Kevin Davey es un conocido trader de futuros, divisas y materias primas. Ha estado operando durante más de 25 años. Durante tres años consecutivos, Kevin logró más del 100 % de rendimiento anual en un campeonato de trading con dinero real. Es autor del libro de trading algorítmico «Building Algorithmic Trading Systems: A Trader’s Journey From Data Mining to Monte Carlo Simulation to Live Trading» (Wiley 2014).
Kevin Davey / kjtradingsystems.com
Las personas fallan en el trading por muchas razones. Algunas simplemente toman malas decisiones sobre qué comprar y vender; en otras palabras, son muy buenas escogiendo operaciones perdedoras.
Otros traders no pueden controlar sus emociones. Se enojan cuando pierden y no soportan las pérdidas, lo que eventualmente los lleva a la ruina en una operación donde no aceptaron una pérdida manejable.
Hay muchas razones por las cuales los traders fracasan, pero una destaca entre todas: la falta de capital. En términos simples, la gente realiza apuestas demasiado grandes para el tamaño de su cuenta y se enfrenta al «riesgo de ruina». Este concepto es clave para entender la gestión de riesgos en el trading algorítmico.
En este artículo, voy a demostrar qué es el riesgo de ruina, por qué es tan peligroso y cómo puedes calcularlo para cualquier estrategia de trading que tengas. Evitar el riesgo de ruina es un paso muy importante para convertirte en un trader exitoso.
Riesgo de Ruina – Juego de Lanzamiento de Monedas
Empecemos con un ejemplo simple. Supongamos que jugamos un juego de lanzamiento de monedas. Por cada cara, ganas $2, y por cada cruz, pierdes $1. Como la moneda es justa, con un 50% de posibilidades de caer en cara o cruz, no necesitas mucho análisis para darte cuenta de que este es un juego MUY favorable para ti.
Si este juego de lanzamiento de monedas fuera una estrategia de trading, sería considerado el «Santo Grial»; es así de bueno. En promedio, por cada dos lanzamientos de moneda, ganarías $1. Ganarás dinero a largo plazo, prácticamente garantizado. Solo necesitas mantenerte en el juego para tener éxito.
Por supuesto, los lanzamientos no alternan siempre entre cara y cruz, ya que hay azar involucrado, pero a largo plazo, después de 1000 lanzamientos, probablemente ganarías cerca de $500. ¡Un juego muy atractivo!
En este punto, sabes que tienes un juego rentable a largo plazo (o una estrategia de trading). La pregunta es: «¿con cuánto capital deberías empezar a jugar?»
Supongamos que comienzas con $1 y el primer lanzamiento es cruz. ¡Ups! Pierdes tu dólar y, como es todo el dinero que tienes, no puedes apostar en el siguiente lanzamiento. En otras palabras, ¡estás arruinado! ¡Juego terminado!
Alternativamente, supongamos que comienzas con $1,000,000. Con esta cantidad de capital, las probabilidades de que suficientes cruces aparezcan para dejarte sin nada son infinitesimalmente pequeñas (aunque no es cero). Tu riesgo de ruina (ser eliminado) es extremadamente bajo.
Esos son dos extremos: muy poco capital versus mucho capital. ¿Qué sucede en el punto medio? ¿Y si tuvieras $2, $5 o $10? ¿Es probable que te arruines si comienzas con alguna de esas cantidades?
Sin realizar algunos cálculos y análisis, no lo sabrás. Puedes adivinar, claro, pero la mayoría preferiría saber de antemano la cantidad de capital necesaria para jugar de manera segura sin riesgo de ruina.
Para un simple lanzamiento de monedas como este, podrías derivar una respuesta usando ecuaciones matemáticas y principios de probabilidad. Dado que eventualmente evaluaremos estrategias de trading más complicadas, prefiero usar una simulación Monte Carlo para obtener los resultados de riesgo de ruina que deseamos.
Para ayudar en este análisis, uso una versión modificada de mi simulador Monte Carlo en una hoja de cálculo de Excel, que puedes descargar gratuitamente aquí. (Hay un simulador más avanzado disponible en mi página de Calculadoras).
Para ejecutar el análisis, necesito algunos datos:
– Capital inicial: esta es la cantidad con la que empezaré a jugar. En otras palabras, es mi Capital de Riesgo. El simulador elegirá diferentes cantidades, y para este caso analizaré con Capital de Riesgo desde $1 hasta $500.
– Capital mínimo: Si durante la simulación mi capital de riesgo cae por debajo de esta cantidad, estoy «arruinado». He perdido el juego y no puedo hacer más apuestas.
– Número de operaciones (lanzamientos): Voy a jugar el juego de lanzamientos 250 veces. En promedio, si no me arruino, debería ganar $125.
– Resultados individuales de las operaciones: Para este ejemplo simple, hay dos posibles resultados con las mismas probabilidades: +$2 o -$1.
Calculadora del Riesgo de Ruina
Una vez que tengo todos esos valores ingresados en la hoja de cálculo, estoy listo para ejecutar la calculadora del Riesgo de Ruina. Los resultados se muestran en una tabla, como se ve en la imagen:
Nos interesan las columnas en el cuadro rojo: el capital inicial (capital de riesgo) y el Riesgo de Ruina.
Recuerda, este es un juego ganador: a largo plazo estamos prácticamente garantizados de ganar, pero si nuestro bankroll es muy pequeño, perderemos. ¡Eso debería abrirte los ojos!
Si solo tienes $1 en capital de riesgo para jugar, tienes un 61% de posibilidades de perder ese dólar. Y si empiezas con $3, tus probabilidades mejoran, pero aún tienes un 22% de posibilidades de perder los $3.
En cambio, si empiezas con $50, tu riesgo de ruina es efectivamente 0% (aunque nunca es exactamente 0%, el riesgo es extremadamente pequeño).
Espero que puedas ver las profundas implicaciones que revela este simple juego: sin suficiente capital, ¡puedes quedar eliminado por simple mala suerte, incluso si estás jugando un juego ganador!
Aplicando el Riesgo de Ruina a una Estrategia Algorítmica Backtesteada
Una vez que comprendes los principios básicos detrás de este análisis, es fácil aplicarlo a estrategias de trading reales (que es el objetivo final, ¿verdad?). Así que te mostraré un ejemplo.
Este es el gráfico de capital (1 contrato, después de deslizamientos y comisiones) de una estrategia que opero:
Esta estrategia fue desarrollada hace algunos años, por lo que todas las operaciones después del número 275 son «en tiempo real», aunque los resultados aún deben tratarse como hipotéticos. Es una buena estrategia, lejos de ser perfecta, como la mayoría de las estrategias algorítmicas reales.
La pregunta para esta estrategia es: ¿con cuánto capital deberíamos operar para evitar el riesgo de ruina?
A partir de abril de 2021, el margen requerido para operar en oro es de $11,000. Utilizaré eso como el capital mínimo para operar. Si mi capital cae por debajo de $11,000, ya no puedo realizar más operaciones, ¡estoy arruinado!
Cuando ejecuto esta estrategia en el simulador de Monte Carlo, obtengo los siguientes resultados:
De nuevo, esto muestra que si empiezo con una cantidad pequeña de capital ($12,000), tengo una probabilidad del 66% de quedarme sin fondos (caer por debajo de $11,000) operando este sistema. ¡No es muy alentador!
Pero, si tengo más de $25,000, es muy poco probable que me arruine: mi riesgo de ruina es muy pequeño, casi 0%.
Así que este es otro ejemplo de un sistema de trading ganador, ¡y aún así podría perder si lo opero! Esto realmente demuestra que el capital inicial puede marcar la diferencia entre el éxito o el fracaso, todo debido al cálculo del riesgo de ruina.
Conclusión de la Discusión Sobre la Calculadora del Riesgo de Ruina
La lección importante aquí es que, incluso con una estrategia ganadora, ¡aún puedes perder! Y una gran parte de la gestión de riesgos en el trading algorítmico consiste en mantenerse en el juego el tiempo suficiente para ganar. Tienes que sobrevivir a las inevitables caídas, tanto financieramente como emocionalmente. Aquí es donde muchos traders cometen un gran error. En su búsqueda de grandes rendimientos, operan demasiado cerca del límite, haciendo que el riesgo de ruina sea una posibilidad muy probable.
Al final, necesitas además de una estrategia rentable, operar de manera responsable. ¡No dejes que el riesgo de ruina cause el fracaso de tu trading!
¿Está el Mercado del Petróleo Anticipando una Recesión Global? por Logan Kane
Logan es uno de los principales autores de Seeking Alpha. Sus artículos cubren temas relacionados con estrategias de cartera, la inversión en valor y finanzas conductuales.
Logan Kane / Seeking Alpha
A medida que el verano se convierte en otoño, los precios del petróleo han caído bruscamente. El crudo WTI cayó de más de $80 a principios del verano a $66 por barril este mes.
El aumento en la oferta y la disminución de la demanda están impulsando la caída de los precios del petróleo.
El aumento del desempleo y la disminución de la actividad económica en China, Estados Unidos, Canadá y Gran Bretaña sugieren una posible recesión global, lo que reduce la demanda y los precios del petróleo.
A pesar de parecer baratas, las acciones de compañías petroleras como Exxon Mobil, Chevron y Shell podrían enfrentarse a presiones en sus ganancias si los precios del petróleo permanecen bajos o siguen cayendo.
El precio del petróleo ha caído sustancialmente en el último mes, con el crudo WTI alcanzando los $66 por barril esta semana después de haber superado los $80 a principios del verano. Tanto la OPEP como la AIE han reducido sus pronósticos de demanda para este año, y recientemente la OPEP canceló un aumento de producción planeado. Sin embargo, las acciones en el mercado petrolero indican una desaceleración aún más pronunciada. Esta semana, los analistas de Morgan Stanley redujeron su pronóstico de precios del petróleo, señalando que el mercado está calculando acumulaciones de inventarios «similares a una recesión». Los inversores en acciones petroleras deberán seguir de cerca la situación en los mercados de crudo. Si el precio del petróleo cae por debajo de los $60, las estimaciones de ganancias para el sector petrolero se desplomarían por completo. De manera similar, el mercado del petróleo podría estar dándonos una advertencia oportuna sobre la economía global, si estamos dispuestos a escuchar.
¿Qué está pasando en el mercado del petróleo?
El huracán Francine tocó tierra en Luisiana ayer, pero no creo que sea el principal impulsor de la reciente acción en los mercados de petróleo. Además, la investigación es mixta en cuanto a si los huracanes son alcistas o bajistas para el crudo (aunque los huracanes en el Golfo indudablemente aumentan el precio de la gasolina).
El petróleo está en movimiento porque la oferta ha aumentado mientras que las áreas clave de demanda están cayendo. El lado de la oferta no es complicado: durante el COVID, gran parte de la producción de petróleo se detuvo. Esto condujo a un gran auge en los precios del petróleo cuando el mundo reabrió. A su vez, los precios altos señalaron a los productores que aumentaran la producción, lo que ha ocurrido. Los datos recientes de la AIE muestran un enorme auge en la producción de petróleo de EE. UU. desde 2020.
El precio del petróleo es propenso a grandes oscilaciones porque tanto la oferta como la demanda son muy inelásticas. Si el precio sube o baja, los consumidores siguen comprando aproximadamente la misma cantidad. Del mismo modo, los productores tienen que tomar decisiones de inversión ahora basadas en dónde estarán los precios en el futuro, por lo que no pueden apagar las fuentes rápidamente. El almacenamiento es lo que generalmente amortigua el mercado, pero hay un límite en el espacio disponible. Por eso, el petróleo llegó a precios negativos en 2020 antes de dispararse a casi $130 por barril en 2022.
Hace dos años, Arabia Saudita tenía a EE. UU. casi acorralado, reduciendo la producción de petróleo poco antes de las elecciones de mitad de período de 2022 y desafiando a la administración de Biden. Pero ahora el mercado global del petróleo muestra claros signos de una demanda debilitada. La AIE, con sede en París (no confundir con la AIE de EE.UU.), ha revisado a la baja la demanda de petróleo dos veces en los últimos dos meses. El principal impulsor es una fuerte desaceleración en la demanda de China. China está realizando enormes inversiones en trenes de alta velocidad y vehículos eléctricos, pero el colapso del sector inmobiliario y el envejecimiento de la población también son grandes factores en la disminución de la demanda. No sabemos cuánto se debe a la transición energética de China y cuánto a la debilitada economía, pero las recientes dificultades económicas de China están bien documentadas. Después de décadas de crecimiento explosivo, el consumo energético chino podría pronto disminuir.
China es el principal actor en el drama de los mercados energéticos, pero los analistas también han destacado a EE.UU., Canadá y Europa como áreas donde la demanda podría ver una desaceleración sustancial. Los niveles actuales de demanda de petróleo están sustentados por una economía global al límite, pero eso no es necesariamente sostenible.
En cuanto a esto, acciones petroleras como Exxon Mobil (XOM), Chevron (CVX) y Shell (SHEL) parecen bastante baratas a primera vista con un múltiplo de ganancias de 10-12x. Sin embargo, argumentaría que esto es una ilusión, ya que sus estimaciones de ganancias son demasiado altas si el precio del petróleo se mantiene bajo o cae aún más. Estas acciones caerán si la demanda de petróleo disminuye. Jugadores más pequeños en los mercados energéticos probablemente verían caídas aún mayores en sus ganancias y precios de acciones.
La demanda de petróleo cae en las recesiones
Mis primeras experiencias en economía estuvieron moldeadas por la crisis financiera y la recesión de 2008. Estaba en la escuela secundaria en ese entonces, y recuerdo claramente a algunos amigos de mis padres hablando en la piscina sobre cuánto dinero estaban ganando en bienes raíces en 2006. Dos años después, parecía que cada tercera casa estaba en venta. En 2009, conducíamos por la noche y simplemente no había tráfico.
Los datos lo confirman. Las millas recorridas en EE.UU. alcanzaron su punto máximo en 2007 y no se recuperaron durante 7-8 años, a pesar de que la población creció un poco. Cuando el desempleo sube, la gente no va al trabajo tanto, no gasta tanto dinero y no se va de vacaciones o viajes por carretera.
Bueno, como era de esperar, el desempleo está subiendo en EE.UU. No sabemos cuán alto llegará, pero la dirección es clara. La tasa de desempleo ha oscilado un poco, del 4.3% al 4.2%, pero el informe de empleo más reciente mostró una pérdida de alrededor de 1 millón de empleos a tiempo completo en comparación con hace un año. La situación es mucho peor en Canadá, que está viendo grandes aumentos mensuales en el desempleo. Sigo las ofertas de empleo semanales en Indeed en Canadá, y el número de puestos de trabajo publicados ha disminuido con precisión cada semana este verano. El Reino Unido también ha visto grandes caídas en las ofertas de empleo en las últimas semanas, algo que no había ocurrido en veranos anteriores. Si la economía global está en recesión, el mercado petrolero probablemente lo captará mucho antes que las estadísticas oficiales del gobierno. Algo está sucediendo: pronto sabremos si se limita a China o no.
Conclusión
La acción de los precios en el mercado del petróleo nos da información incompleta. Por ejemplo, es posible que algunos grandes operadores se hayan quedado atrapados con demasiados futuros de petróleo largos y se hayan liquidado. Los movimientos resultantes de los precios serían solo ruido. Sin embargo, si la economía global está entrando en recesión, una caída del petróleo será un síntoma muy probable. Mi lectura es que la caída sostenida en el mercado del petróleo está incorporando una fuerte debilitación en la economía global. Aunque las acciones de energía puedan parecer baratas, la reciente acción en los mercados petroleros indica que es probable que sea el punto equivocado del ciclo para comprar. ¡Tu experiencia puede variar!
Tres preguntas que hacerte sobre tu Psicología Positiva en el Trading por Brett N. Steenbarger, Ph.D.
Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University
El libro que estoy escribiendo actualmente, que trata sobre la psicología positiva en el trading, enfatiza que la forma en que abordamos el trading determina cuán positivas serán nuestras experiencias, lo que a su vez influye en nuestro éxito como traders. Con demasiada frecuencia, las personas buscan la felicidad y la satisfacción persiguiendo el éxito en el trading. La psicología positiva sugiere lo contrario: si nuestras prácticas y procesos de trading se basan en nuestras fortalezas y en lo que nos resulta significativo, operaremos con mayor enfoque y energía, veremos más oportunidades en los mercados y nos relacionaremos de manera más efectiva con otros traders.
Gran parte de la psicología tradicional del trading está enfocada en los problemas, subrayando lo que debemos hacer para evitar un trading reactivo y emocional, para aceptar el riesgo o manejar las pérdidas. La realidad es que nunca alcanzaremos un estado de rendimiento óptimo solo corrigiendo nuestras debilidades. Tres preguntas que debemos hacernos para alcanzar una psicología positiva en el trading son:
1) ¿Mis procesos de trading están bien definidos y aprovechan consistentemente mis fortalezas en cuanto a personalidad, interacción social y procesamiento de información? (¿Realmente entiendo cuáles son mis fortalezas y cómo mis métodos de trading se basan en ellas?)
2) ¿Encuentro energía y satisfacción en los procesos de trading, independientemente de las ganancias o pérdidas a corto plazo?
3) ¿Me apoyo en las fortalezas de los demás y contribuyo a sus fortalezas para seguir aprendiendo y mejorando continuamente?
Logramos una psicología de trading de alto rendimiento cuando hacemos del trading una expresión de nuestros mayores talentos, habilidades e ideales.
En algún lugar, escondido en tu mejor trading, está el trader que estás destinado a ser.
El desafío es desarrollar una relación cercana con tu mejor versión.
OBV y amplitud de mercado: Claves para un mejor trading por Perry J. Kaufman
Perry J. Kaufman es uno de los autores con mayor prestigio internacional, conocido por desarrollar estrategias algorítmicas, desde la década de los 70. Comenzó como “científico espacial” en la industria aeroespacial, donde trabajó en los sistemas de control y navegación para Gemini. Desde entonces ha aplicado su amplio conocimiento desarrollando sistemas de trading y de análisis de riesgos.
Perry J. Kaufman / perrykaufman.com
Hay ciertos indicadores del mercado de valores que me gustan, entre ellos el On-Balanced Volume (OBV) y la amplitud de mercado (el número de acciones que suben o bajan). He probado algunas variaciones de OBV solo para darme cuenta después que las reglas originales eran las mejores. Explicaré esas reglas a continuación.
Me gusta la amplitud del mercado porque implica asignar a cada valor un peso igual, lo que creo que es lo mejor para ver la tendencia subyacente del mercado de valores, aunque los precios puedan ser movidos por unas pocas acciones con una capitalización muy alta.
Aplicaré estos indicadores solo a SPY (S&P500) desde 1998.
Las reglas del On-Balanced Volume
Las reglas originales de Granville son muy simples. Crea un índice OBV. Si los precios de SPY son más altos, entonces se suma todo el volumen al OBV. Si los precios son más bajos, entonces se resta todo el volumen al OBV. El indicador OBV se ve bien, más suave y ligeramente adelantado del SPY. Los valores pueden ser bastante grandes.
Figura 1. Comparación de SPY con OBV desde 1998.
Siempre me gusta ver si se pueden mejorar las reglas de un sistema. Para OBV tenía curiosidad por saber si pequeñas ganancias o pérdidas, incluso un cierre de 1 punto en el S&P, eran importantes o incluso disruptivas para el índice. Resulta que estos pequeños cambios tienen un gran impacto positivo en el resultado. No sé cómo Granville lo habría sabido antes de la era de las computadoras, pero tenía razón.
Ahora, tomemos las reglas de OBV y apliquémoslas a la amplitud de mercado.
Las reglas para medir la amplitud
Resulta que hay muchos indicadores para medir la amplitud del mercado. Pero primero, ¿cómo puede acceder a los datos? Utilizo Commodity Systems Inc (CSI) que lo tiene en dos series diferentes
UVDV: Fecha, Total Negociado, Avanzando, Descendiendo, Sin cambios, Volumen de subida, Volumen de bajada.
MKST: Fecha, Total Negociado, Avanzando, Descendiendo, Sin cambios, máximos de 52 semanas, mínimos de 52 semanas.
Tenga en cuenta que todos los proveedores de datos no muestran los mismos valores. Eso parece extraño en la era de los mercados informatizados; sin embargo, tenga cuidado.
La interpretación de la amplitud es muy similar al volumen:
Subiendo / Subiendo: La amplitud confirma la subida del precio.
Bajando / Bajando: La amplitud confirma la bajada del precio.
Bajando / Subiendo: La amplitud no confirma la subida del precio.
Subiendo / Bajando: La amplitud no confirma la bajada del precio.
Estos son algunos de los indicadores bien conocidos. Puede encontrar más detalles en línea o en mi libro “Trading Systems and Methods”. Este es un resumen corto.
Separación de volumen ascendente del descendente
Oscilador Avance-Retroceso: Avances – Retrocesos.
Índice de Demanda de Sibbett: Suma del volumen de subida / Suma del volumen de bajada.
Oscilador de McClellan: Suaviza los avances y descensos con una exponencial de 19 y 39 días.
Bolton-Tremblay: (Avanzando – Descendiendo) / Sin cambios (Podría variar mucho).
Schultz: Avanzando / Total de Acciones.
Ratio de Subida/Bajada: Volumen ascendente / Volumen descendente.
Índice de Arms (TRIN): (Acciones en subida / Acciones en bajada) / (Volumen de subida / Volumen de bajada).
Oscilador de Thrust: 100 x (Acciones en subida x vol de acciones en subida – Acciones en bajada x vol de acciones en bajada) / (Acciones en subida x vol de acciones en subida + Acciones en bajada x vol de acciones en bajada).
Nuevos Máximos y Mínimos (un índice): HLindex(t) = HLindex(t-1) + NH(t) – NL(t) Similar a Granville.
¿Es un indicador mejor que otro?
Personalmente, no puedo pensar en más combinaciones. Si tuviera que elegir uno, buscaría las acciones en subida (o en bajada) divididas por el total de acciones, muy parecido a Schultz. Puedo ver problemas con la mayoría de los otros, y prefiero la simplicidad.
Usando el enfoque On-Balance
Debido a que el OBV de Granville produjo una curva suave, pensé que aplicaría la misma técnica a la amplitud. Las reglas serían:
Si las acciones en subida son mayores que las acciones en bajada, agregue el volumen total al indicador de amplitud.
Si las acciones en subida son menores que las acciones en bajada, reste el volumen total del indicador.
¿Cómo podemos usarlos?
Figura 2. Comparación de nuestro Indicador de Amplitud con OBV utilizando el volumen de SPY.
Por experiencia, sé que la mejor media móvil para el SPY es la de 110 días. Por supuesto, eso depende de cuándo empiece, pero comenzaremos en 1998. La otra regla es que entramos al día siguiente. Normalmente, usaremos el precio de apertura como nuestra entrada, pero para esta prueba usaremos el precio de cierre del día siguiente. Dada la suavidad de las curvas, debería funcionar. Al usar el precio de cierre, tenemos todo el día para ingresar al valor del índice.
Resultados de la media móvil de 110 días de SPY
Si usamos una media móvil de 110 días en SPY, entrando al día siguiente, obtenemos los siguientes NAVs. Para comparar, he puesto los resultados de la media móvil de 30 días.
Figura 3. Resultados de SPY usando una media móvil de 110 días y una media móvil de 30 días.
Entrando con OBV y el Indicador de Amplitud al día siguiente
Entrar al cierre del día siguiente puede no ser tan bueno como la apertura, pero no debería estar muy lejos si la serie es suave. Los NAVs para OBV y Amplitud entrando al cierre del día siguiente se muestran a continuación. Además, retrasar 1 día es una forma de ver la robustez.
Figura 4. Resultados de usar OBV en SPY, entrando en el siguiente cierre.
Figura 5. Resultados de usar el Indicador de Amplitud, entrando en el siguiente cierre.
Anticipando el precio y el volumen
Hace años, teníamos que esperar al día siguiente para obtener datos de volumen. Ahora se pueden ver durante todo el día. Se pueden descargar, pero puedes ver los valores en línea en cualquier momento.
En la mayoría de los días, generalmente podemos decir si el precio de cierre va a ser más alto o más bajo. También podemos encontrar el volumen total en ese momento. Podemos aplicar una media móvil al nuevo valor de OBV y ejecutar en el cierre concurrente.
Figura 6. Anticipando el valor de OBV de hoy usando una media móvil de 110 días aplicada a SPY.
Figura 7. Anticipando el Indicador de Amplitud de hoy usando una media móvil de 110 días aplicada a SPY.
Para el Indicador de Amplitud, solo necesitamos saber si el número de acciones en subida es mayor que el de bajada para agregar o restar el volumen. Si quieres probarlo, los retornos para OBV y el Indicador de Amplitud se muestran a continuación.
Resumen
Normalmente mostraría los retornos y el riesgo de cada método, pero creo que los gráficos son claros. Tanto el OBV como los Indicadores de Amplitud son mucho mejores que las medias móviles aplicadas a SPY, pero requieren algo de trabajo.
Este estudio muestra lo importante que puede ser anticiparse. Un día puede hacer una gran diferencia.
Un Enorme Patrón de «Taza con Asa» en la Plata por Alex Barrow
Alex Barrow / MACRO OPS
Cofundador de Macro Ops, www.macro-ops.com. Global Macro fanático, ex francotirador profesional y miembro de la inteligencia de los EE. UU.
[/testimonial
«¡Si quieres ver CNBC como lo hacen los profesionales, apaga el sonido!» ~ Walter Deemer
En el Dirty Dozen [PAQUETE DE GRÁFICOS] de esta semana, observamos nuevos máximos en el oro, la plata en espiral que se encuentra cerca de mínimos históricos en relación con el oro, y un mercado SOFR que está cerca de anticipar una recesión, además de más detalles…
1. La semana pasada, el oro hizo un gran rompimiento alcista, cerrando en nuevos máximos históricos. Actualicé nuestra tesis alcista a largo plazo sobre los metales preciosos la semana pasada, la cual puedes leer aquí.
2. La plata también sigue formando un patrón en espiral tras su rompimiento del patrón de continuación de Hombro-Cabeza-Hombro invertido de 3 años. Los regímenes de expansión tienden a seguir a los regímenes de compresión como este, por lo que pronto deberíamos ver un gran régimen expansivo (tendencia).
3. @PeterLBrandt compartió este gran gráfico a largo plazo de la plata en Twitter hace un tiempo, escribiendo:
La plata es:
El abuelo de todos los patrones de Taza con Asa, o
Una eterna decepción. La historia probará que la plata es simplemente una materia prima básica, no un metal precioso especulativo como reserva de valor.
5. La proporción plata/oro está -1 desviación estándar por debajo de su promedio de 40 años. Espero que pronto la plata comience a superar al oro y cierre esta brecha de rendimiento.
6. Una de nuestras mayores participaciones en acciones en este momento es la minera de metales preciosos y tierras raras Idaho Strategic Resources (IDR). Cubrimos por primera vez la compañía en una nota para los miembros del colectivo en junio de 2023 cuando se cotizaba a menos de $5 por acción. Ha subido aproximadamente un 200% desde entonces, y aún creemos que la acción tiene el potencial de aumentar 2-3 veces más en los próximos 2-3 años.
7. Creemos que Powell hará un recorte de -50 puntos básicos esta semana. Hubo una filtración coordinada tanto al FT como al WSJ durante el fin de semana para justificarlo. Creemos que es el movimiento correcto. El mercado actualmente está valorando aproximadamente 125 puntos básicos en recortes para finales de año. Esta es la cantidad adecuada y llevará los rendimientos a un nivel más neutral.
8. Simon White de BBG observó la semana pasada que las opciones de “SOFR” continúan aumentando el riesgo de recesión. Con un aterrizaje brusco y los fondos federales por debajo del 3% en junio del próximo año, la probabilidad implícita ha aumentado a poco menos del 50%… Es notable que la tasa terminal aún no haya cruzado el Rubicón de bajar por debajo de la proyección a largo plazo de la Fed, pero el impulso favorece que eso ocurra pronto, en cuyo punto el mercado de tasas estaría firmemente en el campo de la recesión.
Desde la primavera hemos creído que la Fed estaba en riesgo de provocar una recesión si no prestaban atención a las claras advertencias de un mercado laboral en desaceleración. Pero si despiertan y comienzan a acercar los fondos federales a la tasa de los bonos a 2 años, entonces el impulso positivo en la economía permitirá un aterrizaje suave. Esto parece estar ocurriendo, por lo que una recesión a corto plazo es improbable. Esto es positivo para las acciones.
9. Mientras tanto, el SPX hizo una fuerte reversión alcista la semana pasada y está a un paso de sus máximos históricos. Nuestra señal de compra *MAYOR* sigue muy vigente…
10. Este gráfico de DB vía CNBC muestra el rendimiento promedio del ciclo cuando la Fed recorta, y hay o no recesión dentro de un año. Creemos que este mercado sigue la línea azul.
11. Aquí está el porcentaje de acciones del S&P por encima de sus medias móviles de 50 y 200 días. Ambos están muy por encima del 50% y en tendencia ascendente. Esto no es lo que se ve antes de grandes caídas.
12. Estoy destacando el algodón nuevamente. El sentimiento y el posicionamiento están extremadamente bajistas. Su valoración relativa está en el percentil 0. El contrato de diciembre está cotizando en un rectángulo lateral. Tomaremos posiciones largas en un rompimiento o en una reversión en la parte inferior de este rango.
¿Qué Significa el Recorte de Tasas de la Fed para la Economía? por Ben Carlson
Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL
Un lector pregunta:
Sé que Ben habló sobre los recortes de tasas y el mercado de valores hace unas semanas, pero ¿qué pasa con la economía? ¿Acaso Powell acaba de garantizar un aterrizaje suave al recortar 50 puntos básicos esta semana?
No hay garantías en la vida ni en los mercados, lamentablemente.
El recorte de tasas ayuda al escenario de aterrizaje suave, pero nunca se sabe con estas cosas.
Invirtamos esta pregunta y empecemos por lo que **no** significan los recortes de tasas de la Fed.
Los recortes de tasas no significan que se avecina una recesión. A veces la Fed se ve obligada a reducir las tasas debido a una crisis financiera o una desaceleración económica, pero los recortes de tasas en sí mismos no ocurren solo durante una desaceleración.
Aquí tienes una mirada a cada ciclo de recortes de tasas de la Fed desde 1970:
Ha pasado un tiempo desde que la Fed inició una serie de recortes de tasas fuera de una recesión, pero Alan Greenspan y su equipo lograron un aterrizaje suave en 1995, lo que fue seguido por uno de los mayores auges de la historia.
Una recesión es posible, pero no es el único resultado potencial aquí.
Los recortes de tasas no significan que la inflación volverá. Algunas personas están preocupadas de que la inflación vuelva a aparecer después de que recién la controlamos.
De nuevo, todo es posible, pero sería escéptico ante quienes predicen una mayor inflación solo por los recortes de tasas. Aprendimos en la década de 2010 que las tasas bajas de la Fed no causan inflación:
Tuvimos tasas del 0% durante años tras la Gran Crisis Financiera. Las tasas promediaron menos del 1% en los años 2010, y sin embargo, la tasa de inflación para esa década fue de menos del 2% anual.
El gasto gubernamental tiene un impacto mucho mayor en la inflación que la política monetaria.
Los recortes de tasas no ponen un piso en las acciones. Mucha gente asume que existe un «put» de la Fed que impulsa las acciones al alza.
Bueno, acabamos de pasar por uno de los ciclos de aumentos de tasas más agresivos de la historia y el mercado de valores se ha mantenido bastante bien:
La Fed comenzó a subir tasas el 17 de marzo de 2022. Hubo algo de volatilidad en el camino, pero desde entonces el S&P 500 ha subido casi un 35%.
Eso es bastante bueno.
Pero esto también debería ser una lección para el otro lado de la ecuación. El mercado de valores puede ir bien durante un ciclo de recorte de tasas. Sin embargo, que la Fed baje las tasas no significa que el mercado de valores esté ahora mejor protegido contra el riesgo.
Tasas bajas no garantizan que el mercado de valores siga subiendo.
Los recortes de tasas no garantizan ganancias en bonos. Aquí hay un meme que hice:
Los bonos podrían comportarse bien en un ciclo de recorte de tasas, pero podría ser más complicado que eso.
Las tasas a corto plazo han sido más altas que las tasas a largo plazo desde hace un tiempo. Los rendimientos de los bonos ya han bajado anticipando los recortes de tasas de la Fed:
El mercado mira hacia el futuro. No espera a que la Fed actúe. Se mueve antes de que lo hagan.
¿Qué pasa si las tasas intermedias y a largo plazo no se mueven mucho mientras las tasas a corto plazo caen y la curva de rendimientos se desinvierta? Esas tasas nunca subieron tanto como los rendimientos a corto plazo en un ciclo de aumento de tasas.
Si entramos en recesión o la inflación cae muy por debajo del objetivo del 2% de la Fed, se esperaría que los rendimientos de los bonos caigan.
Pero los rendimientos de los bonos no están garantizados a bajar en un escenario de aterrizaje suave.
La buena noticia es que los rendimientos de los bonos son decentes ahora, por lo que las tasas no tienen que bajar para que los bonos ofrezcan rendimientos razonables. Cronometrar el mercado de valores es difícil, pero cronometrar el mercado de bonos tampoco es fácil.
Supongo que lo que estoy tratando de decir es que no hay muchas garantías cuando la Fed recorta tasas.
Puedes esperar que las tasas de tu cuenta de ahorros, los CD, los mercados monetarios y los T-bills bajen de inmediato. También deberías esperar que bajen los costos de los préstamos.
Aparte de eso, el futuro es incierto, como siempre.
Aumento de las Probabilidades de un «Meltup» por Dr. Ed Yardeni
El Dr. Ed Yardeni es una de las principales voces de LinkedIn en economía y finanzas. Colaborador habitual de los principales medios internacionales, actualmente dirige Yardeni Research una firma de consultoría que ofrece estrategias de inversión global, análisis y recomendaciones a clientes institucionales. Es autor de los libros «Predicting the Markets: A Professional Autobiography» y «Fed Watching for Fun & Profit”.
Dr. Ed Yardeni / Yardeni Research
Nos hemos centrado en tres escenarios desde el comienzo de la década: un estilo «Años 20 rugientes» como en los 1920, una repetición del auge bursátil de los 90, y un regreso de los choques geopolíticos de los 70, que causarían un aumento en los precios del petróleo y la inflación. Hasta ahora, no habíamos tenido que cambiar nuestras probabilidades subjetivas de 60/20/20 para estas tres alternativas. Sin embargo, el presidente de la Reserva Federal, Jerome Powell, nos obliga a modificarlas ahora, a 50/30/20. En su discurso del 23 de agosto en Jackson Hole, señaló que estaba cambiando de un enfoque antiinflacionario a uno pro empleo.
No quedó duda de su notable transformación el miércoles, cuando debió haber convencido a sus colegas del FOMC de bajar la tasa de fondos federales (FFR) en 50 puntos básicos en lugar de 25. Como señalamos ese día: «El FOMC tuvo su primer desacuerdo desde 2022 en esta reunión. La gobernadora de la Fed, Michelle Bowman, votó por una reducción menor de 25 puntos básicos. Pero el gráfico de puntos de la Fed, actualizado en su nuevo SEP (Resumen de Proyecciones Económicas), sugiere que el desacuerdo fue mucho mayor. Dos participantes están a favor de no reducir las tasas nuevamente este año, y otros siete ven solo una reducción de 25 puntos básicos más tarde este año.»
En Jackson Hole, Powell lo dijo todo cuando afirmó: «Haremos todo lo posible para apoyar un mercado laboral sólido mientras avanzamos hacia la estabilidad de precios.» Hoy, los precios de las acciones alcanzaron nuevos máximos históricos después de que Powell y compañía entregaran el recorte de 50 puntos básicos y señalaran en el SEP que vendrían muchos más recortes hasta que la FFR caiga al 2.9%, lo que actualmente consideran la tasa neutral de interés a largo plazo. En su rueda de prensa el miércoles, Powell entregó el mercado bursátil a la «tierra prometida», donde «la fortaleza del mercado laboral se puede mantener en un contexto de crecimiento moderado e inflación bajando sostenidamente al 2%». Los inversores gritaron hoy con entusiasmo «¡Aleluya!»
La pregunta es si ese entusiasmo está pasando rápidamente de ser racional a una versión irracional como la de los 90. Las ganancias futuras por acción del S&P 500 deberían seguir aumentando a nuevos máximos históricos, especialmente si la agresiva flexibilización de la Fed impulsa la economía, que ha estado creciendo de manera estable y moderada pese al endurecimiento de la Fed.
Por lo tanto, las ganancias deberían continuar justificando el entusiasmo racional. El problema es la valoración. Warren Buffett ha estado acumulando efectivo, probablemente porque su «Ratio Buffett» (medido como el índice de precios del S&P 500 frente a las ventas proyectadas) está en territorio récord, en 2.83 durante la semana del 19 de septiembre.
Un poco menos irracional es el índice P/E a futuro del S&P 500, que se encuentra en 21.1, pero aún no ha alcanzado niveles récord. Su divergencia con el ratio precio/ventas proyectado del S&P 500 se debe a que el margen de beneficio creciente del índice hace que las ganancias suban más rápido que las ventas.
¿Qué pasa con nuestros objetivos de precios para las acciones del S&P 500? Seguimos esperando que las ganancias por acción del S&P 500 alcancen los $250 este año, $275 el próximo año y $300 en 2026. Nuestras proyecciones de ganancias a futuro para fines de 2024, 2025 y 2026 siguen siendo de $275, $300 y $325. Tenemos aún más confianza en estas estimaciones ahora que la Fed está tan comprometida en evitar una recesión.
Hemos estado utilizando un P/E a futuro de 21.0 para obtener nuestros objetivos del S&P 500 de 5800, 6300 y 6800 para 2024, 2025 y 2026, respectivamente. Hemos decidido mantener estos objetivos, pero reconocemos que el riesgo de un «meltup» ha aumentado, como se mencionó anteriormente. En un escenario de «meltup», el S&P 500 podría superar los 6000 para fin de este año. Aunque eso sería muy alcista a corto plazo, aumentaría la probabilidad de una corrección a principios del próximo año.
El apetito por el riesgo disminuye a pesar del aumento de las acciones por Sentimentrader
Dean Christians es un analista veterano especializado en la investigación de mercado y trading de Wall Street, con más de 25 años de experiencia. Sus análisis y señales de trading son de las más valoradas entre los profesionales del sector financiero.
Dean Christians / SentimenTrader
El S&P 500 está alcanzando máximos históricos, pero el apetito por el riesgo en activos cruzados sigue siendo excepcionalmente bajo.
No es común ver divergencias como esta, ya que las acciones suelen influir en el sentimiento general de manera desproporcionada.
Otras veces en las que el apetito por el riesgo era anormalmente bajo, las acciones tuvieron dificultades, excepto en sectores defensivos como los productos de consumo básico y los servicios públicos.
Lo que nos dice la investigación…
Mira, es frustrante leer algo optimista un día y luego pesimista al siguiente. Lo entiendo. Tampoco creo en ignorar la evidencia contradictoria si es convincente.
Los 10 Principales Beneficios del Trading Automatizado de Futuros por Kevin Davey
Kevin Davey es un conocido trader de futuros, divisas y materias primas. Ha estado operando durante más de 25 años. Durante tres años consecutivos, Kevin logró más del 100 % de rendimiento anual en un campeonato de trading con dinero real. Es autor del libro de trading algorítmico «Building Algorithmic Trading Systems: A Trader’s Journey From Data Mining to Monte Carlo Simulation to Live Trading» (Wiley 2014).
Kevin Davey / kjtradingsystems.com
Es posible que hayas oído hablar del trading automatizado de futuros y tengas curiosidad por saber más, pero no estás seguro de por dónde empezar. Quieres conocer los beneficios antes de invertir tu tiempo y dinero?
El trading automatizado de futuros puede parecer un tema abrumador, pero es importante entender los beneficios antes de decidir si es adecuado para ti.
Sigue leyendo porque aquí están los 10 principales beneficios del trading automatizado de futuros para ayudarte a tomar una decisión.
¿Qué es el trading automatizado de futuros?
El trading automatizado de futuros es el proceso de utilizar un programa informático para realizar operaciones en el mercado de futuros en tu nombre. Este tipo de trading se ha vuelto mucho más popular en los últimos años a medida que la tecnología ha hecho más accesible el mercado para las personas, permitiéndoles operar desde sus hogares.
Hay varios beneficios del trading automatizado de futuros, como la posibilidad de operar las 24 horas del día, monitorear múltiples mercados a la vez y aprovechar las oportunidades del mercado a medida que surgen. Además, el trading automatizado puede ayudar a reducir las emociones en el proceso de toma de decisiones, lo que puede llevar a decisiones más racionales.
Sin embargo, es importante recordar que el trading automatizado no está exento de riesgos, y es crucial elegir un bróker de confianza y considerar cuidadosamente tu estrategia antes de comenzar.
En el trading de acciones en línea, hay muchas casas de corretaje para elegir. Es importante investigar y seleccionar una de buena reputación que tenga un historial sólido. Una vez que hayas elegido un bróker, debes considerar cuidadosamente tu estrategia de trading. ¿Qué tipo de acciones deseas operar? ¿Cuáles son tus objetivos? ¿Cuánto riesgo estás dispuesto a asumir?
Estas son preguntas importantes que debes responder antes de comenzar a operar. Si dedicas tiempo a investigar y a desarrollar un plan sólido, tendrás más posibilidades de éxito en el trading de acciones en línea.
Beneficios del trading automatizado de futuros
Existen muchos beneficios al operar contratos de futuros de manera electrónica. Aquí tienes diez de las principales ventajas:
1. Puedes operar las 24 horas del día
Los sistemas automatizados pueden operar incluso cuando los mercados están cerrados, ya que las operaciones son ejecutadas por computadoras, no humanos. Esto te permite aprovechar oportunidades en cualquier momento.
2. Puedes operar en múltiples mercados a la vez
El trading automatizado te permite participar en varios mercados simultáneamente, lo que te brinda la oportunidad de aprovechar más oportunidades y ganar más dinero.
3. No necesitas ser un trader experto
Los sistemas de trading automatizado eliminan la adivinanza y las emociones del trading, haciéndolo accesible para todos, incluso si no tienes experiencia.
4. Puedes probar los sistemas antes de utilizarlos
Las buenas plataformas de trading automatizado ofrecen cuentas demo para que pruebes el sistema antes de arriesgar dinero real.
5. Puedes automatizar tu estrategia de trading
Automatizar tus puntos de entrada y salida te ayuda a minimizar las emociones y evitar decisiones apresuradas y costosas.
Typical Trading Signals From An Automated Futures Trading Strategy
6. Puedes hacer backtesting de los sistemas
El backtesting te permite evaluar cómo un sistema habría funcionado en el pasado, brindándote una mejor idea de su potencial en el futuro.
7. Puedes comenzar con poco dinero
Puedes abrir una cuenta con tan solo $500, ya que los contratos de futuros se negocian con margen, lo que te permite controlar grandes cantidades de dinero con una inversión pequeña.
8. Puedes usar apalancamiento
Los contratos de futuros permiten a los inversores controlar grandes valores con pequeñas cantidades de capital, lo que puede amplificar tanto las ganancias como las pérdidas.
9. Puedes vender en corto
Con el trading de futuros, puedes beneficiarte de la caída de los precios vendiendo un activo y comprándolo de nuevo a un precio más bajo.
10. Los costos de comisión son bajos (¡o incluso nulos!)
Dependiendo de tu bróker, puedes encontrar opciones de comisión baja o incluso sin costo, lo que lo convierte en una opción más rentable para operar.
Cómo empezar con el trading automatizado de futuros
Si estás interesado en el trading automático, el primer paso es encontrar un bróker de confianza. Una vez que lo encuentres, debes abrir una cuenta, financiarla, seleccionar una plataforma de trading y elegir un sistema.
Recuerda que el trading automatizado de futuros no está exento de riesgos. Debes siempre considerar cuidadosamente tu estrategia y limitar tu exposición al riesgo. Y, como con todas las inversiones, existe la posibilidad de perder dinero.
Haz click aquí si estás listo para comenzar, considera explorar talleres especializados donde los estudiantes han creado y probado con éxito estrategias de trading automatizado.
Conclusión
El trading automatizado de futuros ofrece varios beneficios para los traders, incluyendo precisión, consistencia y mejor gestión del riesgo. Si deseas mejorar tus resultados de trading, vale la pena considerar el uso de un sistema automatizado.
Sistemas de Trading Automatizados: Arquitectura, Protocolos, Tipos de Latencia por Quantinsti
El objetivo de Quantinsti es formar a su alumnos en el trading algorítmico. Pertenece a iRageCapital Advisory, empresa conocida por sus servicios relacionados con la creación de mesas de trading algorítmico.
Quantinsti
El auge del trading automatizado ha transformado significativamente la estructura de los sistemas de trading en la última década y continúa haciéndolo. Para las empresas, especialmente aquellas involucradas en el trading de alta frecuencia, mantenerse competitivas en el trading algorítmico ahora requiere una constante innovación tecnológica.
En esta publicación, desglosaremos la arquitectura detrás de los sistemas de trading automatizado, compararemos los nuevos diseños con los tradicionales y exploraremos los componentes clave que hacen que estos sistemas funcionen.
¿Qué es el trading automatizado?
Un sistema de trading automatizado (o trading completamente automatizado) es una subdivisión del trading algorítmico en el cual se utilizan computadoras para generar señales de trading y gestionar el flujo de órdenes en los mercados sin intervención humana.
El trading automatizado también incluye la modelización cuantitativa y el monitoreo de riesgos.
Los sistemas de trading automatizados son utilizados por un porcentaje cada vez mayor de participantes del mercado, incluyendo firmas de trading, bancos, fondos de cobertura, gestores de activos y fondos de pensiones. Pueden desarrollar sus propios sistemas o usar sistemas provistos por terceros. El grado de automatización varía de un sistema a otro y depende de factores como el entorno regulatorio, las bolsas de valores y las diferencias culturales.
Este video a continuación introduce conceptos esenciales del trading automatizado, incluyendo su importancia y proceso. También demuestra la automatización de una estrategia basada en reglas, ofreciendo valiosas ideas para quienes buscan mejorar sus habilidades en trading.
Pasemos a aprender más sobre el trading automatizado, discutiendo cómo se diferencia del trading algorítmico.
Diferencia entre trading automatizado y trading algorítmico
A continuación se muestra una clara distinción entre el trading automatizado y el algorítmico, con cada aspecto mencionado.
Evolución de los sistemas de trading
El sistema de trading tradicional era una mera interacción entre el corredor y la bolsa para estas tres operaciones:
Recepción de datos de mercado
Envío de solicitudes de órdenes
Recepción de respuestas de la bolsa
Para comprar o vender acciones y valores, el trader tenía que acudir a un corredor. Este corredor podía ser un individuo o una firma. Este corredor era contratado para negociar en nombre del trader, quien realizaba la compra y venta de instrumentos financieros manualmente.
Esta forma tradicional de trading consumía tiempo y se basaba en decisiones de trading influenciadas por emociones como el miedo o la avaricia. Además, el trading tradicional carecía de precisión analítica ya que se realizaba manualmente. Siguiendo el famoso dicho «errar es humano», el trading tradicional o manual necesitaba evolucionar.
Con la llegada del trading automatizado, el panorama del trading cambió, evolucionando hacia un enfoque más preciso, rápido y ahorrador de tiempo. En su forma básica, podemos representar la transferencia de datos entre la bolsa y el sistema de trading automatizado como sigue:
Los datos de mercado recibidos típicamente informan al sistema de trading automatizado sobre el último libro de órdenes. También pueden contener información adicional como el volumen negociado hasta el momento, el último precio negociado y la cantidad de la orden de trading.
Sin embargo, para tomar una decisión basada en los datos, el sistema automatizado observa los valores antiguos o deriva ciertos patrones del historial. Basado en este análisis histórico de datos y patrones, el sistema procede a crear una estrategia de trading y ejecutarla.
Por último, pero no menos importante, se necesita una interfaz gráfica de usuario (GUI) para que el trader pueda visualizar toda esta información en una pantalla.
A continuación, discutiremos la necesidad de un sistema de trading automatizado.
¿Por qué se necesita un sistema de trading automatizado?
La arquitectura tradicional carecía de las instalaciones que el sistema de trading automatizado con Acceso Directo al Mercado (DMA) ofrecía. La latencia entre la recepción de datos del mercado y la generación de órdenes superaba la capacidad humana y entraba en el ámbito de los milisegundos y microsegundos con el sistema de trading automatizado.
Con el tiempo, se comprendió que la gestión de órdenes también debía ser más robusta y capaz de manejar muchas más órdenes por segundo.
Dado que el tiempo de ejecución de órdenes en el trading algorítmico es menor en comparación con la ejecución manual, también se necesitaban medidas de gestión de riesgos. Para tales prácticas como la ejecución rápida de órdenes y la gestión de riesgos simultánea, se necesitaba un sistema automatizado.
Por ejemplo, incluso si el tiempo de reacción para una orden es de 1 milisegundo, el sistema sigue siendo capaz de tomar 1000 decisiones de trading en un segundo. Por lo tanto, cada una de estas 1000 decisiones de trading debe pasar por medidas de gestión de riesgos dentro del mismo segundo para evitar pérdidas. Se podría decir que en cuanto a los sistemas de trading automatizados, esto es solo un problema de complejidad.
A continuación, discutiremos la arquitectura del trading automatizado en la que descubriremos todo sobre el funcionamiento o flujo del trading automatizado.
Arquitectura del trading automatizado
Tomando en cuenta todos los puntos mencionados anteriormente, la arquitectura tradicional de todo el sistema de trading automatizado se desglosa de la siguiente manera:
La(s) bolsa(s) – el mundo externo
El servidor
Recibe los datos del mercado
Almacena los datos del mercado
Almacena las órdenes generadas por el usuario
Aplicación
Toma las entradas del usuario inicialmente para decisiones como stop loss, límites, instrumentos financieros preferidos para trading, etc.
Actúa como interfaz para visualizar la información, incluidos los datos y órdenes.
Actúa como un gestor de órdenes enviando órdenes a la bolsa.
Aunque la capa de aplicación es principalmente una vista, algunas de las verificaciones de riesgo pueden descargarse en la capa de aplicación, especialmente aquellas que tienen que ver con la cordura de las entradas del usuario, como los errores de «dedo gordo».
El resto de las verificaciones de riesgo en los sistemas de trading automatizado ahora se realizan mediante un Sistema de Gestión de Riesgos (RMS) separado dentro del Gestor de Órdenes (OM), justo antes de liberar una orden. El problema de la escala también significa que donde antes 100 traders diferentes gestionaban su riesgo, ahora solo hay un sistema RMS para gestionar el riesgo en todas las unidades/estrategias lógicas.
Sin embargo, algunas verificaciones de riesgo pueden ser específicas de ciertas estrategias, y algunas deben hacerse en todas las estrategias. Por lo tanto, el RMS en sí implica el RMS a nivel de estrategia (SLRMS) y el RMS global (GRMS). También puede implicar una interfaz de usuario (UI) para ver el SLRMS y GRMS.
Ahora comprendamos los componentes del servidor con más detalle.
Adaptador de Mercado
La bolsa o cualquier proveedor de datos del mercado envía datos en su propio formato. Su sistema de trading algorítmico puede o no entender ese lenguaje. La bolsa le proporciona una API o Interfaz de Programación de Aplicaciones que le permite programar y crear su propio adaptador para convertir el formato de los datos en un formato que su sistema pueda entender.
Motor de Procesamiento de Eventos Complejos (CEP)
Esta parte es el cerebro de su estrategia. Una vez que tiene los datos, deberá trabajar con ellos según su estrategia, lo que implica realizar varios cálculos estadísticos, comparaciones con datos históricos y la toma de decisiones para la generación de órdenes. El tipo de orden y la cantidad de la orden se preparan en este bloque.
Un evento complejo es un conjunto de otros eventos que juntos implican la ocurrencia de algo significativo. Estos incluyen tendencias bursátiles, movimientos del mercado, noticias, etc. El procesamiento de eventos complejos (CEP) realiza operaciones computacionales sobre eventos complejos en un corto tiempo.
Los sistemas CEP procesan eventos en tiempo real, por lo tanto, cuanto más rápido sea el procesamiento de eventos, mejor será el sistema CEP. Por ejemplo, si un sistema de trading automatizado está diseñado para detectar una buena oportunidad de rendimientos en el siguiente segundo, pero el tiempo que toma el sistema CEP excede este umbral, entonces el sistema de trading no podrá obtener buenos rendimientos.
El sistema CEP está compuesto por cuatro partes:
Motor CEP (CEP engine)
Reglas CEP
Servicios Web CEP (CEP WS)
Interfaz de resultados CEP
Los dos componentes principales de cualquier sistema CEP son el motor CEP y el conjunto de reglas CEP. El motor CEP procesa los eventos entrantes basándose en las reglas CEP. Estas reglas y los eventos que se introducen en el motor CEP están mencionados en el sistema de trading (estrategia de trading).
Puedes ver en la imagen a continuación dónde encaja el rol del motor CEP en el proceso de generación de órdenes de trading, comenzando desde la aplicación y llegando a la bolsa.
Para un cuantitativo (quant), la mayor parte de su trabajo se concentra en este bloque del sistema CEP. Un cuantitativo pasará la mayor parte del tiempo formulando estrategias de trading y realizando rigurosos backtesting, optimización y ajuste de posiciones, entre otras cosas.
Esto se hace para asegurar la viabilidad de la estrategia de trading en los mercados reales. Ninguna estrategia única puede garantizar rendimientos buenos y duraderos. Por lo tanto, los quants deben desarrollar nuevas estrategias regularmente para mantener una ventaja en los mercados.
Existen numerosos sistemas de trading automatizado populares que son ampliamente utilizados en los mercados actuales. Estos se clasifican en diferentes estrategias, como estrategias de momentum, arbitraje estadístico, creación de mercado, etc.
Veamos algunos protocolos del sistema de trading automatizado
Protocolos del sistema de trading automatizado
Dado que la nueva arquitectura es capaz de escalar muchas estrategias por servidor, ha surgido la necesidad de conectarse a múltiples destinos desde un solo servidor. Así, el gestor de órdenes alberga varios adaptadores para enviar órdenes a múltiples destinos y recibir datos de varios mercados.
Cada adaptador actúa como un intérprete entre el protocolo que entiende la bolsa y el protocolo de comunicación dentro del sistema. Por lo tanto, se requieren múltiples adaptadores para múltiples mercados.
Sin embargo, para añadir un nuevo mercado al sistema de trading automatizado, se debe diseñar e integrar un nuevo adaptador en la arquitectura. Esto se debe a que cada mercado sigue su propio protocolo, optimizado para las características que ofrece.
Para evitar este inconveniente de añadir adaptadores, se han diseñado protocolos estándar. El más destacado entre ellos es el protocolo de trading FIX. Esto no solo facilita la conexión con diferentes destinos, sino que también reduce drásticamente el tiempo de salida al mercado cuando se conecta con un nuevo destino.
La presencia de protocolos estándar facilita que el sistema de trading automatizado se integre con proveedores externos de análisis o fuentes de datos de mercado. Como resultado, el mercado se vuelve más eficiente, ya que integrar con un nuevo destino o proveedor ya no es una limitación.
Además, la simulación se vuelve muy fácil, ya que recibir datos del mercado real y enviar órdenes a un simulador es solo cuestión de usar el protocolo FIX para conectarse a un simulador.
El simulador en sí puede ser desarrollado internamente o adquirido de un proveedor externo. De manera similar, los datos grabados pueden ser reproducidos sin que los adaptadores detecten si los datos provienen del mercado en vivo o de un conjunto de datos grabados.
Cambio hacia arquitecturas de baja latencia
Con los bloques fundamentales de un sistema de trading automatizado en su lugar, las estrategias ahora tienen la capacidad de procesar grandes cantidades de datos en tiempo real y tomar decisiones de trading rápidamente.
Hoy en día, con la aparición de protocolos de comunicación estándar como FIX, la barrera tecnológica para establecer una mesa de trading algorítmico o un sistema de trading automatizado ha disminuido.
Consecuentemente, el dominio del trading automatizado se ha vuelto más competitivo.
A medida que los servidores obtuvieron más memoria y mayores frecuencias de reloj, el enfoque se trasladó hacia la reducción de la latencia en la toma de decisiones.
Con el tiempo, la reducción de la latencia se ha vuelto una necesidad por varias razones, como:
La estrategia solo tiene sentido en un entorno de baja latencia.
La supervivencia del más apto: los competidores te superan si no eres lo suficientemente rápido.
El problema, sin embargo, es que la latencia es un término amplio que abarca diferentes tipos de retrasos. Aunque la latencia es fácil de entender, es difícil de cuantificar. Por lo tanto, es crucial cómo se aborda el problema de reducirla.
Si observamos el ciclo de vida básico en un sistema de trading automatizado, los pasos son los siguientes:
Un paquete de datos de mercado es publicado por la bolsa.
El paquete viaja a través del cable.
El paquete llega a un enrutador del lado del servidor.
El enrutador reenvía el paquete a través de la red del servidor.
El paquete llega al puerto Ethernet del servidor.
Dependiendo de si es UDP/TCP, se procesa, y el paquete llega a la memoria del adaptador.
El adaptador luego analiza el paquete y lo convierte en un formato interno para la plataforma de trading algorítmico.
Este paquete ahora viaja a través de varios módulos del sistema, como el CEP, la tienda de ticks, etc.
El CEP analiza y envía una solicitud de orden.
La solicitud de orden regresa en sentido inverso como el paquete de datos del mercado.
En un diseño de sistema de trading automatizado, una alta latencia en cualquiera de estos pasos asegura una alta latencia en todo el ciclo. Por lo tanto, la optimización de la latencia generalmente comienza con el primer paso que está bajo nuestro control, es decir, «el paquete viaja a través del cable». La forma más fácil de reducir la latencia es acortar la distancia al destino tanto como sea posible. La mejor manera de hacerlo es mediante la colocación.
La colocación es la facilidad que ofrecen las bolsas para alojar el servidor de trading cerca de la bolsa.
Niveles de sofisticación en el trading automatizado
El mundo del trading algorítmico de alta frecuencia ha entrado en una era de intensa competencia. Con cada participante adoptando nuevos métodos para superar a la competencia, la tecnología ha avanzado significativamente.
Las arquitecturas de trading algorítmico modernas son bastante complejas en comparación con sus contrapartes de etapas tempranas. En consecuencia, los sistemas de trading automatizado avanzados son más costosos de construir, tanto en términos de tiempo como de dinero.
A continuación se muestra una tabla que cubre las diferentes tarjetas de red que se utilizan para el trading automatizado y los diversos aspectos de las mismas:
Construir un sistema de trading automatizado completo puede estar fuera del alcance de un trader minorista individual. Los traders que desean explorar el trading algorítmico pueden optar por sistemas de trading automatizado disponibles en el mercado por suscripción.
Un trader puede suscribirse a estos sistemas automatizados y utilizar las estrategias de trading algorítmico que se ponen a disposición de los usuarios de estos sistemas. Los traders que saben programar pueden formular y probar sus estrategias en plataformas de programación como Python y C.
¿Cómo construir un sistema de trading automatizado?
Los traders principiantes pueden aprender a construir su propio sistema de trading automatizado con los algoritmos para operar en los mercados. Para construir tu propio sistema de trading automatizado, necesitarás codificar la estrategia en un lenguaje de programación, probar la estrategia con datos históricos para conocer su rendimiento, realizar trading en papel y luego operar en vivo.
Veamos estos pasos en detalle a continuación, los cuales pueden servir como una guía general para construir una estrategia de trading algorítmico:
Paso 1: Ideación o plan de trading
Desarrolla una idea de trading o una estrategia para operar en los mercados en tiempo real. Esta estrategia puede estar basada en tus observaciones del mercado o puede ser tomada de libros de trading, trabajos de investigación, blogs de trading, foros de trading u otras fuentes.
Paso 2: Creación del sistema
Este paso requiere que crees un sistema automatizado para identificar las oportunidades de trading en el mercado de acuerdo con tus instrumentos financieros preferidos. Además, deberás alimentar el sistema automatizado con la información sobre cómo actuar una vez que identifique las oportunidades.
Adicionalmente, también deberás introducir parámetros relacionados con la gestión del riesgo, como el stop loss, orden límite, etc.
Todo este proceso de creación del sistema automatizado requerirá que tengas conocimiento de un lenguaje de programación como Python, C, etc. Con estos lenguajes de programación, podrás codificar el sistema con todas las preferencias mencionadas anteriormente.
Paso 3: Probar y refinar el sistema
El siguiente paso es probar y refinar el sistema de trading automatizado para mejorar el sistema en caso de que ocurra algún malfuncionamiento. Después de hacer los cambios o mejoras necesarias, puedes estar seguro de que el sistema está listo para operar en el mercado en tiempo real.
Paso 4: ¡Llevar tu sistema automatizado a la acción!
Una vez que estés seguro de tu sistema automatizado, puedes operar en vivo con tu idea o estrategia de trading.
Ahora que has construido con éxito un sistema de trading automatizado, aquí tienes un tutorial que te guiará en el proceso de descargar datos históricos de acciones utilizando Python. Si te interesa el sistema de trading automatizado y deseas analizar datos históricos de acciones para desarrollar tus estrategias de trading, este video puede ser útil.
Ventajas de usar sistemas de trading automatizados
Las ventajas de utilizar sistemas de trading automatizados son las siguientes:
– Facilidad de uso: Las órdenes pueden ser colocadas rápidamente con la ayuda del software que te guía a través de los diferentes parámetros. Además, tu propio sistema automatizado hará que sea aún más fácil colocar órdenes, ya que siempre está a tu disposición.
– Revisión en vivo del portafolio y actualizaciones del mercado: Con el sistema de trading automatizado, puedes visualizar los datos de mercado de instrumentos financieros como acciones, materias primas, índices bursátiles, etc., en cualquier momento. También puedes realizar un seguimiento de tu portafolio, sus activos subyacentes y su desempeño mediante el software.
– Función de notificaciones: Una de las características más ventajosas del sistema de trading automatizado es la función de notificaciones. El sistema automatizado te enviará alertas para notificarte sobre los últimos eventos en tu portafolio, así como las recomendaciones del broker.
– Actualizaciones de noticias relacionadas: Los usuarios también pueden seguir actualizaciones en tiempo real sobre desarrollos relacionados con una acción o segmento específico mediante los sistemas automatizados. El sistema te ayuda a mantenerte actualizado para que puedas modificar tus entradas de trading, como la selección de instrumentos financieros, actualización de los valores de stop loss, valor límite, etc.
– Análisis y gráficos: Otra característica es la provisión de gráficos históricos y análisis que te permiten observar datos previos de índices, precios de acciones y proporcionar herramientas de análisis para los mismos.
Desventajas de usar sistemas de trading automatizados
Las siguientes son las desventajas:
– Gastos para usar el sistema automatizado: El sistema de trading automatizado implica un gasto, y eso puede ser una desventaja para aquellos que no desean invertir en el mismo.
– Conectividad: Una desventaja general de usar el sistema de trading automatizado es la conectividad. En algunas regiones remotas, las interrupciones en la conectividad son comunes, lo que podría generar pérdidas durante la colocación de órdenes.
Conclusión
Este fue un post detallado sobre la arquitectura de un sistema de trading automatizado para ofrecerte un conocimiento profundo e informativo sobre los componentes involucrados. Además, existen varios desafíos que los desarrolladores de la arquitectura deben manejar o superar para construir un sistema de trading automatizado robusto. Entonces, ¿qué esperas? ¡Ve por el trading algorítmico!
Si deseas aprender varios aspectos del trading algorítmico y los sistemas de trading automatizado, revisa nuestro curso «¡Trading Algorítmico para Principiantes!». Este curso construye una base en el trading algorítmico y es perfecto para aquellos que desean obtener una visión completa del dominio. Incluye el qué, cómo y por qué del trading algorítmico. También se incluyen diferentes estrategias de trading algorítmico y regulaciones para establecer un negocio de trading algorítmico.
Revisando las estrategias de seguimiento de tendencias y reversión de la media en Bitcoin por Quantpedia
La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com
En los últimos años, cambios significativos en el panorama financiero han transformado la dinámica de los mercados globales, incluido el sector de las criptomonedas. Eventos como la guerra en Ucrania, el aumento de la inflación, el escenario de aterrizaje suave en la economía de EE.UU. y el reciente halving de Bitcoin han impactado profundamente en el sentimiento del mercado y los movimientos de precios. Dado estos desarrollos, decidimos revisar y reevaluar las estrategias de trading, específicamente el seguimiento de tendencias y la reversión a la media en Bitcoin, publicadas en 2022, que utilizaron datos desde noviembre de 2015 hasta febrero de 2022. Este nuevo estudio explora cómo habrían funcionado estas estrategias desde noviembre de 2015 hasta agosto de 2024, teniendo en cuenta los cambios recientes. El estudio también examina los cambios en el mercado entre febrero de 2022 y agosto de 2024, destacando los desarrollos desde la investigación anterior. Además, evalúa la influencia de la estacionalidad en la acción del precio de Bitcoin, similar a nuestro artículo anterior: La estacionalidad de Bitcoin. Al analizar estos factores, nuestro objetivo es proporcionar una visión más profunda del comportamiento en evolución de la criptomoneda líder en el mundo y guiar a los inversores a través de las complejidades del entorno actual del mercado.
Análisis in-sample
Todos los análisis se basan en los datos diarios reales de BTC de la página de datos de Gemini. Estos datos representan los precios de apertura del BTC a las 00:00 desde el 9 de octubre de 2015 hasta el 20 de agosto de 2024, siendo el primer día observado el 11 de noviembre de 2015. Aplicamos la estrategia MIN y MAX a estos datos. La estrategia MAX se basa en un patrón de seguimiento de tendencias, donde un activo con el valor más alto reciente tiende a continuar creciendo en los días siguientes. La estrategia MIN se basa en la teoría de la reversión a la media, que postula que los rendimientos tenderán a volver a un nivel promedio con el tiempo, incluso si son significativamente bajos, eventualmente regresarán a ese nivel promedio.
De manera similar al artículo original, en cada día observado (t) calculamos el precio máximo (MAX) y mínimo (MIN) del BTC durante los últimos 10, 20, 30, 40 y 50 días:
Donde BTCt es el precio en el día t y x es el período de retroceso.
En el siguiente paso, exploramos el comportamiento de los precios del BTC cuando alcanzan el máximo o mínimo durante el período dado. A diferencia del artículo original, esta vez no nos enfocamos en el comportamiento por debajo del máximo o por encima del mínimo. Para los cálculos, utilizamos la fórmula:
Donde rt,x es el rendimiento del BTC en el día t durante el período de x días.
Según la Tabla 1, ambas estrategias siguen siendo válidas y efectivas, especialmente para períodos de 10 días. Para la estrategia MAX mostrada en el Panel A, parece más fuerte que la estrategia MIN en el Panel B, considerando rendimientos más altos y menores caídas, aunque ambas estrategias son eficientes para el trading.
Comprar en MIN muestra un crecimiento más lento con más segmentos planos en la curva en comparación con comprar en MAX, pero también resulta en caídas más severas, como se confirma en los valores de la Tabla 1.
En general, el rendimiento de ambas estrategias es ligeramente menos efectivo en comparación con la investigación original. Sin embargo, siguen siendo relevantes y más efectivas cuando se compra el BTC en el precio máximo o mínimo en los últimos 10 días, según los resultados de la investigación.
En el estudio anterior, logramos los mejores resultados con una combinación de las estrategias MIN y MAX, comprando el BTC cuando alcanzaba tanto el mínimo como el máximo en el período de 10 días. Basándonos en esto, decidimos recrear la estrategia para un período de tiempo más largo.
Con este enfoque, aún podemos lograr altos rendimientos (la estrategia MIN+MAX está cerca de su máximo histórico) con menores caídas que solo comprando y manteniendo el mercado subyacente de BTC.
Análisis out-of-sample
Posteriormente, aplicamos estas estrategias solo a los días que no se incluyeron en la investigación original, específicamente desde el 4 de febrero de 2022 hasta el 20 de agosto de 2024. Durante este período, el precio de Bitcoin experimentó una profunda caída, lo que representa una prueba de estrés perfecta para el análisis out-of-sample.
Los últimos dos años y medio han sido desafiantes para esta criptomoneda popular debido a la guerra en curso en Ucrania, el aumento de las tasas de inflación o el escenario de aterrizaje suave en la economía de EE.UU., todos los cuales han tenido un fuerte impacto en el panorama financiero. Además, el 19 de abril de 2024 marcó el halving de Bitcoin, que también afectó el precio.
A pesar de la caída en el precio de BTC, la estrategia MAX sigue viva y funcionando bien. Comprar el BTC cuando alcanza un máximo de 10 días parece ser menos efectivo que comprar en un máximo de 20 días, sin embargo, sigue siendo rentable, al igual que todos los otros períodos. Por otro lado, la segunda parte de la estrategia MIN+MAX, comprar en el mínimo, no ha funcionado bien. Durante los últimos 2.5 años, esta estrategia ha sufrido debido a la caída del precio de BTC, arrojando rendimientos bajos o incluso negativos. ¿Seguirá decepcionando la compra en mínimos a corto plazo del BTC en el futuro? Esta es una pregunta difícil de responder. Sin embargo, según la prueba out-of-sample, probablemente confiaríamos más en la estrategia MAX (comprar nuevos máximos a corto plazo), que ha mantenido su efectividad incluso durante los exigentes últimos 2.5 años.
La estacionalidad
Dado que el efecto de estacionalidad en el Bitcoin es relevante, como se discutió en el artículo La estacionalidad de Bitcoin, nos interesa ver si la estacionalidad diaria impacta en las estrategias MIN/MAX. Para cada día de la semana, desde el 9 de octubre de 2015 hasta el 20 de agosto de 2024, usamos fórmulas modificadas que incluyen días específicos de la semana:
Usando este método, inicialmente generamos 7 gráficos para la estrategia MAX y luego 7 gráficos para la estrategia MIN. Los gráficos en la primera fila corresponden a los cálculos con tiempo t = lunes, la segunda fila con tiempo t = martes, y así sucesivamente.
La estacionalidad en la estrategia MAX
Con base en los gráficos anteriores, podemos afirmar que los días más fuertes para mantener el BTC cuando alcanza el máximo son los miércoles y domingos, donde, una vez más, el máximo de 10 días muestra los mejores resultados. Inicialmente, hipotetizamos la presencia de un efecto de fin de semana, donde viernes, sábado, domingo y lunes mostrarían un mejor rendimiento. Aunque la curva creciente para t = domingo indica la presencia de este efecto, otros días del fin de semana no lo apoyan. Además, la curva ascendente para los miércoles no está relacionada en absoluto con el efecto del fin de semana, lo que sugiere que el buen rendimiento en estos dos días (miércoles y domingo) puede ser solo coincidencia. Por lo tanto, nuestro estudio sobre la estacionalidad del efecto/estrategia MAX es inconcluso.
La estacionalidad en la estrategia MIN
Comprar el BTC al precio mínimo es más rentable los martes y sábados, con los mejores resultados nuevamente mostrados para el mínimo de 10 días. Creemos que el efecto de estacionalidad no está presente, ni siquiera en la estrategia MIN. Además, los días de mejor rendimiento no son consecutivos, por lo que esta ocurrencia probablemente también sea una coincidencia aleatoria.
Conclusión
A pesar de algunos días de mayor rendimiento, nuestra investigación no encontró ningún efecto significativo de estacionalidad diaria en las estrategias MIN/MAX para Bitcoin. Los rendimientos out-of-sample muestran que la estrategia MIN no está funcionando tan bien como lo hizo en el análisis in-sample. Sin embargo, la estrategia MAX sigue siendo muy efectiva. Si hipotetizamos que las criptomonedas crecerán a largo plazo, sería razonable considerar aplicar una regla de seguimiento de tendencias al BTC. Según los resultados de esta investigación, es posible lograr la mayor parte del rendimiento de BTC sin experimentar grandes caídas. Ya sea utilizando un máximo de 10, 20, 30, 40 o 50 días, la estrategia MAX parece ser una buena opción para una estrategia de trading sistemática.
Saber qué demonios está pasando en los mercados por Brett N. Steenbarger, Ph.D.
Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University
Es increíble cómo mejora nuestra psicología de trading cuando nos tomamos el tiempo de dar un paso atrás, revisar los mercados macro y entender lo que está pasando en las mentes de los grandes gestores de dinero.
Consideremos el mercado bursátil reciente:
Los sectores relacionados con el crecimiento han sido particularmente débiles. Mira los ETFs XLK (tecnología) y XLY (consumo discrecional).
Los sectores relacionados con el valor han sido relativamente fuertes, especialmente aquellos que se benefician de tasas de interés más bajas. Mira los ETFs XLRE (bienes raíces), XLU (servicios públicos) y XLP (productos de consumo básico).
El mercado de bonos ha sido fuerte, lo que significa que las tasas de interés están cayendo. Mira el ETF BND (bonos).
El dólar estadounidense ha estado débil. Mira el índice DXY (índice del dólar).
Las materias primas han estado cayendo. Mira el ETF DBC (materias primas) y los precios del petróleo.
Los mercados macro no siempre se negocian temáticamente. Cuando lo hacen, los traders inteligentes prestan atención. Puedes trabajar en tu psicología durante 24 horas, pero si no entiendes los temas del mercado, eventualmente serás atropellado y perderás dinero.
De cara al futuro, una pregunta clave a hacerse es si el tema de la desaceleración del crecimiento y la posible recesión se está expandiendo o si hay señales de que la «temática» del mercado está revirtiéndose. Alinear el trading a corto plazo con la visión más amplia del mercado ayuda a garantizar que estás nadando a favor de la corriente, no en contra.
Desarrollo de tu propio Modelo de Trading Algortítmico: Claves para el éxito por Jacinta Chan
Jacinta Chan ha trabajado como dealer de futuros y acciones durante la mayor parte de su carrera antes de obtener su doctorado en estadística financiera. Actualmente, imparte clases de finanzas en una universidad. Ha escrito numerosos artículos y libros. Su trabajo más reciente, “Algorithm Trading 101: Trading made simple for everyone”, contiene todos los conceptos del trading de modelos profesionales que ella enseña.
Jacinta Chan / Algorithm Trading 101
Crear un sistema de trading profesional es el objetivo de todo trader. Investigar y desarrollar un sistema de trading puede ser abrumador ya que involucra muchas partes dinámicas. El desafío es que los mercados de hoy se mueven más rápido que nunca y se requiere un algoritmo de trading que se ajuste automáticamente a las diferentes condiciones del mercado. El elemento más importante de tu modelo de trading es un algoritmo que sea adecuado para la condición del mercado predominante. Este artículo desarrolla un conjunto de reglas de trading basadas en medias móviles ajustables para convertirse en un sistema de trading algorítmico que los técnicos de mercado profesionales pueden usar en el modelo de mesa de operaciones. A continuación, se detalla el desarrollo y la prueba de estas reglas de trading. La primera sección observa algunos problemas comunes inherentes a los sistemas de trading de tendencia tradicionales, seguidos de formas de superar estos problemas comunes. Este artículo describe el perfil de un sistema ideal de trading de tendencia algorítmico.
Un modelo de trading debe cumplir al menos con los siguientes criterios:
Debe producir rendimientos anormales incluso después de tener en cuenta los costos de transacción y deslizamiento.
No debe producir grandes pérdidas ni mostrar pérdidas netas significativas en ninguno de los años.
El modelo debe funcionar bien tanto en la etapa de prueba como en la práctica, y debe ajustarse automáticamente a los cambios en los parámetros.
El trading es una profesión. Los traders profesionales saben que el trading no es un arte sino una ciencia. Sus modelos de trading algorítmicos son cuantitativos por naturaleza y se desarrollan científicamente después de mucha investigación y pruebas. Los algoritmos de trading en sus modelos han sido investigados y probados para tener una ventaja estadística en la obtención de ganancias netas a largo plazo.
El modelo de trading algorítmico básicamente consiste en un conjunto de reglas de trading seleccionadas después de una serie de pruebas para generar señales de trading. Las reglas de trading consisten en indicadores técnicos con parámetros optimizados para indicar señales de trading.
Aprender a diseñar un modelo de trading algorítmico es uno de los primeros temas en el curso de trading que realiza un trader cuantitativo para convertirse en un trader profesional que trabaja en la mesa de operaciones de un banco o institución financiera.
El trader profesional opera según sistemas de trading algorítmico propios. La mayoría de estos modelos son desarrollados por el trader para su propio uso en el trading.
El trading algorítmico es un sistema automatizado de generación de señales y ejecución de órdenes. Involucra el uso de algoritmos robustos en el trading automatizado. El control de riesgo en forma de una orden de stop loss también es inherente a este proceso automatizado. Dado que el proceso está automatizado, una vez implementado no requiere ni permite la toma de decisiones subjetivas de trading, juicio humano o interferencia. La generación de señales y el nivel de stop loss resultan de los algoritmos que programa el trader cuantitativo. Cuando se audita, todas las decisiones de trading están justificadas por los algoritmos.
Un sistema de trading algorítmico se usa porque históricamente ha sido probado y ha demostrado tener una ventaja estadística en generar rendimientos netos positivos anormales por encima de la estrategia de comprar y mantener. La elección e implementación de un sistema de trading algorítmico puede ser el factor definitorio en determinar la ganancia o pérdida general de la entidad para cada período contable.
1. Algoritmos de trading
Los algoritmos para el trading automatizado son conjuntos de reglas de trading o combinaciones de reglas de trading. Estos algoritmos a menudo se diseñan para generar señales automatizadas a partir de conceptos estadísticos básicos, análisis de series temporales, métodos cuantitativos y probabilidades.
La razón por la que se prefieren los algoritmos de trading en las mesas de operaciones propietarias de hoy es que los sistemas de trading algorítmico han sido rigurosamente probados y tienen un historial de generar rendimientos netos positivos (después de costos de transacción) por encima del índice de referencia o simplemente con la estrategia de comprar y mantener.
Los algoritmos se seleccionan, innovan y prueban intensivamente para adaptarse a los mercados en los que estos traders cuantitativos están operando. Se realiza una investigación exhaustiva para seleccionar los algoritmos, generalmente innovados a partir de indicadores técnicos existentes como medias móviles y desviación estándar. Se realizan backtest o, traducido al español, pruebas retrospectivas y en tiempo real repetidamente utilizando diferentes contratos y marcos de tiempo.
El sistema de trading algorítmico involucra no solo la generación de señales, sino también un algoritmo para el stop loss automatizado. No hay margen para el juicio humano.
2. Relación de ganancias a pérdidas
Se prefiere el trading algorítmico al trading discrecional tradicional porque no solo todas las decisiones de trading son objetivas y cuantificables cuando se auditan, sino que los algoritmos están probados para mostrar una ventaja estadística: es decir, la expectativa de rendimientos positivos basada en pruebas retrospectivas de los rendimientos de datos pasados. La prueba retrospectiva debe mostrar una ganancia neta después de considerar los costos de transacción (incluido el deslizamiento) y las pérdidas. Una alta relación de ganancias a pérdidas es cuando la suma de todas las ganancias después de los costos de transacción es significativamente mayor que la suma de todas las pérdidas.
3. Ganancia promedio sobre pérdida promedio
Si la probabilidad de ganar operaciones del sistema de trading automatizado es igual a la de perder operaciones, y la ganancia promedio debe exceder con creces la pérdida promedio, entonces el resultado neto de este trading automatizado solo puede ser ganancia neta.
4. Bajo máximo de pérdidas consecutivas
Los drawdowns son pérdidas que consumen tu capital, tu capital de trading. Una baja reducción con un mecanismo de control de pérdidas inherente garantizará la preservación del capital. El nivel de dradowns afecta el nivel de capital, y esto determina si el trader puede llegar a ser un trader profesional.
5. Sin pérdidas inesperadas
El beneficio de usar un modelo de trading algorítmico es que todas las decisiones de trading son objetivas y cuantificables, lo que significa que cada operación puede ser justificada por el algoritmo cuando se audita. Esto asegura que todas las operaciones, ganancias y pérdidas sean sistemáticas, sin pérdidas drásticas e inesperadas gigantescas en comparación con el capital. Todas las pérdidas son esperadas: no hay nada tal como pérdidas inesperadas. Un sistema de trading algorítmico involucra no solo la generación de señales, sino también un stop loss. Una orden de stop loss es automatizada y no hay margen para el juicio humano. Aunque el objetivo principal de un sistema de trading algorítmico definido es generar un rendimiento anormal superior, la función del sistema de trading algorítmico definido también ayuda a prevenir grandes pérdidas incontrolables que pueden causar el colapso de la institución financiera.
6. Robustez del sistema de trading algorítmico
Los mercados cambian constantemente. Los participantes del mercado cambian, las personas, su conocimiento, sus habilidades, sus compromisos. Los mercados cambian a medida que cambian los participantes del mercado y lo que hacen. Por lo tanto, necesitamos un sistema de trading robusto que pueda cambiar según los cambios del mercado. Se utilizan diferentes parámetros para diferentes mercados y marcos de tiempo. Los parámetros generalmente se correlacionan con la volatilidad de los mercados. En un mercado de alta volatilidad y más rápido, se utiliza un parámetro de período más corto, y viceversa. Además de ser robusto, un modelo de trading se elige y se usa por su ventaja estadística, objetividad y consistencia. Un modelo de trading robusto se define como uno que puede soportar una variedad de condiciones de mercado en muchos mercados y marcos de tiempo. El trader puede operar en marcos de tiempo de segundos, minutos (cinco, 10, 15, 30), horas, diario y semanal. Es raro encontrar un trader que use un marco de tiempo mensual o anual porque las tendencias se dan dentro del mes y la mayor parte de las ganancias se habrían perdido en la confirmación mensual.
7. Parámetros optimizados
Los parámetros para los indicadores técnicos se optimizan para adaptarse a precios pasados y, con suerte, futuros. Los parámetros se optimizan utilizando programas de trading que dan el máximo beneficio y la menor cantidad de pérdidas consecutivas, utilizando los datos históricos más recientes. Este ejercicio se realiza periódicamente para permitir un mejor ajuste a los datos actuales.
8. Capacidad para ajustarse automáticamente para evitar falsos movimientos en el trading en rango y para entrar en una tendencia temprano en el trading de tendencias
Dos condiciones del mercado que son importantes para los traders son:
Un mercado en rango cuando hay poco movimiento de precios, lo que resulta en pequeñas ganancias para el trader de rango y pequeñas pérdidas para el trader de tendencias.
Un mercado de tendencias cuando hay un gran movimiento de precios, lo que resulta en grandes ganancias para el trader de tendencias y grandes pérdidas para el trader de rango.
Por lo tanto, en general, la mayoría de los traders preferirían operar en un mercado en tendencia. El sistema de trading debe ser probado retrospectivamente y en tiempo real (en línea con las pruebas fuera de muestra) para soportar estas dos condiciones de mercado muy diferentes y los resultados de ambas pruebas deben ser positivos. El sistema de trading debe tener una expectativa positiva. La razón más importante para usar un sistema de trading es ganar una ventaja estadística. Esta ventaja estadística también se refiere a la probabilidad de ruina. Cuanto menor sea la probabilidad de ruina, más probable es que el trader sobreviva y obtenga beneficios del sistema de trading a largo plazo.
Lo más difícil para los sistemas de trading de tendencias es evitar los falsos movimientos en un mercado en rango. Las pequeñas pérdidas frecuentes que se acumulan en un mercado en rango suelen eliminar las ganancias de los grandes movimientos de tendencias. Por lo tanto, lo mejor que los sistemas de tendencias pueden hacer en el trading en rango es no hacer nada: no operar o mantener una posición (ya sea larga o corta) hasta que se establezca la tendencia. El trader cuantitativo tiene que encontrar un algoritmo (fórmula) que defina cuándo el mercado está operando en rango y cuándo está operando en tendencia.
Cuando se establece una tendencia, es importante entrar en ella temprano para disfrutar del máximo beneficio en lugar de esperar una confirmación más larga, momento en el cual las tendencias cortas en mercados volátiles habrán terminado. Es imperativo que el trader cuantitativo encuentre el algoritmo adecuado que defina cuándo termina el trading en rango y cuándo comienza el trading en tendencia.
El trader cuantitativo no solo debe encontrar un algoritmo adecuado que distinga entre el trading en rango y el trading en tendencia, sino que también debe innovar el algoritmo para ajustar automáticamente sus parámetros para adaptarse a las dos diferentes condiciones del mercado. El sistema de trading debe ser capaz de ajustar sus parámetros automáticamente para ser a largo plazo en un mercado en rango para evitar falsos movimientos y ser a corto plazo en un mercado en tendencia para entrar en nuevas tendencias temprano. Utilizaremos el resto de este capítulo para discutir cómo ajustar el parámetro en el sistema de trading para adaptarse a todas las condiciones de trading.
9. No es un indicador de trading común
No debe ser tan común que sufra todos los problemas comunes de los indicadores técnicos comunes, ya que los traders y los algoritmos de trading están programados para adivinar todas las paradas comunes y están programados para activarlas para obtener beneficios rápidos.
10. Ejecución eficiente
En una mesa de operaciones profesional, todas las decisiones de trading están automatizadas según el algoritmo seleccionado. Como traders, tenemos que entrenarnos para abrir una orden, con anticipación, como un stop. En un mercado líquido, habrá un deslizamiento de un tick entre la oferta y la demanda. En un mercado no líquido, el deslizamiento puede ser de varios ticks. Este deslizamiento debe tenerse en cuenta en los backtest o pruebas retrospectivas. Los profesionales generalmente prefieren operar en mercados líquidos. Si el sistema de trading opera con frecuencia, el deslizamiento y los costos de transacción son grandes problemas. Por lo tanto, los traders experimentados generalmente eligen sistemas de trading que operan con poca frecuencia en grandes tendencias donde el deslizamiento y los costos de transacción son insignificantes.
Todos los sistemas de trading tienen problemas. Los sistemas de trading de tendencias tienen problemas específicos: hay demasiados sistemas de trading de tendencias similares que generan órdenes similares, creando señales falsas cuando no hay tendencias reales. Los sistemas de trading de tendencias también sufren muchos falsos movimientos cuando el mercado está en rango. Muchos traders inexpertos no tienen suficientes fondos y confianza para soportar períodos de pérdidas consecutivas. Abandonan sus sistemas de trading antes de que lleguen a la gran ganancia.
Los sistemas de trading de tendencias rápidos tienden a salir del mercado demasiado pronto y, por lo tanto, no capturan la mayoría de los grandes movimientos de precios, mientras que los sistemas de trading de tendencias lentos no logran entrar en el mercado temprano y pueden perder grandes porciones de movimientos de precios importantes, especialmente cuando los precios se mueven inesperadamente y de manera abrupta. La mayoría de las veces, los parámetros del sistema de trading deben ajustarse para adaptarse a las condiciones actuales del mercado.
El problema principal con los sistemas de trading es que el sistema de trading optimizado que funcionó bien en las pruebas retrospectivas puede no funcionar tan bien en la vida real porque el mercado cambia.
Se ha observado y probado fuera de muestra (probado en vivo), que diferentes períodos tienen diferentes volatilidades. Por lo tanto, los indicadores técnicos de longitud fija pueden no ser adecuados en las diferentes condiciones del mercado. Por lo tanto, necesitamos un algoritmo de trading que pueda reconocer las diferentes condiciones del mercado y adaptarse dinámicamente para operar en las diferentes condiciones del mercado.
El mercado alcista del oro apenas está comenzando por Alex Barrow
Alex Barrow / MACRO OPS
Cofundador de Macro Ops, www.macro-ops.com. Global Macro fanático, ex francotirador profesional y miembro de la inteligencia de los EE. UU.
[/testimonial
El jueves, nuestra orden de compra-stop en oro se activó, añadiendo a nuestra posición larga por cuarta vez desde que comenzamos esta reciente campaña alcista en metales preciosos.
Las flechas a continuación muestran nuestras alertas de Slack con marca de tiempo para la Colectiva, tanto para órdenes de compra (verde) como para la toma de beneficios (rojo).
Nuestro portafolio también está bastante cargado con plata y mineras de pequeña capitalización que pasan desapercibidas.
Los lectores de MO desde hace mucho tiempo saben muy bien que no somos fanáticos del oro. Estamos tan dispuestos a vender en corto la reliquia bárbara como a mantenerla en largo o ignorarla por completo.
Entonces, ¿por qué estamos actualmente tan cargados con esto?
Buena pregunta.
Dado que han pasado algunos meses desde que actualizamos la tesis alcista, haré un rápido resumen hoy.
Para empezar, puedes leer nuestro breve resumen sobre cómo analizamos los fundamentos de los metales preciosos aquí.
Aquí está el resumen para aquellos que tienen prisa.
A largo plazo (y este es uno de los «principios» de Ray Dalio respecto al oro), el precio del oro se aproximará a la cantidad total de dinero en circulación dividida por la cantidad de oro existente.
Y no es la inflación o la deflación el principal impulsor del oro, sino el rendimiento real esperado de otros activos financieros a largo plazo, particularmente las acciones.
Los metales preciosos son esencialmente una oferta anti-USD. Así que cuando las expectativas sobre los rendimientos futuros de bonos y acciones en USD disminuyen, los metales preciosos tienden a hacerlo muy bien. Lee el resumen si quieres entender la mecánica de por qué es así.
Sigamos…
Las tenencias de acciones de los hogares estadounidenses como porcentaje del PIB están cerca de máximos históricos. Esto también es cierto si se observa como porcentaje de los activos de EE. UU., en lugar del PIB.
¿Qué significa esto?
Significa que los inversores estadounidenses están saturados de acciones. Por lo tanto, están manteniendo una cantidad relativamente menor de todo lo demás (es decir, bonos, materias primas, etc…).
Podemos ver una clara relación inversa en el gráfico a continuación. Cuando las tenencias de acciones (línea verde) alcanzan su punto máximo y retroceden, correlaciona con un fondo en el oro (línea beige), y viceversa.
Otra forma de examinar esto es observando los rendimientos futuros esperados. Recuerda, la expectativa de rendimientos futuros de activos en USD impulsa la atractividad o falta de ella en el oro/plata.
Dado que los inversores han llenado sus carteras con acciones, significa que las valoraciones son muy altas. Y cuando las valoraciones son altas, los rendimientos futuros esperados son bajos.
El gráfico a continuación muestra la relación inversa entre los rendimientos futuros esperados a 10 años para el S&P 500 (línea verde) y el oro (línea beige).
Los rendimientos futuros esperados del S&P son los más bajos registrados.
También, como en el gráfico de las tenencias de acciones, las principales fases alcistas del oro no suelen comenzar hasta que los rendimientos futuros esperados empiezan a subir, lo que implica una caída en los precios de las acciones.
Esto hace que la reciente tendencia alcista del oro de 12 meses sea algo única. Ya que no ha sido acompañada por una caída en las tenencias de acciones ni una disminución en los rendimientos futuros esperados.
Tampoco ha sido acompañada por una gran participación minorista. En absoluto.
El gráfico a continuación muestra las tenencias totales de ETFs de oro en verde. Podemos ver que esta línea tiende a seguir el precio del oro. Cuando el oro sube, los inversores siguen la tendencia y compran más ETFs de oro.
Sin embargo, las tenencias de ETFs han estado disminuyendo durante los últimos cuatro años. Mientras tanto, el oro está alcanzando nuevos máximos históricos.
Además, las menciones en las noticias y las conversaciones en redes sociales sobre el oro (barras blancas) han estado disminuyendo durante los últimos cuatro años.
Este no es el panorama de un mercado alcista eufórico. Ni siquiera es una imagen de interés moderado. El oro está alcanzando máximos históricos, y a nadie le importa.
Esto nos emociona mucho en MO. Para entender por qué, lee mi hilo sobre cómo pensamos en el sentimiento del mercado y las narrativas.
Pero una pregunta que podrías estar haciéndote es, si los inversores estadounidenses no están comprando oro ahora mismo, ¿quién está impulsando el precio al alza?
La respuesta a eso son los bancos centrales.
Desde el inicio de la guerra entre Rusia y Ucrania y la posterior agresiva utilización del USD por parte de EE. UU., hemos visto que los bancos centrales (principalmente aquellos menos amistosos con Occidente) han comenzado a diversificarse fuera de los activos en USD. Y eso, por supuesto, incluye grandes compras de oro.
El gráfico a continuación del FT está un poco desactualizado, ya que es del otoño del año pasado. Pero muestra el gran salto en las compras de oro por parte del PBoC. Los números finales de 2023 superaron a los del 22’. Según Reuters, las tenencias de oro de China actualmente ascienden a 183 mil millones de dólares.
Aunque el PBoC ha reducido su ritmo de compra en los últimos meses, otros bancos centrales de Rusia, Turquía y Polonia han intensificado las suyas. Y se espera que el PBoC reanude sus compras más adelante este año.
Entonces, ¿qué nos dice todo esto?
Nos dice que este no solo es un ciclo alcista único en el oro, sino que el mercado alcista oficial aún no ha comenzado realmente.
Los inversores están demasiado ocupados persiguiendo acciones de IA absurdamente sobrevaloradas y otras ballenas infladas populares para prestar atención. Mientras tanto, el oro sigue subiendo a nuevos máximos sin ningún tipo de fanfarria. Todo gracias a la creciente y persistente demanda de los bancos centrales extranjeros.
Las tendencias en los metales preciosos se volverán ridículas una vez que los inversores comiencen a despertar y se den cuenta de que comprar acciones con una capitalización de mercado de más de 500 mil millones a 40 veces las ventas puede no ser la mejor estrategia a largo plazo.
Hasta entonces, seguiremos zigzagueando mientras todos los demás siguen en línea recta.
Esta vez ha sido diferente, aunque el rendimiento pasado no garantiza resultados futuros por Dr. Ed Yardeni
El Dr. Ed Yardeni es una de las principales voces de LinkedIn en economía y finanzas. Colaborador habitual de los principales medios internacionales, actualmente dirige Yardeni Research una firma de consultoría que ofrece estrategias de inversión global, análisis y recomendaciones a clientes institucionales. Es autor de los libros «Predicting the Markets: A Professional Autobiography» y «Fed Watching for Fun & Profit”.
Dr. Ed Yardeni / Yardeni Research
Las recesiones no ocurren muy a menudo, y no suelen durar mucho. La mayoría de las nueve recesiones desde 1960 fueron causadas por el endurecimiento de la política monetaria, lo que desencadenó una crisis financiera y una restricción del crédito que provocó una recesión (Fig. 1).
En cuatro ocasiones desde entonces, las recesiones fueron precipitados o exacerbados por crisis energéticas, que hicieron que los precios del petróleo crudo y la gasolina se dispararan (Fig. 2). En algunas ocasiones, las recesiones fueron el resultado del estallido de burbujas especulativas.
La Fed casi siempre respondió inmediatamente a crisis financieras anteriores bajando significativamente la tasa de fondos federales. Eso ayudó a mitigar la restricción del crédito y a acortar la recesión. La única excepción ocurrió en 2023, cuando la Fed respondió a la crisis bancaria de marzo creando rápidamente un mecanismo de liquidez bancaria de emergencia (Fig. 3).
Por supuesto, los estabilizadores fiscales automáticos entraron en acción, proporcionando apoyo a los ingresos a través del sistema de seguro de desempleo (Fig. 4). Eso ayudó a moderar las recesiones. La política fiscal activa solía llegar tarde, proporcionando recortes de impuestos y otras medidas de estímulo que en su mayoría ayudaban a impulsar la recuperación.
Hasta ahora, esta vez ha sido diferente, como hemos observado en numerosas ocasiones desde principios de 2022:
(1) Normalización vs. endurecimiento de la política monetaria. El endurecimiento de la política monetaria durante 2022 y 2023 elevó la tasa de fondos federales en 525 puntos básicos (Fig. 5). Esa fue, sin duda, una de las mayores subidas de esta tasa durante los ciclos de endurecimiento de la política monetaria en la historia. Sin embargo, la tasa de fondos federales se elevó desde cero. Por lo tanto, hemos caracterizado parte del aumento de la tasa de fondos federales como una normalización en lugar de un endurecimiento de la política monetaria.
(2) Mecanismos de liquidez de la Fed. Como se mencionó anteriormente, el año pasado hubo una mini crisis bancaria. Pero gracias al mecanismo de liquidez de la Fed, no ha habido una restricción del crédito ni una recesión. La Fed jugó al «Whac-a-Mole» durante la Gran Crisis Financiera (GCF) y nuevamente durante la Gran Crisis del Virus (GCV), aprendiendo a estabilizar el sistema crediticio rápidamente al crear mecanismos de liquidez de emergencia. La diferencia el año pasado fue que la Fed no redujo la tasa de fondos federales como lo hizo durante la GCF y la GCV.
(3) No hay necesidad de reducir la TFF a menudo y rápidamente. Por lo tanto, es muy poco probable que la Fed tenga que bajar la tasa de fondos federales tan rápidamente y en la misma magnitud que fue necesario durante los ciclos anteriores de flexibilización monetaria, cuando las crisis financieras desencadenaron restricciones del crédito y recesiones. Hasta ahora, no ha habido una restricción del crédito, como lo demuestran el crecimiento continuo en préstamos y arrendamientos en bancos comerciales y el estrecho margen de rendimiento entre los bonos corporativos de alto rendimiento y los bonos del Tesoro de EE. UU. a 10 años (Fig. 6 y Fig. 7).
(4) La recesión de «Godot» sigue sin aparecer. Hasta ahora, la recesión más anticipada de todos los tiempos sigue sin materializarse. El PIB real ha estado alcanzando nuevos récords desde el tercer trimestre de 2022 hasta el segundo trimestre de 2024, que se revisó el pasado jueves del 2,8 % (tasa anualizada) al 3,0 %. El viernes, tras la publicación del informe de gasto del consumidor de julio, el modelo de seguimiento GDPNow de la Fed de Atlanta elevó la estimación del crecimiento del PIB real del tercer trimestre de 2024 del 2,0 % al 2,5 %, con las ventas finales reales revisadas del 2,2 % al 3,3 % (Fig. 8).
(5) El mito de los retrasos largos y variables. ¿Y qué hay de los temidos «largos y variables retrasos» entre el endurecimiento de la política monetaria y las recesiones económicas? Puede que a medida que más prestatarios tengan que refinanciar sus deudas a tasas de interés más altas, se vean obligados a reducir sus gastos. Si suficientes lo hacen, eso podría causar una recesión.
Eso es posible, suponemos. Sin embargo, atribuimos los largos y variables retrasos anteriores al tiempo entre el aumento inicial en la tasa de fondos federales durante los ciclos de endurecimiento de la política monetaria y el desencadenamiento de una crisis financiera (Fig. 9). Una vez que eso sucedía, no había retrasos, ya que la crisis financiera se convertía rápidamente en una restricción del crédito y una recesión. No hay precedente para la situación actual en ciclos monetarios anteriores. Realmente es diferente esta vez, hasta ahora.
(6) Conclusión sobre el panorama de la TFF. ¿Qué pasa con el débil informe de empleo del viernes? La semana laboral aumentó, enviando las horas agregadas trabajadas a un nuevo récord. Los salarios y sueldos están subiendo más rápido que la inflación. El PIB real está creciendo.
La Fed está comprometida a evitar una recesión y a detener el aumento de la tasa de desempleo ahora que la inflación está casi al 2,0 %. Dado lo anterior, creemos que la Fed reducirá la tasa de fondos federales en 25 puntos básicos (no 50 pb) el 18 de septiembre. Podría haber otro recorte en noviembre o diciembre. El próximo año, esperamos cuatro recortes de tasas.
">
">
">
">
">
">
">
">
">
">
">
">
">
">
">
