma segura de ver si un broker es honesto o no. Si algo así sucediera deberíamos mover nuestro dinero al instante. Una vez que hayas cambiado de broker, busca cualquier recurso legal basado en las leyes de tu país si es necesario. No vale la pena luchar por ciertas cantidades, pero al menos ya no estarás con ese broker. Si bien este es un ejemplo extremo, también podemos usarlo para averiguar la lista restringida de valores que un broker puede no permitirte operar abiertamente. Lo que salió a la luz para muchos de nosotros fue que de repente descubrimos que las acciones con mayor movimiento no estaban disponibles para operar porque ahora estaban restringidas. Muchos brokers legítimos excusaron fácilmente esa lista restringida y, sin embargo, para aquellos de nosotros que hacemos trading o invertimos, nos encontramos en el lado perdedor sin que fuera culpa nuestra porque cuando entramos en el momento adecuado, nuestra salida estaba bloqueada. Hay algunos brokers que incluso cobran comisiones adicionales además de las habituales solo para operar las opciones de estas acciones. Si bien esto está bien si necesitas hablar con una persona por teléfono, es una práctica imperdonable hacerlo en línea. Algunas reglas impuestas, como la necesidad de hablar con un broker para cerrar una posición abierta de opciones y, en muchos casos, el costo de hablar por teléfono anulaba parte e incluso la totalidad de las ganancias obtenidas en esa operación de opciones. Queremos eliminar a estos brokers con seguridad y esto nos lleva al paso 2.

DEMASIADAS CUENTAS

Es fácil registrarse y depositar fondos en una cuenta. El proceso toma unos minutos para completar algunos formularios que vinculan tu número de cuenta y así poder operar con este broker. Tuve que hacer una pequeña selección de todas las diferentes cuentas de corretaje que tenía y, para mi asombro, había algunas de las que casi me había olvidado. A través de fusiones y compras, descubrí que un par de cuentas de corretaje que tenía ahora se migraron a otra empresa de trading. Cuentas de opciones antiguas seguidas de numerosas cuentas antiguas de brokers de divisas, solo por nombrar algunas. Lo mejor de todo es que a la mayoría de estas cuentas les quedaba muy poco de capital. Sin importar cuánto hice un balance de cada uno de ellos y decidí cerrar o quedarme con las que me eran útiles.

El siguiente paso es echar un vistazo a todas tus cuentas de corretaje, independientemente de lo que operes. Es fácil descubrir que tienes varias cuentas de corretaje, cuentas de opciones, un par de cuentas de divisas diferentes, algunas cuentas de negociación de bonos y algunas cuentas de negociación de criptomonedas. Tener varias cuentas de trading es ineficiente y, a menudo, puede ser confuso y tedioso. Una buena idea aquí es consolidar. No estoy sugiriendo que decidas fusionar todas tus cuentas en una sola cuenta de corretaje que te permita negociar todos estos valores diferentes. Si bien no hay duda de que esto es una ventaja, tampoco deseamos fusionar varias cuentas en una sola simplemente por simplicidad. Si bien la simplicidad de tener el capital e inversiones en un solo lugar hace que sea mucho más fácil de monitorear, existe el beneficio de tal vez mantener acciones, opciones y bonos en un tipo de firma de corretaje, las criptomonedas, futuros y divisas en otra firma, de esa manera podemos asignar capital de manera más eficiente y fácil y concentrarse mejor en nuestras inversiones. Esto también es mucho más fácil de monitorear y tomar mejores decisiones al hacer trading. Piensa en esto si todas tus inversiones están en un solo lugar, será muy confuso porque no todos tus activos, o muy rara vez, subirán al mismo tiempo. Cuando concentras tus inversiones, puedes ver cuáles están funcionando bien y cuáles no. Si tus operaciones de criptomonedas y divisas están cayendo, pero tus acciones y bonos están funcionando bien, esto hace que sea más fácil concentrarse en la cuenta de criptomonedas y divisas, tal vez necesitas microgestionar tus operaciones un poco más en esa cuenta y menos en las acciones y bonos.

Fusionar inversiones similares también te permitirá diversificar mejor tu cartera. Si bien parece un contrasentido, no hay duda de que cuando tienes una gran cartera de diferentes valores, se vuelve más difícil ver cuántos de los mismos sectores tenemos. Es posible que tengamos una posición sobreponderada en finanzas en nuestra cartera de acciones, pero es más difícil ver y solucionar esto cuando también puedes tener muchas operaciones del mismo tipo, bien sean divisas o criptomonedas. Consolida tus inversiones y verás que gestionarlas no solo es más fácil sino también más claro para ayudarte a navegar hacia una cartera más diversificada. Ten esto en cuenta también cuando se trata de fondos. Vuelve a verificar las comisiones que cobran y elimina las de mayor costo. Esto es tan importante que requiere un artículo completo sobre ello.

La práctica hace la perfección

Cuidarse a sí mismo como trader o inversor también significa facilitar el trading y una de las herramientas perdidas u olvidadas por los traders e inversores avanzados es la cuenta demo. Una vez que has estado operando por un tiempo, ya no te preocupas por la necesidad de practicar, pero esto es incorrecto. Es demasiado fácil hacer una operación en una posición especulativa de acciones, criptomonedas o divisas, no saber nada al respecto y de repente encontrarte sobre ponderando esta operación especulativa. Cuando empezamos, se nos aconsejó a todos que abriéramos una cuenta de demostración y practicáramos. Bueno, en el camino, a medida que crecía nuestra confianza, nos deshicimos y nos olvidamos de la necesidad de cuentas de práctica. Existen plataformas de trading que te permiten utilizar la plataforma con una cuenta demo. Puedes asignar la cantidad de dinero en esa cuenta y puedes probar diferentes ideas y estrategias de trading. Puedes seguir ciertas inversiones, lo que te permite tener una mejor idea de cómo se opera ese valor.

El dimensionamiento de la posición es fundamental para mantenerse en el juego de las inversiones y el trading, así que no hay mejor manera de practicar el dimensionamiento de la posición que en una cuenta de demostración. Una vez que tengamos más éxito con nuestras inversiones y operaciones, podemos tener fácilmente tendencia a aumentar el tamaño de nuestras operaciones, no en proporción directa al tamaño de nuestra cuenta, sino a nuestro nivel actual de éxito. Una cuenta demo te permite jugar con el tamaño de tu posición sin hacerte daño. ¿Estás utilizando demasiado apalancamiento en Forex y no lo suficiente en acciones? Estas preguntas se pueden responder fácilmente dentro de una cuenta demo. Sé que algunos de vosotros necesitáis usar dinero real para que la operación se considere real o para que se tome en serio. Así que abre otra cuenta con tu broker favorito como cuenta de práctica pero con dinero real. Esto no es un impedimento para que casi todos los brokers te permitan abrir otra cuenta. Luego puedes financiarla con un poco de capital y hacer trading y practicar de la manera que lo harías sabiendo muy bien que se trata de dinero real, por lo que los resultados son reales.

Llevar un diario es clave

Una última cosa a tener en cuenta es el diario. No me extenderé mucho aquí porque conozco traders que juran que llevar un diario los salvó y los hizo mejores inversores y traders. También conozco a muchos que nunca lo han usado y les va bien. En lugar de mirar el diario de la misma manera que todos los demás cuando se trata de hacer trading, ¿por qué no usar el diario más o menos para mantener sus ideas enfocadas? Todos hemos llegado a un punto en el que un día, después de un fin de semana largo y un lunes aturdido por la mañana, tenemos una posición vendedora subiendo con fuerza, pero no podemos recordar por qué la abrimos.

En casos como ese, tener un diario para anotar por qué estamos en una posición puede ser fundamental. Puede ser tan simple como que la empresa está pagando un dividendo especial en unos pocos días y compramos justo antes de la fecha ex-dividendo para capturar ese dividendo especial. Podríamos haber comprado una opción el viernes justo antes de la publicación de ganancias o posibles noticias el lunes por la mañana. Simplemente anotar algunos puntos clave sobre la operación o nuestra estrategia en la operación, así como cuáles son las expectativas con respecto a la operación o la inversión, puede ayudar a mantener todo claro. Esto también nos permite mantener mejor separadas nuestras ideas de trading e inversión. Todos hemos escuchado la frase «Nunca convierta una inversión en una operación y nunca convierta una operación en una inversión». Este es un gran consejo que es fácil de ignorar. Me resulta mucho más difícil racionalizar una operación en una inversión cuando lo tengo en papel o en mi pantalla diciéndome exactamente por qué entré en la operación en primer lugar.

Así que llevar un diario puede ser tan simple o tan complejo como quieras hacerlo. Cuando opero con opciones, uso un diario para ver en qué DELTA entre a la posición y lo controlo a medida que avanza la operación. Es posible que haya entrado en una operación con un DELTA de 30 y ahora la acción se ha movido mucho, ahora tiene un DELTA de 50, sabiendo qué DELTA obtuve me permitirá realizar un mejor seguimiento de las ganancias o pérdidas. Una vez más, el diario no necesita ser detallado de ninguna manera, me parece absolutamente aburrido escribir muchas cosas. Lo mantengo simple con solo algunos puntos importantes sobre el trading o la inversión que hice en ese momento. Como dije antes, es posible que encuentre inútil escribir un diario o no si no lo ha probado, por lo que puede encontrarlo valioso.

Tomarse un poco de tiempo para sentarse y revisar sus operaciones es una buena idea y todos deberíamos hacerlo al menos una vez al mes. Mirar y estar al tanto de las declaraciones puede parecer laborioso y sin sentido, pero es como un seguro que no lo necesitas ni lo quieres hasta que descubres que debes tenerlo. Vimos durante el confinamiento global que muchas firmas de corretaje que creíamos confiables estaban lejos de serlo. Una vez al mes, descarga esa declaración, con suerte nunca la necesitarás. La consolidación de todas esas cuentas de trading en una o solo un par hará que tu vida, al hacer trading, sea mucho más sencilla. Con eso viene el diario. No existen reglas estrictas y rápidas ni debes preocuparte por cómo otro inversor o trader decide escribir un diario. Esto es algo personal que puedes adaptar fácilmente a tu estilo. La conclusión más importante es simplemente que nunca confíes ni creas que ningún broker o banco tiene en mente los mejores deseos para tu cuenta, en lugar de eso, vigílalas y, con suerte, verás que es un algo aburrido que se realiza una vez al mes simplemente descargando estados de cuenta y revisándolos. Recuerda que nadie se preocupará por tu dinero o cuenta como tú lo harás.

Cómo dejar de repetir errores por Alexander Elder

Cómo dejar de repetir errores

• Llevar un diario de trading visual ayuda a los traders a aprender de sus experiencias y a dejar de repetir errores. Si llevas un diario visual, acelerarás tu proceso de aprendizaje.
• Artículo publicado en Hispatrading 56.

Piensa en esto: si vas a una fiesta, probablemente antes de ir te mirarás en un espejo. Es posible que notes una mancha en tu camisa o algo en tu cara. Un espejo te ayudará a ver lo que tienes que hacer para mejorar tu apariencia. Un diario de trading visual te ayudará a ver lo que hiciste bien y mal en operaciones anteriores y a realizar las correcciones necesarias de cara al futuro.

Para mostrar cómo es un buen diario de trading visual, compartiré dos diarios escritos por dos miembros élite de nuestro grupo de trading internacional, www. SpikeTrade.com .

_______________________________________

Nilton D., miembro en EE. UU.:

Seguí el plan – TQQQ en corto

Llegué a la semana con un sentimiento muy bajista.

Varias divergencias bajistas se estaban desarrollando, incluida una divergencia del ATR en este gráfico diario del índice Nasdaq, con potencial doble techo. Abrir una posición en corto del Nasdaq parecía lo más lógico y valió la pena.

Mi plan era simple:

• Entré cerca del máximo de la semana anterior al cierre.
• Salí en la EMA 8 diaria de los mínimos (la media móvil favorita de Kerry).
• Calculé 1 ATR para definir la orden stop, aproximadamente 3,3% de pérdida.

Seguí el plan y funcionó bien.

Cuando miro hacia atrás y analizo los movimientos del mercado durante la semana pasada, me doy cuenta de que tuve un poco de suerte tanto con mi entrada como con mi salida. Una precisión como esta no se da muy a menudo.

_______________________________________

Tim B., un miembro de Canadá:

Aprovechando otra caída con el TQQQ en corto

Escribí en mi plan el fin de semana pasado: “Buscando que se reanude una secuencia bajista más profunda. Muchos patrones que estoy siguiendo apuntan a ese resultado. Esta vez elegí el Nasdaq, pero varios índices muestran el mismo movimiento. Septiembre es un mes históricamente bajista y puedo recordar muchos septiembres en los que operé con éxito movimientos bajistas”.

No le doy demasiada importancia a las tendencias estacionales, pero cuando se alinean con los patrones técnicos que veo, mucho mejor.

El mercado bajó como sugirió mi análisis. Aproveché una buena parte de la caída y salí basándose en patrones de ondas/condiciones de sobreventa a corto plazo.

_______________________________________

Animo a todos los traders a llevar diarios visuales. Toma una captura de pantalla cuando abras una operación y guárdala con algunos comentarios sobre por qué actuaste así. Toma otra captura cuando salgas y escribe cualquier comentario: lo que se hizo bien y lo que se hizo mal. Vuelve atrás y revisa tus notas cada pocos meses: tu diario visual será tu mejor maestro.

Un transformer para pobres: el transformer como método de selección de características específicas por muestra por Ernest P. Chan

Para quienes crecimos antes de que la IA generativa se volviera común (como Ernie), solíamos usar algoritmos basados en árboles para aprendizaje supervisado. Los árboles funcionan muy bien con conjuntos de características heterogéneos y tabulares, y al limitar el número de nodos o la profundidad de las ramas, ya hay una selección de características implícita.

Con redes neuronales (NN), antes de la llegada del deep learning, era común usar regularización L1 para seleccionar características, es decir, agregar un término de penalización L1 a la función objetivo para incentivar que algunos parámetros se vuelvan cero. Sin embargo, la regularización L1 es tediosa cuando hay millones o miles de millones de parámetros en una red profunda.

En su lugar, los transformers y la atención se han convertido en técnicas clave para seleccionar características en redes neuronales profundas (ver capítulo 5 de nuestro libro). Pero más allá de hacer viable la selección de características en redes profundas, el mecanismo de atención aporta un beneficio importante que no tienen los métodos tradicionales (como MDA, SHAP o LIME; ver Chan & Man https://arxiv.org/abs/2005.12483): las características seleccionadas dependen de cada muestra específica. No se seleccionan globalmente como hacen los métodos tradicionales. En otras palabras, las características se eligen en función de sus propios valores. En lenguaje de transformers, usamos *self-attention* para la selección de características.

Los transformers suelen ilustrarse con texto. Por ejemplo, una oración con 4 características (palabras): “I”, “am”, “a”, “student”. Llamaremos a este vector de entrada de características X. En redes neuronales profundas, cada característica puede ser un vector (por ejemplo, un vector d-dimensional por palabra), en lugar de un escalar. Así, X puede tener dimensión n × d, donde n es el número de características y d la dimensión de cada una.

En aplicaciones financieras, esto es útil cuando una fila del vector representa datos como retorno diario, PER, rentabilidad por dividendo, etc., hasta d tipos de características en un instante t. Otra fila captura lo mismo en t–1, y así hasta n periodos anteriores. Así, la matriz X tiene dimensión n × d.

Pero en muchos casos financieros, cada característica es un escalar real (por ejemplo, el retorno diario de una acción). Entonces, X = [r(t), r(t–1), …, r(t–n+1)]ᵀ. Este es el ejemplo que usaremos en nuestro *Transformer para pobres*: d = 1, y X es un vector columna n × 1.

En los transformers típicos, el siguiente paso es transformar X en tres vectores/matrices: Q (query), K (key) y V (value). Un elemento de Q representa “qué busca esta característica en otras”, K representa “el contexto que puede ofrecer” y V es “una nueva representación de esa característica”.

En transformers con self-attention, Q, K y V se calculan como transformaciones lineales de X. Las matrices W_Q, W_K, W_V son parámetros aprendidos, entrenados en función del objetivo (clasificación, regresión, optimización, etc.). Los W tienen altura n pero diferentes anchos: d_q, d_k y d_v.

La intuición es que buscamos combinaciones lineales de X que representen mejor la información, algo parecido al PCA. En el ejemplo del n × d financiero, queremos proyectar el retorno y los fundamentales en vectores tipo “componentes principales”, conservando la especificidad de cada instante temporal (cada fila).

La figura muestra un transformer con n=4, d=4 y d_q=d_k=d_v=2. También se observa cómo Q y K se multiplican, se escalan con √d_k para evitar magnitudes explosivas, y se pasa por softmax, en lo que se llama Scaled Dot-Product Attention.

¿Por qué √d_k? Citando a Cong et al.: “Si los componentes de q y k son variables aleatorias independientes con media 0 y varianza 1, entonces su producto escalar tiene media 0 y varianza d_k”.

¿Por qué softmax? La función softmax normaliza el producto escalar escalado en una matriz cuyas filas son pesos de atención (suman 1). Estos pesos se aplican sobre V.

Pero en nuestro *Transformer para pobres*, W es solo un escalar, y Q, K y V son vectores unidimensionales. Así que podemos eliminar este paso y simplemente usar X en lugar de Q, K y V.

Esto no colapsa la matriz QKᵀ a un escalar, sino que produce una matriz n × n igual a X·Xᵀ. Cada elemento A(i, j) representa la interacción entre las características i y j. Como siempre, cada fila de A suma 1.

¿Quieres saber la importancia de una característica j? Suma la columna j, pues representa la clave j. Si solo buscas puntajes de importancia, ya terminaste.

Pero normalmente queremos usar estos puntajes en aplicaciones posteriores. En el ejemplo de una acción y n retornos diarios, queremos usar estos valores ponderados para predecir el retorno del día siguiente. Entonces, multiplicamos la matriz de atención A por V (que es igual a X) para obtener el vector de contexto Z = AX.

Z es una versión ponderada por atención del vector original X. Podemos usar Z como entrada a una red MLP para aprendizaje supervisado (por ejemplo, para predecir el retorno del próximo día) o para optimización con aprendizaje por refuerzo.

¿Funciona esto? Puedes pedirle a ChatGPT o a tu chatbot favorito que te cree un programa basado en esta idea y probarlo.

Introducción: La armonía de los mercados – Precio y tiempo por Bramesh Bhandari

En la compleja sinfonía de los mercados financieros, dos elementos bailan de forma perpetua: el precio y el tiempo. El análisis técnico tradicional suele centrarse en el precio —dónde ha estado un activo, dónde está ahora y hacia dónde podría ir—. Sin embargo, el tiempo suele quedar relegado al fondo, como simple eje x de un gráfico. ¿Y si el tiempo en sí mismo ocultara un secreto, un ritmo cíclico que, al armonizarse con el precio, pueda revelar puntos de giro poderosos?

Aquí entra el enigmático mundo de W.D. Gann, una de las figuras más legendarias y controvertidas en la historia del trading. Gann, teórico de mercados del siglo XX, creía que los mercados no se movían al azar, sino en patrones predecibles basados en relaciones matemáticas, geometría y leyes naturales. Su percepción más profunda era que el tiempo es tan importante como el precio, y que cuando niveles de precio específicos se alinean con ciclos temporales concretos, emerge una poderosa “confluencia” que puede señalar reversiones o aceleraciones de mercado.

Gann afirmó: “Cuando el tiempo se agota, el mercado revertirá independientemente del precio.” Esta afirmación resalta el papel fundamental del tiempo en su metodología. Aunque su obra suele considerarse esotérica y compleja, el principio central de la Confluencia Precio-Tiempo ofrece un marco potente para traders disciplinados que buscan una ventaja más allá de los indicadores convencionales.

En Brameshtechanalysis.com, creemos en explorar enfoques analíticos diversos y potentes. Hoy, desmitificaremos los principios de Gann explicando una estrategia paso a paso para operar con la Confluencia Precio-Tiempo usando los Ciclos de Gann. Este enfoque busca identificar puntos de reversión de alta probabilidad, donde el precio alcanza un nivel significativo justo en un momento temporal crítico, lo que te permitirá anticipar cambios de mercado con mayor precisión.

Comprender la filosofía central de Gann: El tiempo es el motor

Antes de entrar en la estrategia, es esencial entender los principios fundamentales de Gann:

• Los mercados son cíclicos: Gann observó que la historia tiende a repetirse, impulsada por la psicología humana y leyes naturales. Estos patrones se manifiestan como ciclos predecibles de precio y tiempo.
• El precio y el tiempo están interconectados: Para Gann, ambos son dos caras de la misma moneda. Para que ocurra un gran movimiento o giro, debe haber un equilibrio (“cuadratura”) entre ellos.
• Relaciones geométricas y matemáticas: Usó geometría, matemáticas sagradas y alineaciones astronómicas para predecir movimientos de mercado. Buscaba proporciones armónicas y divisiones en el precio y el tiempo.
• Números y ángulos clave: Números como los de Fibonacci, el Cuadrado de 9, o los 360 grados de un círculo, y ángulos como 45° (1×1), 2×1, 1×2, eran esenciales en su análisis.

Aunque la obra de Gann es vasta, nos centraremos en combinar elementos clave de sus ciclos de tiempo con análisis de precios tradicional para encontrar zonas de confluencia poderosas.

El poder de la confluencia: Por qué funciona

En trading, “confluencia” se refiere a la alineación de múltiples herramientas de análisis técnico que apuntan a la misma conclusión. Cuando diversos métodos sugieren el mismo nivel de precio o ventana temporal para un evento de mercado, la probabilidad de que ocurra ese evento aumenta significativamente.

• Mayor probabilidad: Un nivel de resistencia es fuerte. Pero si ese nivel se alcanza exactamente cuando un ciclo temporal sugiere reversión, la señal es mucho más potente.
• Menos señales falsas: Un solo indicador puede generar ruido. La confluencia actúa como filtro, exigiendo múltiples confirmaciones.
• Mayor convicción: Cuando el precio y el tiempo se alinean, la confianza en el análisis aumenta, lo que facilita la ejecución del trade.
• Ventaja anticipada: A diferencia de indicadores rezagados, los ciclos temporales de Gann permiten una aproximación anticipatoria, preparándote para los giros antes de que ocurran.

La estrategia paso a paso con Ciclos de Gann: Confluencia Precio-Tiempo

Esta estrategia combina los ciclos de tiempo de Gann con acción de precio y análisis de soportes/resistencias.

Paso 1: Identifica máximos o mínimos relevantes (puntos de anclaje)

Los ciclos se miden desde puntos de giro significativos.

• Acción: Usa un gráfico de marco temporal alto (diario o semanal para swing trading; 4h o 1h para intradía).
• Identifica: El último swing high o low obvio y relevante. Un swing es significativo si precedió un gran movimiento contrario.

Paso 2: Calcula ciclos temporales clave desde el punto de anclaje

Gann identificó ciclos de tiempo basados en cuadrados, círculos (360°) y secuencias Fibonacci.

• Acción: Desde el swing identificado, cuenta hacia adelante usando ciclos típicos de Gann.
• Ciclos clave:
  Corto plazo: 7, 10, 14, 21, 28–30, 45–49 días/barras.
  Medio plazo: 60, 90, 120, 144, 180, 200 días/barras.
  Largo plazo: 270, 360, 390, 520 días o múltiplos anuales.
• Aplicación: Marca estas fechas en el gráfico con líneas verticales o herramientas de zonas temporales.
• Ejemplo: Si el mínimo fue el 1 de enero de 2025, marca los días 21, 49, 90, 144, 180 en el gráfico.

Paso 3: Identifica niveles clave de precio (soporte/resistencia)

El tiempo es crucial, pero el precio es la acción directa. Necesitas identificar zonas donde el mercado pueda reaccionar.

• Herramientas: Soportes/resistencias horizontales, líneas de tendencia, medias móviles (50, 100, 200), retrocesos y extensiones de Fibonacci, y ángulos de Gann (1×1, 2×1, etc.).

Paso 4: Busca zonas de confluencia Precio-Tiempo (“cuadratura”)

Este es el corazón de la estrategia: buscas la coincidencia de un nivel de precio clave con un ciclo temporal importante.

Ejemplo: El precio se acerca a una resistencia justo 90 días después de un mínimo. Esto crea una confluencia que podría marcar un punto de giro.

Paso 5: Confirma con indicadores adicionales y acción del precio

Una vez identificada una confluencia:

• Confirma: Volumen, velas de reversión, osciladores (RSI, MACD, etc.), divergencias, y análisis multitemporal.

Paso 6: Planifica tu operación (entrada, stop, objetivo)

• Entrada: Solo si hay confirmación de precio en la zona de confluencia.
• Stop loss: Lógicamente más allá de la zona de confluencia.
• Objetivo: Próximos soportes/resistencias o extensiones de Fibonacci.
• Gestión de riesgo: Solo arriesga entre 0.5% y 2% por operación.

Conclusión: Dominar el ritmo del mercado

El legado de W.D. Gann nos recuerda que los mercados no son simplemente caos numérico, sino sistemas complejos gobernados por ritmos y leyes subyacentes. Al dominar el concepto de Confluencia Precio-Tiempo, dejas de reaccionar al precio y comienzas a comprender la armonía entre el movimiento del activo y su viaje temporal.

Esta estrategia paso a paso, aunque simplificada, ofrece un marco robusto para detectar puntos de giro de alta probabilidad. Te obliga a pensar de forma dimensional: el dónde (precio) y el cuándo (tiempo). Requiere paciencia, estudio constante y pruebas rigurosas.

Los aranceles de Trump y la orden de cese de la Corte por Dr. Ed Yardeni

Al imponer sus aranceles a principios de abril, el presidente Donald Trump calificó el déficit comercial como una emergencia nacional que justificaba sus acciones. Esta noche, el Tribunal de Comercio Internacional, con sede en Manhattan, declaró que la Constitución de EE. UU. otorga al Congreso la autoridad exclusiva para regular el comercio con otros países, una autoridad que no puede ser anulada por los poderes de emergencia del presidente para salvaguardar la economía estadounidense. “El tribunal no se pronuncia sobre la sensatez o probable eficacia del uso de los aranceles por parte del Presidente como herramienta de presión. Ese uso es inadmisible no porque sea insensato o ineficaz, sino porque [la ley federal] no lo permite”, dijo un panel de tres jueces en la sentencia. Minutos después, la administración Trump presentó un aviso de apelación.

Los futuros de acciones se dispararon tras la decisión del tribunal y también por el sólido informe de ganancias de Nvidia tras el cierre del mercado. El rendimiento del bono del Tesoro estadounidense a 10 años se mantuvo en torno al 4,50% esta noche. El índice del dólar (DXY) se fortaleció y el precio del oro retrocedió.

Dos días después del “Día de la Liberación” de Trump el 2 de abril, anticipamos la decisión del tribunal en nuestras QuickTakes del 4 de abril:

Las leyes federales que regulan los aranceles otorgan al Presidente una autoridad muy amplia sobre la política comercial en general, y específicamente sobre las tarifas aduaneras. Sin embargo, es probable que los aranceles de Trump sean impugnados ante los tribunales. En su orden ejecutiva anunciando la última ronda de aranceles, Trump afirma tener la autoridad para hacerlo amparado en diversas leyes federales, incluida la Ley de Poderes Económicos de Emergencia Internacional y la Ley de Comercio de 1974. Es probable que los demandantes pidan a los tribunales que nieguen que el Presidente estaba justificado al declarar una emergencia nacional.

Concluimos que “el impacto negativo de los aranceles de Trump se disipará hacia mediados de año… Si es así, entonces la actual caída del mercado de valores es una oportunidad de compra.”

Cinco días después del Día de la Liberación, escribimos en nuestro Morning Briefing del 7 de abril:

El Día de la Liberación de Trump el miércoles pasado provocó los Días de la Aniquilación el jueves y viernes, con los Vigilantes del Mercado de Valores mostrando un costoso pulgar hacia abajo al Reino de Aranceles de Trump. Los funcionarios de Trump dicen que pretenden enriquecer a la clase media estadounidense, aunque eso perjudique a Wall Street. El problema es que la clase media posee muchas acciones cotizadas en Wall Street, por lo que ambas “calles” prosperan y sufren juntas. El Congreso no puede hacer mucho para detener a Trump debido a su poder de veto, pero quizá él entienda que perjudicar las carteras bursátiles de la clase media puede causar una recesión y poner en riesgo la mayoría del Partido Republicano en el Congreso. Si es así, podría posponer los aranceles recíprocos, dando tiempo a las negociaciones comerciales. Además, los tribunales podrían bloquear los aranceles de Trump. Un fin anticipado a la pesadilla arancelaria de Trump resultaría en un rebote en forma de V en el mercado bursátil. Contamos con eso; la alternativa es simplemente horrible.

Nuestra QuickTakes del 8 de abril se tituló: “¿Está a punto de estallar algo en los mercados de crédito?”. Advertimos:

Los Vigilantes del Mercado de Acciones y Bonos están señalando que la administración Trump podría estar jugando con nitroglicerina líquida. Algo podría estar a punto de explotar en los mercados de capitales como resultado del estrés creado por la guerra comercial de la administración.

De hecho, el rendimiento del bono del Tesoro a 10 años saltó del 4,01% el 1 de abril al 4,50% el 11 de abril (ver gráfico). Eso asustó a Trump y a sus asesores, razón por la cual decidieron posponer el Día de la Liberación el 9 de abril. La corrección del S&P 500, que comenzó el 19 de febrero, terminó el 8 de abril, un día antes de que Trump aplazara el Día de la Liberación por 90 días.

Nuestra QuickTakes del 20 de abril se tituló: “Indicadores contrarios muestran demasiados bajistas”. Escribimos:

No recordamos que esto haya pasado antes. En las últimas tres semanas, The Economist ha presentado tres portadas muy bajistas que sugieren que el dólar podría estar al borde del colapso, así como los mercados de acciones y bonos de EE. UU., junto con la economía global (ver gráfico). ¡Contrarios del mundo, uníos!

Mundo cripto por Brandon Beylo

Me encanta el mundo cripto. ¿Dónde más puedes encontrar historias como esta?

“La Comisión de Bolsa y Valores de EE. UU. (SEC) ha demandado a la empresa de criptomonedas Unicoin y a tres ejecutivos por fraude por afirmar que la compañía había recaudado más de 100 millones de dólares en tokens respaldados por bienes raíces cuando en realidad no era así.

La demanda fue presentada el martes. La SEC acusa al CEO de Unicoin, Alexander Konanykhin, a la expresidenta Maria Moschini, al vicepresidente senior y asesor general Richard Devlin, y al exdirector de inversiones y relaciones con inversores Alejandro Domínguez, de violaciones a las leyes de valores.

La SEC alega que Unicoin engañó a los inversores al afirmar falsamente que poseía propiedades inmobiliarias y al inflar sus valores.

Esto suena muy “marca cripto”. ¿Para qué comprar bienes raíces cuando puedes comprar un token que dice: “soy dueño de esta propiedad”? Realmente no hay mucha diferencia, excepto que cuando compras una propiedad, puedes tocarla para asegurarte de que a) es real y b) es tuya. Con un token cripto, no puedes hacer eso.

Los activos respaldados son muy comunes. Tomemos como ejemplo las acciones mineras. Las acciones de una minera están respaldadas por el yacimiento mineral y cualquier flujo de caja futuro que genere. A veces, los inversores valoran estas acciones en cientos de millones, cuando todo lo que hay son unos cuantos pozos de perforación. Así que lo entiendo.

Pero ¿y si esa empresa, no sé, nunca compró realmente la mina ni perforó un solo pozo?

“La SEC alega que Unicoin engañó a los inversores al afirmar falsamente la propiedad de inmuebles y al inflar su valor”.

“Por ejemplo, entre septiembre de 2023 y enero de 2024, los acusados anunciaron adquisiciones de propiedades en Argentina, Tailandia, Antigua y Bahamas, supuestamente con valores tasados de más de 1.400 millones de dólares; en realidad, la mayoría de estas operaciones nunca se cerraron y el valor real combinado de las cuatro propiedades no superaba los 300 millones de dólares”, dice la demanda.

Imagina firmar el contrato de suscripción para estos tokens.

Inversor: “Aquí dice que poseen propiedades en Argentina, Tailandia, Antigua y Bahamas. ¿Es cierto? ¿Puedo visitarlas?”
Unicoin: “Bueeeeno… en realidad aún no las compramos. Nos enviaron los documentos, solo falta que los firmemos electrónicamente.”
Inversor: “¡Perfecto para mí!”

Dos cosas pueden ser ciertas al mismo tiempo:

• Unicoin engañó, desinformó y estafó a los inversores sobre a) qué propiedades poseían y b) cuánto valían esas propiedades.
• Esos inversores merecen perder su dinero.

La minería tiene mala fama —“un agujero en el suelo con un mentiroso encima”— pero ¿te imaginas si una minera junior hiciera esto? Probablemente ya lo hayan hecho alguna vez. Pero el manual está ahí (¡no es un consejo!):

1. Buscar una lista de yacimientos minerales ordenados por valor in situ.
2. Elegir tus favoritos (lugar de vacaciones, nombre divertido o metal favorito).
3. Decir a los inversores que ahora posees esos yacimientos y que valen miles de millones.
4. Esperar que nadie haga due diligence.
5. ¿Ganancias?

¿Qué podría ser más absurdo que eso? Espera, ya sé. ¿Y si prometes un retorno del nueve millones por ciento?

“Además, Unicoin invierte en un portafolio de startups para respaldar su valoración. La empresa compara frecuentemente su crecimiento potencial con el histórico de Bitcoin”. Sin embargo, sus tácticas de marketing y promesas de retornos exagerados han sido cuestionadas por críticos.

La SEC es uno de esos críticos. En su demanda, alegan que los acusados publicaron en redes y en su sitio web que los Unicoins podrían generar retornos de hasta 9 millones por ciento, comparando con el ascenso de Bitcoin. Instaban a comprar temprano, afirmando que los primeros inversores en Bitcoin se hicieron millonarios (e incluso billonarios).

No me canso de estas historias. Pero mi parte favorita:

“Konanykhin argumentó que la SEC siempre ha manipulado el sistema contra las criptomonedas”.

No lo sé. Tal vez uno mismo se pone la zancadilla cuando promete un retorno de nueve millones por ciento y dice: “Mira lo que hizo Bitcoin. Eso nos pasará a nosotros. ¡Y además tenemos casas en la playa en Antigua!”

Todo es un metal crítico

Ya hemos escrito sobre cómo todo ahora es considerado estratégico a nivel nacional. Es un sentimiento. ¿Se siente como algo estratégico? Entonces, lo es.

También hay razones financieras muy obvias para etiquetar un commodity (o un proyecto) como “estratégico a nivel nacional”. Lo mencionamos en marzo con European Metal Holdings (EMH):

“Esta mañana, la UE declaró al Proyecto Cinovec como ‘estratégico’ bajo la Ley de Materias Primas Críticas. ¿Y qué hizo la acción? Subió un 155% (¡y sigue!)”.

Esto importa porque nos muestra lo que pasará con las mineras en EE. UU. si Trump empieza a decir: ‘Tú, tú y tú… son estratégicos. Denles sus permisos’.

Veremos acciones subir 3x–5x en meses, quizás semanas. EMH es el canario en la mina.

¿Hay mejor momento para invertir en recursos naturales? Tal vez cuando China salió de compras. Pero esto puede ser igual o mejor. ¿Qué pasará con las mineras cuando todos los gobiernos declaren que necesitan producción nacional y que todos los proyectos nacionales son estratégicos?

Será una locura. Y no puedo esperar.

Siempre pensé que Robert Friedland a veces leía Digging Value. Pero ahora tal vez tenga la prueba:

“El multimillonario minero Robert Friedland, a través de su nueva empresa Ivanhoe Atlantic, está presionando al gobierno de EE. UU. para que el mineral de hierro de alta ley sea clasificado como mineral crítico”.

El objetivo es alinearse con la estrategia de seguridad nacional y defensa. El proyecto estrella, Nimba en Guinea, producirá de 2 a 5 millones de toneladas este año, con planes de llegar a 25 millones anuales en 7 años.

Supongo que Friedland leyó mi columna de marzo, pensó “quiero un +155% en un día” y actuó en consecuencia.

Ivanhoe Atlantic no es Ivanhoe Mines (IVN) ni Ivanhoe Electric (IE). Esta controla un proyecto de hierro en Guinea. La lógica es simple:

1. Compra un proyecto de mineral de hierro.
2. Ponle un nombre aburrido.
3. Haz lobby para que el mineral sea declarado “crítico”.
4. ¿Ganancias?

La empresa lo explica bien:

“No puedes construir acorazados sin acero de alta resistencia. En algún momento, el mineral de hierro entrará en la lista de minerales críticos de EE. UU.”, dijo Bronwyn Barnes, presidenta y directora ejecutiva, en un evento del sector.

“La lista de minerales críticos está dominada por materiales clave para la defensa… no incluir el hierro de alta ley es una omisión grave”, añadió.

Creo que aquí hay una oportunidad. Si Friedland consigue que EE. UU. etiquete el mineral de hierro como crítico, docenas de mineras baratas en Australia podrían subir entre 25% y 50% en un solo día.

Quizás ya conoces o tienes alguna de esas en cartera. Avísame cuáles debería investigar.

China aún domina las cadenas de suministro

Uno de los grandes objetivos de Trump, y de su política arancelaria, es devolver las cadenas de suministro a EE. UU.. Así se reduciría la dependencia de China, se crearían empleos y se fortalecería la nación.

El problema es que China domina la cadena de suministro global. Y no debemos olvidarlo. Esta transición llevará décadas. Según el FT:

“China domina la mayoría de las cadenas, desde minería hasta refinado y fabricación de componentes industriales clave”.

Es el principal refinador de 19 de los 20 minerales analizados por la AIE, con una participación promedio del 70 %.

Y su control seguirá creciendo a pesar de que Trump busca construir una industria local, imponiendo aranceles y cerrando acuerdos con países como Congo, Groenlandia y Ucrania.

No es solo el refinado. Los mayores productores del mundo están aumentando su cuota de producción.

“En 2024, la participación promedio de los tres principales productores de cobre, litio, níquel, cobalto, grafito y tierras raras fue del 86 %”, frente al 82 % en 2020.

Y casi todo el crecimiento provino de un solo productor: Indonesia en níquel, China en cobalto, grafito y tierras raras.

Habrá oportunidades con retornos que cambian vidas en este sector, conforme se desarrolla esta lucha geopolítica por los metales. ¿Estás preparado?

El modelo RSG y los máximos de mercado

• ¿Y si pudiéramos anticipar los máximos del mercado? Mientras la mayoría analiza gaps para detectar mínimos, este artículo te enseñará a predecir máximos mediante una fórmula única.
• Artículo publicado en Hispatrading 61.

La mayoría de artículos que se han realizado sobre los gaps de apertura, se centraban en la detección de mínimos de mercado, pero el mercado o un sistema de trading es dicotómico, es decir, necesitamos saber cuándo se van a producir los máximos y mínimos de este. Ya que ello nos ayudará a crear sistemas de trading más sólido, que nos permite operar en ambas direcciones, y alcanzar de esta manera unos niveles de take profit más realistas para con la estrategia 

Por consiguiente, este artículo se centra en intentar detectar los máximos de un activo, a través de las formulaciones que originaron el modelo de la Mini jefa o MBI, publicado en el número 61 de esta revista. Y el cual se centraba en la detección de mínimos de mercado a través de una fórmula exclusiva y unos valores únicos dependientes de Phi denominamos “La proporción Rauliana”. 

Metodología

La idea que subyace bajo este artículo parte de un razonamiento muy básico y simple. Si los gaps de apertura, los cuales suceden al inicio del mercado, nos ayudan a detectar los mínimos de un activo, lo que sucede al final del mismo, tendría que determinar los máximos de ese mercado.

En la ilustración 1, comprobamos la lógica de esta explicación, y donde se analiza la evolución diaria que sufre un activo financiero, desde que se sucede su máximo o mínimo diario, hasta que el mercado finaliza. Destacando que los timmigs high-low-close, no tienen por qué ser los mismos que las ilustraciones, pero sí que es bastante común que un mercado con una clara tendencia alcista o bajista diaria, sufra una corrección de esta antes de que el mercado cierre. Partiendo de esta explicación y de los gráficos que la sustentan, se procede a modelizar esta en el tiempo, bajo las siguientes formulaciones matemáticas.

Se destaca que las fórmulas que componen el modelo RSG, es como decíamos al inicio del artículo, las fórmulas originales que dieron lugar al modelo MBI, ya que si igualamos ambas formulas RSG condicionales, el resultado es el numerador de la fórmula del modelo MBI. Resaltando que el modelo MBI marcaba los mínimos de mercado y el modelo RSG se centra en los máximos del mismo, y estando ambos modelos relacionados matemáticamente como a continuación se muestra:

Para realizar este estudio y aplicar las fórmulas del modelo RSG, se utiliza una muestra de 5 activos compuestos por los índices IBEX35 Total Return, EUROSTOXX50, EURUSD, COLCAP y la compañía aérea norteamericana Boeing. En periodos que como mínimo poseen entre 10 a 15 años de muestra en precios OHLC diarios, extraídos de la web financiera Investing.

El modelo RSG

Aplicadas las anteriores formulaciones a un activo financiero, obtenemos una curva de rentabilidad acumulada que para el caso del IBEX35 Total return, se observa como pasa por 3 grandes máximos de mercado que experimentó este activo desde el año 2010. Y que en un principio, podría indicarnos que las fórmulas y lógica que subyacen a estas, si podría llegar a ser un buen indicador para detectar máximos totales de mercado a largo plazo.

Además, y en tanto en cuanto existe una relación entre el modelo RSG y el MBI, se procede ahora a implementar la denomina en Hispatrading Magazine 61 como la Proporción Rauliana. Ello a fin de comprobar si los valores de tal proporción del número Phi, también nos ayudan a detectar otros máximos de mercado. Recordando que los valores que componían esta serie eran el 1.61, 3, 4, 5.236, 7, 10 y 47, e incorporan estos al modelo, como valores que sustituyen el valor de Phi en la fórmula original del modelo RSG.

Aplicados estos valores, se puede llegar a construir unas bandas que como en el modelo MBI, y ahora para el caso del IBEX35 Total Return, aumenta el número de máximos detectados y que también permite detectar algunos mínimos de mercado por parte del modelo. Y si además como en el caso del EUROSTOXX50 que mostramos a continuación, se le añaden los componentes Gap y Market, se mejora la detección de los precios máximos del activo, mostrando algunos puntos de giro que no se observarían si solo creáramos un gráfico del mercado total o componente Total Market.

Mostrada la capacidad del modelo RSG para detectar máximo y hasta algunos mínimos de mercado en índices bursátiles como el IBEX 35 y EUROSTOXX50. El artículo se plantea ahora si el modelo también es eficaz para detectar los máximos de mercado de otras familias de activos, como lo pueden el mercado del Forex y el par de divisas EURUSD que se muestra a continuación en su máximo histórico disponible, desde el año 1988.

Al margen de índices de bolsa y mercado de Forex, se resalta que el modelo también ha dado buenos resultados en otros tipos de activos como la renta fija y el bono americano a 10 años, o materias primas como el trigo o el maíz.

Se añade finamente, que además de activos muy líquidos y tradeados como lo son el EUROSTOXX50, o el par de divisas EURUSD, las fórmulas y modelo explicado en este artículo también parece funcionar en activos de menor liquidez, tales como lo pueden ser los mercados de acciones Latinoamericanos. Estos mercados, aun contando con una liquidez muchas veces inferior a los activos más conocidos, el modelo RSG y sus bandas construidas a través de la Proporción Rauliana, parece también funcionar correctamente en su propósito de detectar máximos de mercado. A continuación, se muestra a modo de ejemplo el modelo RSG para el caso del índice de bolsa colombiano COLCAP.

Conexiones entre el modelo RSG y MBI

Finalmente, y como decíamos durante el desarrollo de este artículo, al existir una relación matemática ente ambos modelos, es posible implementar los dos en un solo gráfico que muestren los máximos y mínimos del activo analizado. Por ello, se procede ahora a trazar los dos modelos para el caso de la empresa americana del sector de la aeronáutica Boeing desde el año 1980, estableciendo la formula original del modelo RSG para detectar los máximos de merado, y el modelo MBI en forma de bandas, para detectar los precios mínimos de esta compañía.

Destacando que la evolución de este activo se ha calculado de manera porcentual (rentabilidad logarítmica), en lugar de en valor absoluto, lo cual mejora la visualización de los resultados en ciertos tipos activos, y que se lleva a cabo dividiendo los valores de los modelos RSG y MBI entre el precio de apertura u open.

Finalmente, se remarca que conexión entre los modelos RSG y MBI, no solo se demuestran de manera matemática, sino que esta también se observa de manera gráfica. Ya que los mismos máximos de mercado que se detectan al chocar el modelo RSG con el Total Market en la compañía Boeing, también se corroboran con el toque o choque del modelo RSG con el modelo MBI.

Conclusiones

• La fórmula original del modelo RSG, marca los máximos totales del activo analizado, y las bandas, las cuales se construyen dividiendo la formula original entre los valores de la Proporción Rauliana, nos marcan otros máximos parciales y hasta mínimos de mercado, si tenemos en cuenta el componente Gap y Market de dicho activo.

• Las conexiones matemáticas entre los modelos RSG y MBI, permiten ejecutar conjuntamente ambos modelos, estableciendo niveles de precios máximos y mínimos a la vez, que llegan a generar señales conjuntas de mercado.

• Los mismos números de la Proporción Rauliana que servían para detectar mínimos de mercado en el modelo MBI, parecen funcionar también en el modelo RSG, permitiendo aumentar el número de máximos detectados por el modelo.

Estrategias con media móvil por Quantinsti

Las medias móviles son los promedios de una serie de valores numéricos. Tienen una longitud predefinida para el número de valores a promediar. Este conjunto de valores avanza a medida que se añaden más datos con el tiempo.

Dada una serie de números y un tamaño de subconjunto fijo, el primer elemento de la serie de media móvil se obtiene tomando el promedio del subconjunto fijo inicial de la serie de números.

Luego, el subconjunto se modifica moviéndolo hacia adelante en un valor. En otras palabras, a medida que obtenemos datos más nuevos, se excluye el primer elemento del subconjunto y se agrega el elemento más reciente, esto mantiene la longitud fija.

Cálculo de un indicador de media móvil

Veamos el ejemplo mencionado a continuación que muestra el cálculo de promedios móviles simples. El promedio se calcula para cinco puntos de datos. Puedes llamar a esto el período de flashback.

Se puede ver que el subconjunto para calcular los promedios avanza por una entrada de datos, en consecuencia, el nombre de media móvil (también llamado promedio en funcionamiento o promedio móvil). Se puede calcular una serie de promedio móvil para cualquier serie temporal.

También puedes usar múltiples promedios móviles. Es posible que haya oído hablar de promedios móviles de 50 y 200 períodos de mirada hacia atrás. Aquí, el que tiene un período de retroceso más corto se considera una media móvil más rápida, mientras que la media móvil con el período de retroceso más largo se considera una media móvil más lenta.

Dependiendo de la preferencia del comerciante, los períodos de flashback pueden ser en minutos, horas, etc.

Ejemplo de un indicador de media móvil

Veamos ahora el ejemplo de trading de media móvil con código, así como un gráfico que muestra la media móvil de 10 días, 20 días y 50 días.

El gráfico anterior muestra el precio de cierre de Tesla (línea azul), la media móvil de 10 días (línea naranja), la media móvil de 20 días (línea verde) y la media móvil de 50 días (línea roja). Se puede observar que la media móvil de 50 días es la más suave y la media móvil de 10 días tiene el número máximo de picos y talas o fluctuaciones. A medida que aumenta el período de retroceso, la línea media móvil se aleja de la curva de precios. La línea roja (promedio móvil de 10 días) está más cerca de la línea azul (curva de precios) y la línea púrpura (media móvil de 50 días) está más lejos.

Períodos de recuperación para calcular una media móvil

Los períodos de retroceso más utilizados para calcular una media móvil en el trading de media móvil son 10, 20, 50, 100 y 200.

Estos períodos de flashback pueden ser de un minuto, diario, semanal, etc., dependiendo del comerciante en cuanto a si el comerciante desea ir a una operación a largo plazo o a corto plazo.

Tipos de promedios móviles

Hay muchos tipos diferentes de promedios móviles dependiendo del cálculo de los promedios. Los cinco tipos de promedios móviles más utilizados son el simple (o aritmético), el exponencial, el ponderado, el triangular y el variable.

La diferencia significativa entre las diferentes medias móviles es el peso asignado a los puntos de datos en el período de media móvil.

Las medias móviles simples aplican pesos iguales a todos los puntos de datos. Los promedios exponenciales y ponderados aplican más peso a los puntos de datos recientes. Los promedios triangulares aplican más peso a los datos en medio del período de media móvil. La media móvil variable cambia el peso en función de la volatilidad de los precios.

Promedio móvil simple (SMA)

Una media móvil simple (o aritmética) es una media móvil aritmética calculada sumando los elementos en una serie temporal y dividiendo este total por el número de períodos de tiempo. Como su nombre indica, la media móvil simple es el tipo más simple de media móvil. Vimos esto en el ejemplo anterior.

La fórmula para calcular el SMA es sencilla:

SMA = (Suma de puntos de datos en el período de media móvil)/(Número total de períodos)

Media móvil ponderada (EMA y LWMA)

El promedio móvil ponderado se refiere a los promedios móviles donde a cada punto de datos en el período de promedio móvil se le da un peso particular mientras se calcula el promedio. La media móvil exponencial es un tipo de media móvil ponderada en la que a los elementos del período de media móvil se les asigna un peso exponencialmente creciente.

El EMA se calcula como se muestra a continuación:

Multiplicador de ponderación = 2 / (período de media móvil +1)

EMA = (Precio de cierre – EMA del día anterior/barra) x multiplicador) + EMA del día anterior/barra

Reescrito como:

EMA = (Precio de cierre) x multiplicador + (EMA del día/barra anterior) x (1 – multiplicador)

Una media móvil ponderada linealmente (LWMA), también conocida generalmente como media móvil ponderada (WMA), se calcula asignando un peso de aumento lineal a los elementos en el período de media móvil.

Si el período de media móvil contiene diez entradas de datos, entonces el elemento más reciente (el décimo elemento) se multiplicará por diez, el noveno elemento se multiplicará por nueve y así sucesivo hasta el primer elemento que tendrá un multiplicador de uno.

La suma de todos estos elementos ponderados linealmente se sumará y dividirá por la suma de los multiplicadores. En el caso de 10 elementos, la suma se dividirá por 55 (n(n+1)/2). El gráfico que se muestra a continuación representa el SMA (línea naranja), EMA (línea verde) y LWMA (línea roja) durante un período de 30 días.

Como se puede ver en el gráfico anterior, al igual que el promedio móvil exponencial, el promedio móvil ponderado responde más rápido a los cambios en la curva de precios que el promedio móvil simple.

Pero es un poco más lento para reaccionar a las fluctuaciones que la EMA.

La lenta reacción a las fluctuaciones se debe a que LWMA estresa ligeramente más en los datos recientes que en los datos pasados recientes. En el caso de la EMA, los pesos para cada nuevo punto de datos siguen aumentando de manera exponencial.

A continuación se menciona el peso dado a los elementos al calcular el EMA y el WMA para un período de 4 días:

Y así…

Aquí hay un extracto de John J. El trabajo de Murphy, «Análisis técnico de los mercados financieros», publicado por el Instituto de Finanzas de Nueva York en 1999. Es el siguiente: «La media móvil suavizada exponencialmente aborda ambos problemas asociados con la media móvil simple. En primer lugar, el promedio suavizado exponencialmente asigna un mayor peso a los datos más recientes. Por lo tanto, es una media móvil ponderada.

Pero aunque asigna menos importancia a los datos de precios pasados, incluye en su cálculo todos los datos sobre la vida del instrumento. Además, el usuario puede ajustar la ponderación para dar un peso mayor o menor al precio del día más reciente, que se agrega a un porcentaje del valor del día anterior. La suma de ambos valores porcentuales suma 100».

Media móvil triangular (TMA)

La media móvil triangular es una curva doble suavizada, lo que también significa que los datos se promedian dos veces (promediando la media móvil simple). TMA es un tipo de media móvil ponderada en la que la ponderación se aplica en un patrón triangular. Siga los pasos que se mencionan a continuación para calcular el TMA:

Primero, calcule la media móvil simple (SMA):

SMA = (D1 + D2 + D3 +… + Dn) / n

A continuación, calcule el promedio de los SMA:

TMA = (SMA1 + SMA2 + SMA3 + . . . . . . + SMAn) / n

Considere el gráfico anterior que comprende la curva de precio de cierre diario (línea azul), el SMA de 30 días (línea roja) y el TMA de 30 días (línea verde). Se puede observar que el TMA es mucho más suave que el SMA. El TMA se mueve en ondas más largas y estables que el SMA.

El retraso en TMA es mayor que otros promedios móviles, como el SMA y el EMA, debido al doble promedio. Se puede observar que el TMA tarda más en reaccionar a las fluctuaciones de precios.

Las señales comerciales generadas por la TMA durante un período de tendencia estarán más lejos del pico y la bajar del período en comparación con las generadas por la SMA, por lo que se obtendrán menores ganancias utilizando la TMA.

Sin embargo, durante un período de consolidación, el TMA no producirá tantas señales comerciales como las generadas por el SMA, lo que evitaría que el comerciante tome posiciones innecesarias reduciendo los costos de transacción.

Estrategias de negociación de media móvil

Discutamos ahora algunas estrategias comerciales de promedio móvil conocidas. A medida que revise cada indicador comercial de media móvil, verá cómo cada uno es relevante mientras opera.

Triple estrategia cruzada de media móvil

La estrategia de triple media móvil implica trazar tres medias móviles diferentes para generar señales de compra y venta. Esta estrategia de media móvil está mejor equipada para tratar con señales de negociación falsas que el sistema cruzado de media móvil dual. Al utilizar tres promedios móviles de diferentes períodos de retroceso, el comerciante puede confirmar si el mercado realmente ha sido testigo de un cambio en la tendencia o si solo está descansando momentáneamente antes de continuar en su estado anterior. La señal de compra se genera al principio del desarrollo de una tendencia y una señal de venta se genera temprano cuando termina una tendencia.

La tercera media móvil se utiliza en combinación con las otras dos medias móviles para confirmar o negar las señales que generan. Esto reduce la probabilidad de que el comerciante actúe con señales falsas.

Cuanto más corto sea el período de media móvil, más de cerca seguirá la curva de precios. Cuando el valor comienza una tendencia alcista, los promedios móviles más rápidos (a corto plazo) comenzarán a subir mucho antes que los promedios móviles más lentos (a largo plazo). Supongamos que un valor ha aumentado en la misma cantidad cada día durante los últimos 60 días de negociación y luego comienza a disminuir en la misma cantidad durante los próximos 60 días. La media móvil de 10 días comenzará a disminuir en el sexto día de negociación, las medias móviles de 20 y 30 días comenzarán su disminución el undécimo y decimosexto día, respectivamente.

La probabilidad de que una tendencia persista está inversamente relacionada con el tiempo que la tendencia ya ha persistido. Por esta razón, esperar para entrar en una operación durante demasiado tiempo resulta en perderse la mayor parte de la ganancia, mientras que entrar en una operación demasiado pronto puede significar entrar en una señal falsa y tener que salir de la posición con pérdidas.

Para ilustrar esta estrategia de promedio móvil, utilizaremos los promedios móviles simples de 10 días, 20 días y 30 días como se traza en el siguiente gráfico.

La duración y el tipo de promedios móviles que se utilizarán dependen de los marcos de tiempo en los que el comerciante está buscando negociar. Para marcos de tiempo más cortos (barras de una hora o más), se prefiere la media móvil exponencial debido a su tendencia a seguir de cerca la curva de precios (p. ej. 4, 9, 18 EMA o 10, 25, 50 EMA).

Para marcos de tiempo más largos (barras diarias o semanales), los comerciantes prefieren usar promedios móviles simples (p. ej. 5, 10, 20 SMA o 4, 10, 50 SMA). Los períodos de media móvil varían según la estrategia del comerciante y el valor que se esté negociando.

Considere el punto ‘A’ en el gráfico anterior, las tres medias móviles cambian de dirección alrededor de este punto.

La línea roja representa el promedio de movimiento rápido (SMA de 10 días), la línea verde representa el promedio móvil promedio de movimiento de 20 días) y la línea púrpura representa el promedio de movimiento lento (SMA de 30 días).

Una señal de venta se activa cuando la media de movimiento rápido cruza por debajo de los promedios medios y de movimiento lento. Esto muestra un cambio a corto plazo en la tendencia, es decir, el precio promedio en los últimos 10 días ha caído por debajo del precio promedio de los últimos 20 y 30 días.

La señal de venta se confirma cuando la media móvil media cruza por debajo de la media móvil lenta, el cambio en el impulso se considera más significativo cuando la media móvil media (20 días) cruza por debajo de la media móvil lenta (30 días).

El sistema de cruce de triple media móvil genera una señal para vender cuando la media en movimiento lento está por encima de la media móvil media y la media móvil media está por encima de la media móvil rápida.

Cuando la media móvil rápida supera la media móvil media, el sistema sale de su posición. Por esta razón, a diferencia del sistema de negociación de media móvil dual, el sistema de media móvil triple no siempre está en el mercado. El sistema está fuera del mercado cuando la relación entre los promedios móviles lentos y medios no coincide con la que existe entre los promedios medios y rápidos.

Vamos a crear una estrategia de triple media móvil para Apple Inc. con una media móvil simple de 5, 10 y 15 días.

Reglas para la media móvil triple:

Comprar cuando:

1. La media de movimiento rápido es más alta que la media y la media de movimiento lento
2. La media móvil media es más alta que la media lenta

Vender cuando:

1. La media móvil rápida es más baja que la media móvil lenta y media
2. La media móvil media es más baja que la media móvil rápida

Código:

Los operadores más agresivos no esperarían la confirmación de la tendencia y, en su lugar, entrarían en una posición basada en el cruce de la media móvil rápida sobre los promedios móviles lentos y medios.

También se pueden ingresar posiciones en diferentes momentos, por ejemplo, el comerciante podría tomar un cierto número de posiciones largas cuando el MA rápido cruza por encima del MA medio, luego ocupar el siguiente conjunto de posiciones largas cuando el MA rápido cruza por encima del MA lento y finalmente más posiciones largas cuando el medio cruza el MA lento. Si en algún momento se observa una inversión de tendencia, puede salir de su posición.

Cinta de media móvil

La cinta de media móvil es una versión extendida del sistema de cruce de media móvil. Esta estrategia de promedios móviles se crea colocando un gran número de promedios móviles en el mismo gráfico (el gráfico que se muestra a continuación utiliza 8 promedios móviles simples). Uno debe tener en cuenta los horizontes temporales y los objetivos de inversión al seleccionar las longitudes y el tipo de promedios móviles.

Cuando todos los promedios móviles se mueven en la misma dirección, se dice que la tendencia es fuerte. Las señales de negociación se generan de manera similar al sistema de cruce de media móvil triple, el comerciante debe decidir el número de cruces para activar una señal de compra o venta. Los comerciantes buscan comprar cuando los promedios móviles más rápidos cruzan por encima de los promedios móviles más lentos y buscan vender cuando los promedios móviles más rápidos cruzan por debajo de los promedios móviles más lentos.

Divergencia de convergencia de media móvil (MACD)

El MACD, abreviatura de divergencia de convergencia de media móvil, es una tendencia que sigue al indicador de impulso. Es una colección de tres series temporales calculadas como promedios móviles a partir de datos históricos de precios, con mayor frecuencia precios de cierre. La línea MACD es la diferencia entre un promedio móvil exponencial rápido (a corto plazo) y un promedio móvil exponencial lento (a largo plazo) del precio de cierre de un valor en particular. La línea de señal es la media móvil exponencial de la línea MACD. En esta estrategia de media móvil, el comerciante busca cruces entre el MACD y la línea de señal.

La estrategia MACD se denota por los tres parámetros que definen la estrategia, es decir, los períodos de tiempo de las tres medias móviles – MACD(a,b,c), donde la serie MACD es la diferencia entre EMA con períodos de tiempo ‘a’ y ‘b’. La línea de señal, que es la EMA de la serie MACD, tiene un período de tiempo de ‘c’.

La estrategia MACD más comúnmente utilizada utiliza el EMA de 12 días y 26 días para la serie MACD y un EMA de 9 días para la serie de señales, representada por MACD (12, 26, 9). El gráfico que se muestra a continuación se traza en función de estos parámetros de entrada

Línea MACD = EMA de 12 días del precio de cierre – EMA de 26 días del precio de cierre Línea de señal = EMA de 9 días de la línea MACD Histograma = Línea MACD – Línea de señal

La mitad superior del gráfico contiene el precio de cierre diario (línea azul), el EMA de 12 días (línea roja) y el EMA de 26 días (línea verde).

La mitad inferior del gráfico consiste en la serie MACD (línea azul), que se calcula restando el promedio de movimiento lento (EMA de 26 días) del promedio de movimiento rápido (EMA de 12 días).

La serie de señales (línea roja) se calcula tomando un EMA de 9 días de la serie MACD y, por último, el histograma MACD (líneas verticales negras) se traza restando la serie de señales de la serie MACD.

Hay muchas interpretaciones diferentes del gráfico MACD. El disparador de señal más comúnmente utilizado es cuando la línea MACD cruza la línea de señal. Cuando la línea MACD cruza por encima de la línea de señal, se recomienda comprar el valor subyacente y cuando la línea MACD cruza por debajo de la línea de señal, se activa una señal de venta. Estos eventos se toman como señales de que la tendencia en la seguridad subyacente está a punto de escalar en la dirección del cruce. Otro cruce que es tomado en consideración por los comerciantes se llama cruce cero. Esto ocurre cuando los promedios de movimiento lento y rápido de la curva de precios se cruzan entre sí, o cuando la serie MACD cambia de signo.

Un cambio de positivo a negativo se considera un signo bajista, mientras que un cambio de negativo a positivo se considera un signo alcista. El cruce cero proporciona confirmación sobre un cambio en la tendencia, pero es menos confiable para activar señales que el cruce de señales.

Los comerciantes también monitorean la divergencia entre la línea MACD y la línea de señal, que se puede observar a través del histograma. Cuando el histograma comienza a caer (se mueve hacia la línea cero), indica que la tendencia se está debilitando, esto sucede cuando el MACD y las líneas de señal están convergendo.

Mientras que, cuando la línea de señal y la línea MACD están divergiendo, o el histograma está aumentando (se aleja de la línea cero), es una indicación de que la tendencia se está volviendo más fuerte.

Ventajas de usar promedios móviles al hacer trading

Las ventajas conocidas de usar promedios móviles en el trading son:

• Puedes operar en función de las tendencias del mercado. Con el análisis, puede averiguar si es una tendencia alcista (el precio se mueve por encima de la media móvil) o una tendencia a la baja (el precio se mueve por debajo de la media móvil).
• Con muchos otros factores en consideración, como la duración del período de negociación, el cruce de promedio móvil, etc., puede averiguar las posiciones comerciales. También puede encontrar puntos de entrada cuando los precios son muy tendenciosos.
• Se puede utilizar como puntos de apoyo/resistencia.
• El trading de media móvil ayuda a nivelar los datos de precios durante un período específico al crear un precio promedio actualizado constantemente. Por lo tanto, el indicador responde a la información nueva y actualizada, lo que significa mejores predicciones.

Desventajas de usar promedios móviles en el trading

Ahora discutiremos algunas desventajas del trading de media móvil que puede sopesar contra las ventajas para una experiencia comercial exitosa.

Estas son algunas de las desventajas del trading de media móvil:

• Si la acción del precio se vuelve fluctuante, el precio puede fluctuar hacia adelante y hacia atrás, generando múltiples inversiones de tendencia o señales comerciales. Cuando esto ocurre, es mejor hacerse a un lado o utilizar otro indicador para ayudar a aclarar la tendencia. Lo mismo puede ocurrir con los cruces de media móvil.
• Los promedios móviles funcionan bastante bien en condiciones de fuertes tendencias, pero mal en condiciones fluctuantes o de rango. Ajustar el marco de tiempo puede ayudar con este problema temporalmente, aunque, en algún momento, es probable que estos problemas ocurran independientemente del marco de tiempo elegido para los promedios móviles.
• El trading de media móvil no funciona en el mercado lateral. En el caso de un mercado lateral, el precio de un valor se negocia dentro de un rango bastante estable sin formar ninguna tendencia particular durante algún período de tiempo. En un mercado lateral, los promedios móviles pueden generar señales falsas debido a la superposición de la línea de precios.

Puede evitar el trading de media móvil durante las situaciones mencionadas anteriormente en las que el trading de media móvil no es tan exitoso.

Conclusión

El trading de medias móviles es el trading más buscado, ya que las medias móviles ayudan al comerciante a aprender sobre las tendencias cambiantes en el mercado y comerciar sobre la base de las mismas.

Al operar con promedios móviles, uno debe tener en cuenta muchos factores relacionados con el mercado, como cualquier fluctuación prevista en el precio, una inversión de tendencia, etc. antes de tomar la posición de trading. Estar bien informado sobre los pros y los contras del trading de media móvil también le da una verificación de la realidad al comerciante para que las predicciones y estrategias comerciales se basen en el análisis correcto.

En caso de que desee obtener más información sobre el trading de media móvil y desee aprender con un curso completo, explore nuestro curso sobre Indicadores de Análisis Técnico. Este curso le familiarizará con el indicador técnico de media móvil mientras le ayudará a comparar otros indicadores simultáneamente. Además, si desea ir con el trading de media móvil, podrá aprender más sobre cada tipo de promedio móvil y las estrategias en profundidad.

La inevitabilidad de los mercados bajistas por Ben Carlson

Me encantan los gráficos del mercado bursátil que muestran claramente los beneficios de invertir a largo plazo.
Cuanto más largo es tu horizonte temporal, mejores han sido tus probabilidades de obtener ganancias en el mercado:

Este es uno de mis gráficos favoritos de todos los tiempos. Lo uso constantemente y lo seguiré usando porque es un recordatorio valioso de que el largo plazo juega a tu favor como inversor.

Todos necesitamos ese tipo de recordatorios, porque el corto plazo siempre está frente a ti, exigiendo atención. Pensar y actuar a largo plazo funciona.

Pero es importante entender que cuanto más largo sea tu horizonte temporal, mayor será también la probabilidad de sufrir grandes pérdidas.

Estas son tus probabilidades históricas de experimentar un mercado bajista en distintos períodos de inversión desde 1950:

A mayor horizonte temporal, mayores son las probabilidades de perder un 20 % o más de tu dinero en bolsa.
El mercado ha experimentado un mercado bajista en ventanas de 5 años casi el 80 % del tiempo. Pero también ha ofrecido rendimientos positivos aproximadamente el 80 % del tiempo en esos mismos 5 años.

Tienes buenas posibilidades de obtener beneficios, pero también de sufrir caídas dolorosas. Esto no es un error; es una característica inherente de invertir en acciones.
Permanecer invertido casi garantiza que en algún momento perderás mucho dinero.

Esta es la dicotomía de invertir con éxito a largo plazo.

Cuanto más tiempo permanezcas en el juego, mejor será tu resultado. La supervivencia es una de las cualidades más importantes del inversor exitoso.

Sin embargo, si amplías tu horizonte temporal, es muy probable que en algún momento “te arañen la cara”.
Tienes que ser capaz de mantener la calma o ajustar tu asignación de activos de forma adecuada para tener esto en cuenta.

El nivel específico de ganancias o pérdidas no está garantizado. A veces, los mercados alcistas son enormes; otras, los beneficios son más moderados. A veces, las caídas son devastadoras; otras, son solo un pequeño rasguño.

No hay muchas garantías al invertir en activos de riesgo. Pero el riesgo sí está garantizado.
Correcciones, mercados bajistas y caídas son inevitables.

Tiene que ser así.
Sin dolor, no hay ganancia.

¿Se pueden simplificar los mercados financieros a simples fórmulas de inversión? por Quantpedia

¿Podemos reducir la complejidad del mercado de valores a un conjunto simple de métricas cuantificables? Muchos estudios académicos sugieren que sí, ofreciendo fórmulas diseñadas para facilitar la selección de acciones. Algunas de las metodologías más destacadas en este ámbito incluyen el F-Score, la Magic Formula, el Acquirer’s Multiple y la Conservative Formula. Estas estrategias cuantitativas buscan identificar acciones infravaloradas con fundamentos sólidos y alto potencial de rentabilidad. Pero, ¿realmente funcionan en pruebas fuera de muestra?

Un nuevo estudio de Marcel Schwartz y Matthias X. Hanauer intenta responder a esta interesante pregunta…

La inversión basada en fórmulas: ¿un método sólido o solo suerte?

Invertir con fórmulas no es un simple juego de azar; es un enfoque metódico basado en principios financieros y teorías económicas. Veamos las principales estrategias:

• F-Score: Desarrollado por el profesor Joseph Piotroski, utiliza nueve criterios para evaluar la solidez financiera de una empresa.
• Magic Formula: Creada por Joel Greenblatt, identifica acciones con altos rendimientos sobre el capital y altos earnings yield, simplificando la selección de valores.
• Acquirer’s Multiple: Se enfoca en los flujos de caja y las ganancias antes de intereses e impuestos, proporcionando una perspectiva única sobre la valoración.
• Conservative Formula: Prioriza la preservación del capital y la gestión del riesgo, ofreciendo un enfoque equilibrado para la inversión.

Resultados del estudio

El estudio analizó la efectividad de estas cuatro fórmulas en el mercado estadounidense entre 1963 y 2022. Los hallazgos muestran que cada una de ellas genera retornos significativos, tanto en términos brutos como ajustados por riesgo, superando al mercado principalmente por su exposición eficiente a los factores de valor y calidad.

Algunas conclusiones clave del estudio:

• La Conservative Formula es la estrategia más defensiva, con baja volatilidad y una exposición positiva al momentum.
• Todas las fórmulas tienen poder predictivo en el rendimiento de las acciones, aunque ninguna domina constantemente en todos los indicadores de desempeño.
• El Acquirer’s Multiple obtiene los mayores retornos en los portafolios del decil superior, mientras que la Conservative Formula destaca en alfa CAPM y en el spread de retorno.
• Después de ajustar por factores de valoración de activos, la Magic Formula muestra el alfa más alto restante.
• La Magic Formula y la Conservative Formula han sido particularmente efectivas en el período posterior al año 2000, especialmente en portafolios concentrados y long-only.
• La Magic Formula tiene un rendimiento sólido con riesgo moderado, obteniendo los mayores retornos en portafolios de valor ponderados por capitalización.
• La Conservative Formula sobresale en el rendimiento ajustado por riesgo, con la menor caída máxima (max drawdown) y un beta notablemente bajo.

Comparación con la literatura existente

Los hallazgos del estudio coinciden con investigaciones previas sobre la rentabilidad de estas fórmulas. Todas las estrategias continúan generando rendimientos superiores al mercado, aunque los retornos tienden a ser más bajos en comparación con los resultados originales. Esto se debe principalmente a:

• La exclusión de microcaps.
• La inclusión de años fuera de muestra.
• Diferencias metodológicas.

El estudio demuestra que la inversión basada en fórmulas sigue siendo una estrategia efectiva para superar al mercado, proporcionando a los inversores una exposición eficiente a primas de factores bien documentadas. Sin embargo, estas estrategias requieren disciplina por parte de los inversores, ya que pueden presentar desempeño inferior en el corto plazo.

Dado que la efectividad de estas fórmulas se ha debilitado en los últimos años, los resultados también resaltan la importancia de la innovación continua en las estrategias de inversión.

Detalles del estudio

Autores: Marcel Schwartz y Matthias X. Hanauer

Título: Formula Investing

Enlace: Ver estudio completo

Resumen

Este estudio evalúa la efectividad de cuatro estrategias populares de inversión—F-Score, Magic Formula, Acquirer’s Multiple y Conservative Formula—dentro de un marco unificado a lo largo de un período extenso.

Los hallazgos clave incluyen:

• Cada fórmula genera retornos significativos, tanto en términos brutos como ajustados por riesgo, al ofrecer una exposición eficiente a factores de inversión bien establecidos.
• Ninguna estrategia supera consistentemente a las demás en todas las métricas.
• El Acquirer’s Multiple logra los mayores retornos en los portafolios del decil superior.
• La Conservative Formula lidera en alfa CAPM y diferencia de retorno.
• La Magic Formula muestra el mayor alfa ajustado por factores comunes.
• Aunque todas las fórmulas siguen siendo exitosas en portafolios concentrados long-only en el período posterior a 2000, se observa un deterioro en el rendimiento en comparación con períodos anteriores.

Estos hallazgos refuerzan la necesidad de innovación continua en estrategias de inversión para mantener ventajas competitivas en el mercado.

Figuras y tablas

Como es habitual, el estudio presenta varias figuras y tablas ilustrativas.

Citas destacadas del estudio académico

“Nuestros principales hallazgos se resumen de la siguiente manera. Primero, encontramos que todas las fórmulas generan retornos crecientes de manera casi unánime cuando se ordenan las acciones en portafolios por deciles. Como resultado, los portafolios del decil superior superan tanto al mercado como a los portafolios del decil inferior. Además, los portafolios top-minus-bottom muestran retornos anuales significativos que oscilan entre 5.6% y 6.4%, mientras que las alfas CAPM varían entre 7.0% y 12.2%. Aunque las fórmulas exhiben un desempeño sólido en la muestra completa, también presentan períodos de bajo rendimiento y signos de deterioro en la rentabilidad después del año 2000.

En segundo lugar, las pruebas de factor-spanning revelan que estas fórmulas logran su sobreperformance exponiéndose eficientemente a factores bien establecidos en la valoración de activos, como valor, rentabilidad y momentum.

En tercer lugar, los portafolios concentrados y long-only de las 40 acciones mejor clasificadas por estas fórmulas también superan al mercado después del 2000, tanto en términos de retornos brutos como ajustados por riesgo. Sin embargo, todas las fórmulas sufrieron caídas significativas en el período 2018-2020.

Finalmente, documentamos que ninguna fórmula de inversión domina en todas las métricas de evaluación de rendimiento. En el análisis por deciles, el Acquirer’s Multiple presenta los mayores retornos en el portafolio superior, mientras que la Conservative Formula ofrece el mayor diferencial top-minus-bottom y la mayor brecha de alfa CAPM. Por otro lado, la Magic Formula logra el alfa más alto cuando se ajusta por factores comunes de valoración de activos.

Para los portafolios concentrados y ponderados por valor de 40 acciones en el período post-2000, las Magic Formula y Conservative Formula ofrecen el mejor desempeño, en términos de retornos brutos y ajustados por riesgo, respectivamente.

“Por último, las fórmulas de inversión investigadas son relativamente fáciles de implementar, lo que las distingue de modelos más complejos y sofisticados, como los modelos de predicción basados en aprendizaje automático, que han ganado popularidad en los últimos años (cf. Rasekhschaffe y Jones, 2019; Gu et al., 2020; Hanauer y Kalsbach, 2023).

Aunque estos modelos más avanzados suelen generar mayores retornos brutos (cf. Blitz et al., 2023a), también conllevan mayores costos de transacción y rotación. Además, los inversores pueden enfrentar barreras adicionales, como:

• Acceso limitado a los datos necesarios.
• Falta de infraestructura para procesar los datos.
• Dificultades para ejecutar las señales de inversión de manera oportuna y eficiente.

(cf. Blitz et al., 2023b).

Por lo tanto, estos modelos sofisticados representan oportunidades reales solo para aquellos inversores capaces de superar estos desafíos. En contraste, las fórmulas de inversión estudiadas ofrecen una exposición eficiente a factores de inversión bien documentados y son relativamente fáciles de implementar.

El período de muestra completa abarca casi 60 años de datos, lo que nos permite evaluar la consistencia de los resultados a lo largo del tiempo. La Figura 1 muestra el rendimiento compuesto acumulado de los deciles superior e inferior en relación con el rendimiento compuesto acumulado del mercado para cada fórmula de inversión.

La evidencia de los análisis previos de estrategias long-short indica que estas fórmulas tienen poder predictivo sobre los rendimientos de las acciones. Sin embargo, este enfoque académico estándar requiere realizar ventas en corto, y los resultados a lo largo del tiempo también han revelado un debilitamiento de los alfas después del año 2000.

Por esta razón, aplicamos un enfoque “hazlo tú mismo” a las cuatro fórmulas, analizando su rendimiento en portafolios long-only.

La Tabla 3 presenta las estadísticas de rendimiento de portafolios concentrados long-only, formados por las 40 acciones mejor clasificadas según cada fórmula de inversión. Se analizan dos metodologías:

• Portafolios ponderados por capitalización (capped-value-weighted).
• Portafolios ponderados de manera equitativa (equally-weighted).

El análisis cubre el período de enero de 2000 a diciembre de 2022 y ofrece varias ideas clave sobre la efectividad y los perfiles de riesgo de cada fórmula.

Siempre comenzamos con los resultados de los portafolios ponderados por capitalización y mencionamos las diferencias en los portafolios ponderados equitativamente.»