Saltar al contenido
Método TradingMétodo Trading
  • Colaboradores
  • Cursos
  • Material formativo
  • Revista
  • Artículos
  • Guías
  • FAQ
  • Contacto
  • Acceder
shutterstock 2516066763 scaled">

Entrenando el cerebro desarrollando la intencionalidad por Brett N. Steenbarger

Fotografia

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

 

Nota 3 – Supón que pudieras colocarte en un estado de concentración intensificada tal como se describe a continuación en relación con el entrenamiento cerebral en estado alfa. En este estado de enfoque y claridad inusuales, simplemente absorbes los gráficos de corto y largo plazo del mercado en general y de las acciones que tienes en el radar: aquellas que están “en juego”. Lo que descubres es que las ideas e intuiciones vienen a ti. Cuando observamos las cosas correctas de la manera correcta, podemos experimentar la intuición y la inspiración que fundamentan la verdadera convicción. Podemos entrenar nuestro cerebro para el reconocimiento de patrones.

Nota 2 – Cada ítem de nuestro calendario diario tiene el potencial de entrenar nuestro cerebro para el éxito. Cuando nos esforzamos intencionadamente más allá de nuestros puntos iniciales de fatiga, encontramos lo que el filósofo William James llamó nuestra “segunda respiración” de conciencia. Tenemos mucho más en reserva de lo que creemos tener. Esto puede observarse cuando abordamos algo muy significativo e importante. De repente, allí donde sentíamos falta de energía, encontramos inspiración y empuje de sobra. Si usamos cada actividad diaria para desafiar nuestras zonas de confort, descubrimos que podemos ejercitar y desarrollar nuestra capacidad de propósito igual que ejercitamos y desarrollamos nuestros cuerpos.

Nota 1 – Un pilar fundamental de la mayoría de los escritos/enseñanzas/coaching sobre psicología del trading es que las emociones —y los comportamientos impulsados por emociones— interfieren con el éxito en el trading. Según esa lógica, si aprendemos a controlar nuestras emociones y nos mantenemos fieles a nuestros planes, tenemos más probabilidades de tener éxito.

En este artículo, explicaré por qué esa idea es incorrecta. Mi próximo libro, *Positive Trading Psychology*, abordará este tema en profundidad.

Consideremos lo siguiente: si poseyéramos libre albedrío total, no habría necesidad alguna de psicología del rendimiento. Podríamos elegir las acciones correctas en los momentos correctos y optimizar nuestro desempeño. Por el contrario, si no tuviéramos ningún libre albedrío, no podría haber trabajo sobre nuestro rendimiento. Ningún animal, por ejemplo, puede trabajar deliberadamente en sus conductas de supervivencia.

Lo que nos hace únicos como seres humanos es que poseemos un libre albedrío parcial. Tenemos la capacidad de imaginar un futuro y seleccionar acciones que nos lleven a ese estado deseado. También podemos distraernos de nuestras metas y vivir sin rumbo. Demostramos capacidad de intención, pero carecemos de intencionalidad constante. En palabras del filósofo ruso G. I. Gurdjieff, vivimos gran parte de la vida “dormidos”. Resumiendo la obra de Gurdjieff, el autor y filósofo Colin Wilson afirma que “el concepto de conocimiento del hombre occidental se basa en un error fundamental: la noción de que adquirir conocimiento solo requiere inteligencia. De hecho, requiere un tipo de acción. La conciencia necesita ponerse en su ‘marcha activa’” (p. 64).

En resumen, no carecemos de éxito por exceso de emoción, sino por falta de entrenamiento de la voluntad.

Una respuesta común a este problema es la meditación. Según esa lógica, si aprendemos a controlar nuestro cuerpo y respiración, nos convertiremos en seres más intencionados. Sin embargo, mi trabajo sugiere que esto no es necesariamente cierto.

Desde hace un tiempo, he estado realizando entrenamiento con neurofeedback (biofeedback EEG) para aprender a mantener estados de ondas cerebrales alfa durante intervalos cada vez más largos. Utilizando el dispositivo Muse y su aplicación, paso un periodo predeterminado escuchando sonidos de selva tropical. Cuando mi atención se dispersa y entro en modo beta, el sonido de la lluvia aumenta. Cuando me concentro con intensidad inusual y entro en modo alfa, la lluvia se reduce y eventualmente se detiene. En un estado alfa sostenido, se oyen cantos de aves. La app contabiliza el tiempo en beta y alfa, y también cuenta los cantos de aves.

Curiosamente, cuando realizo meditación básica durante la sesión de biofeedback (controlando la respiración y manteniendo conciencia corporal), logro permanecer muy quieto (según la app) y me siento relajado y emocionalmente tranquilo. Pero no entro en estado alfa. Es decir, reducir la activación corporal (al igual que reducir emociones negativas) no basta para maximizar el enfoque intencional.

Después de un periodo sostenido de entrenamiento EEG, con menos lluvia y muchos cantos de aves, me siento inusualmente claro y enfocado. Es como ser un observador distante de los acontecimientos, en lugar de estar involucrado en ellos. Todo parece ir más despacio. Ese estado se alcanza no relajándose y “estando presente”, sino intensificando deliberadamente el enfoque consciente para hacer que la lluvia se detenga.

Quizá lo más importante: en ese estado de desapego, mi percepción—de la vida y los mercados—es más clara y no tengo ninguna dificultad en hacer lo correcto. La acción con propósito surge de forma natural, sin esfuerzo agotador.

Quizá los traders no siguen sus planes por la misma razón que la mayoría de nosotros no seguimos consistentemente nuestros objetivos vitales: no es que seamos demasiado emocionales; es que funcionamos con un enfoque y una intención poco desarrollados. Una vida intencional—y un trading intencional—debe comenzar entrenando nuestro cerebro para mantener la “marcha activa” de la conciencia. En un estado relativo de “sueño”, no podemos sostener un propósito. Eso requiere entrenamiento y práctica continuos, no los remedios habituales del coaching o la autoayuda.

 

Comparte este articulo:

shutterstock 2516066763
Entrenando el cerebro desarrollando la intencionalidad por Brett N. Steenbarger

  Nota 3 – Supón que pudieras colocarte en un estado de concentración intensificada tal...

shutterstock 2067118340 scaled">

¿Son los modelos de aprendizaje automático específicos para cada sector mejores que los generalistas? por Quantpedia

logo

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

 

¿Pueden los modelos de aprendizaje automático predecir mejor los retornos bursátiles si se adaptan a sectores específicos, o es suficiente un enfoque generalista? Esta pregunta está en el centro de un reciente estudio realizado por Matthias Hanauer, Amar Soebhag, Marc Stam y Tobias Hoogteijling. Sus hallazgos sugieren que la solución óptima se encuentra en un punto intermedio: un modelo “híbrido” de aprendizaje automático que tenga en cuenta la estructura sectorial pero que se entrene con el conjunto completo de acciones ofrece el mejor rendimiento.

Los autores analizan tres tipos de modelos: un modelo generalista entrenado con todas las acciones sin importar su sector, modelos especialistas entrenados por separado dentro de cada uno de los 12 sectores de Fama-French, y un modelo híbrido que combina las ventajas de ambos. Este último aplica una normalización a nivel sectorial de los retornos y características—eliminando sesgos específicos del sector—pero conserva el conjunto completo de datos durante el entrenamiento. Este diseño mejora la relación señal-ruido sin fragmentar demasiado los datos, como ocurre con los modelos especialistas. En efecto, el modelo híbrido genera pronósticos neutrales por sector beneficiándose de grandes muestras y de una consciencia sectorial.

Para evaluar estos enfoques, los investigadores utilizan un extenso conjunto de datos de retornos de acciones estadounidenses desde 1957 hasta 2023, enriquecido con 153 características a nivel de empresa. Emplean varios algoritmos de aprendizaje automático—elastic nets, árboles potenciados por gradiente, redes neuronales y un modelo conjunto (ensemble)—para medir el poder predictivo fuera de muestra. Sus resultados muestran que, aunque los modelos especialistas a veces ofrecen perspectivas únicas, su menor volumen de datos conduce a un rendimiento inferior y a predicciones menos estables. Los modelos generalistas tienen un buen desempeño general, pero sufren de mayor volatilidad en cartera y desviaciones sectoriales no deseadas. Los modelos híbridos, en cambio, logran el mejor equilibrio entre precisión estadística y rendimiento económico.

Las carteras construidas con las predicciones del modelo híbrido exhiben mayores ratios de Sharpe, menor volatilidad y caídas menos pronunciadas que las basadas en modelos generalistas o especialistas. En particular, las pruebas de cobertura (spanning) revelan que la cartera híbrida no puede replicarse mediante ninguna combinación de las otras dos, lo que subraya su valor único. Estos resultados no solo se verifican en EE. UU., sino también en mercados internacionales, lo que sugiere que la hibridación de información global y sectorial es un enfoque potente para la predicción de retornos. Para los profesionales, la conclusión es clara: los modelos de aprendizaje automático no necesitan ser expertos exclusivos por sector, pero se benefician enormemente de respetar los límites sectoriales.

Autores: Hanauer, Matthias Xaver; Soebhag, Amar; Stam, Marc; Hoogteijling, Tobias
Título: Do Machine Learning Models Need to Be Sector Experts?
Enlace: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5224253

Resumen:
Examinamos la predictibilidad heterogénea de los retornos a nivel sectorial utilizando modelos de aprendizaje automático entrenados sobre un conjunto exhaustivo de características empresariales. Comparamos modelos uniformes (“generalistas”) con modelos específicos por sector (“especialistas”) e introducimos un modelo “híbrido” que incorpora la pertenencia sectorial. El modelo híbrido supera al especialista en rendimiento fuera de muestra, logrando ratios de Sharpe más altos y menor riesgo en comparación con ambas alternativas. Análisis adicionales con datos internacionales corroboran estos hallazgos. Nuestros resultados indican que el modelo híbrido se beneficia de una mejor relación señal-ruido al combinar conciencia sectorial con muestras más amplias, mejorando tanto la precisión de estimación como la eficiencia del aprendizaje.

image 29

image 30

image 31

Citas destacadas del artículo académico:

“Aunque el modelo generalista es el enfoque estándar en la literatura (cf., Gu, Kelly y Xiu, 2020), es simplista y carece de una motivación económica clara. Este enfoque de talla única asigna igual importancia a todas las acciones durante el entrenamiento (Howard, 2024), e implícitamente asume una predictibilidad homogénea entre empresas, mientras que Patton y Weller (2022) muestran una fuerte heterogeneidad en las respuestas a factores de riesgo en la sección cruzada de acciones estadounidenses.”

“Permitir componentes heterogéneos en el Factor de Descuento Estocástico (SDF), como en nuestra especificación especialista, ayuda a aliviar estos problemas. Sin embargo, entrenar modelos puramente sectoriales ignora los componentes comunes del SDF, que se ha demostrado son relevantes según Hellum, Pedersen y Rønn-Nielsen (2023). Además, dividir la sección cruzada de acciones en 12 grupos más pequeños puede limitar severamente la capacidad de aprendizaje de modelos complejos de ML, conocidos por ser ‘hambrientos de datos’.”

“Para abordar estas preocupaciones, introducimos una especificación ‘híbrida’. En esta especificación, entrenamos los modelos ML con el conjunto completo de acciones, pero procesando los datos como en la especificación especialista. La idea detrás de considerar modelos especialistas e híbridos es forzar implícitamente a los modelos ML a incorporar una estructura sectorial al construir el mapeo entre características y retornos. Esta configuración considera el papel condicional de los sectores en la valoración de activos como lo describen Moskowitz y Grinblatt (1999), a diferencia del modelo generalista, pero sin sufrir los problemas de escasez de datos del modelo especialista.”

 

Comparte este articulo:

shutterstock 2067118340
¿Son los modelos de aprendizaje automático específicos para cada sector mejores que los generalistas? por Quantpedia

  ¿Pueden los modelos de aprendizaje automático predecir mejor los retornos bursátiles si se adaptan...

shutterstock 2582909693">

Digging Value: Convirtiendo queso en oro por Brandon Beylo

Brandon Beylo Macro Ops old

Inversor de valor. Enfocado en empresas de pequeña y micro capitalización, spin-offs y SPAC.
Brandon Beylo / MACRO-OPS

 

De Beers es una compañía de diamantes con 137 años de historia que hace de todo: extraer, refinar y vender anillos y joyas de diamantes lujosos. La empresa convenció al mundo de que “Un diamante es para siempre”. Nada superaba a un diamante real, auténtico.

Y eso duró unos 130 años.

Hasta 2018, cuando De Beers hizo lo impensable: comenzó a producir y vender diamantes creados en laboratorio. Lo cual resulta hilarante si se considera que pasaron los 130 años previos diciéndote que eras un pésimo amante si osabas regalarle a tu pareja un diamante de laboratorio.

Así que, si un diamante es para siempre, ¿cuál es la vida útil de uno creado en laboratorio? Al parecer, unos seis años.

Sí, el minero de diamantes más famoso del mundo está cerrando su negocio de diamantes sintéticos, Lightbox, en un movimiento que es en parte retirada estratégica, en parte crisis existencial y en parte, bueno, “¿qué esperabas que pasara cuando intentaste vender diamantes que son para siempre y también a 500 dólares el quilate?”. Según MiningMx.com:

“El minero de diamantes anunció el año pasado que dejaría de vender sus propias gemas creadas por el hombre, pero no sabía qué haría con el negocio Lightbox que las producía, dijo Bloomberg News. Está negociando la venta de algunos activos —incluido el inventario— con posibles compradores, añadió la agencia.”

Lightbox fue lanzado para vender diamantes sintéticos a un precio muy bajo, por debajo de otros productores, con el fin de arrastrar los precios hacia abajo y marcar una división clara en la mente de los consumidores entre los productos tradicionales y los de laboratorio.

Imagino que el debate interno de De Beers sobre los diamantes de laboratorio fue como una escena de “El club de la pelea”: “Caballeros, bienvenidos a Lab Grown. La primera regla de Lab Grown es: no se habla de Lab Grown. La segunda regla es: ¡NO se habla de Lab Grown! Tercera regla: alguien grita ‘¡China está inundando el mercado!’, se rinde, el combate termina”.

La idea era simple: proteger el negocio de diamantes “reales” inundando el mercado con sintéticos baratos, para crear una línea divisoria clara entre ambos productos.

Solo había un problema: si vendes un producto que es física y químicamente idéntico a tu producto principal, pero a una fracción del precio, la gente puede empezar a preguntarse por qué debería pagar más por el “auténtico”. O, más probablemente, simplemente comprarán el más barato. Especialmente si la única diferencia es un certificado y una campaña de marketing.

Y entonces comenzó la guerra de precios. Los precios de los diamantes creados en laboratorio se desplomaron. Los precios mayoristas cayeron por debajo incluso de los ya bajos precios de Lightbox, en gran parte gracias a una avalancha de nueva oferta desde China y otros productores.

De pronto, el objetivo de Lightbox —ser la opción más barata del mercado— desapareció.

Lo peor de ambos mundos: los diamantes de laboratorio se volvieron tan baratos que a) desviaron la demanda de los diamantes reales y b) se vendían por debajo del coste de fabricación de De Beers.

De Beers intentó jugar en ambos bandos: proteger el misticismo de los diamantes naturales mientras sacaba tajada del auge de los sintéticos. Al final, el mercado les llamó el farol.

El fabulador delirante

Supongamos que eres el CEO de una minera cuyas acciones han caído un 97% desde su salida a bolsa. Probablemente tengas muchas excusas para explicar ese horrendo rendimiento bursátil, como:

  • “Es solo una mala fase del ciclo de materias primas.”
  • “Estamos recuperándonos de errores de la antigua administración.”
  • “El precio del mineral no nos está acompañando.”
  • “La inflación ha hecho que nuestros costes sean más altos de lo esperado.”

Pero otra excusa (y mucho más divertida) sería: “Existe una camarilla en la sombra dirigida por nuestro ex-CFO que manipula el precio de nuestras acciones para que no podamos comprar una mina de platino”.

Mantengu Mining (MTU.JSE) eligió la opción 5:

“MANTENGU Mining, una minera de cromo valorada en R171 millones, publicó hoy acusaciones incendiarias de que su precio de acción ha sido manipulado y que la Bolsa de Johannesburgo (JSE) ha hecho la vista gorda para proteger a un sindicato de trading ilegal.”

“La JSE niega la acusación contenida en una declaración jurada, que sirve como base de una denuncia penal firmada por el CEO de Mantengu, Mike Miller. En el documento, Miller alega que su ex-CFO, Ulrich Bester, fue el principal autor de la manipulación.”

Este es el contexto: Mantengu quiere comprar la mina de platino Blue Ridge, propiedad de Sibanye-Stillwater. Regulatoriamente, la mina no puede superar el 30% de la capitalización de Mantengu.

Si el precio de las acciones de Mantengu está bajo, la operación parece demasiado grande en proporción a la empresa, lo que implica más papeleo, más control regulatorio y el riesgo de que Sibanye-Stillwater se canse y se retire.

¿Y quién se beneficiaría de eso? Liberty Coal, que antes quería Blue Ridge para sí misma, pero fue rechazada por “problemas reputacionales”.

Debe haber sido una ruptura muy fea entre Bester y MTU, porque todo esto parece una pelea de secundaria: si Bester no puede tener la mina, entonces nadie la tendrá.

Lo cual es gracioso porque quizás MTU:

  • Sabía que Bester tenía suficientes acciones como para manipular el precio.
  • Decidió que no importaba y lo despidió de todas formas.
  • Se dio cuenta de que esto era una buena excusa para justificar una caída del 97% desde su salida a bolsa.
  • Le echó la culpa de todo a Bester, aunque no fuera verdad.

Además, estas excusas son mucho más divertidas que “el precio del mineral era más bajo de lo previsto”.

No puede ser… ¿suero?

Me gustan el queso y las acciones mineras. Nunca pensé que encontraría una forma de combinar estos dos intereses. Pero entonces leí este artículo de Mugglehead y entendí que todo es posible:

“Investigadores de la ETH Zurich han encontrado una forma novedosa de usar subproductos del queso para ayudar en el reciclaje de minerales.

Los queseros separan la cuajada del suero, generando casi nueve kilos de subproducto acuoso por cada kilo de cheddar. Este suero contiene proteínas que, al calentarse en ácido, se convierten en fibrillas amiloides ultrafinas.

Los investigadores descubrieron que podían usar estas fibrillas para crear una esponja ultraligera que atrae el oro más que otros metales presentes en la chatarra electrónica. Al mezclar las fibrillas en un gel y secarlo, obtuvieron un aerogel —un material aireado parecido al poliestireno, pero a escala microscópica.

Este aerogel tiene poros microscópicos que lo atraviesan, creando una enorme superficie dentro de un cubo del tamaño de una miga.

Al sumergirlo en un vaso con placas de circuito disueltas, la esponja atrajo rápidamente los iones de oro, que se adhieren a sus proteínas. En pruebas preliminares, el aerogel capturó más oro que las resinas plásticas que usan los recicladores habitualmente.”

¿Podría Sargento lanzar una filial de “recuperación de minerales” usando su subproducto de suero? ¿Se convertirá Wisconsin en la nueva capital de la tecnología minera? ¿Quién lanzará el primer SPAC de recuperación quesera: “Yes Whey Minerals Acquisition Corp I”?

Y otra cosa: nunca volverás a mirar el queso de la misma forma. Pasarás por la sección de quesos del supermercado pensando: “Imagínate todo el oro que podrían recuperar con estos bloques de Gouda, suizo y cheddar”.

Verdaderamente vivimos en la mejor línea temporal.

 

Comparte este articulo:

shutterstock 2582909693
Digging Value: Convirtiendo queso en oro por Brandon Beylo

  De Beers es una compañía de diamantes con 137 años de historia que hace...

shutterstock 2261926833 scaled">

Analicemos el mercado por Chris Dover

308955 large

Jefe de Trading Sistemático MO. Más de 25 años de experiencia en trading, desarrollador autodidacta, excontratista del Cuerpo de Marines de EE. UU., del Departamento de Defensa y del Estado. Operador independiente, exdirector de TI y fundador de Pollinate Capital.
Chris Dover / MACRO OPS

 

La semana pasada aumentamos nuestra exposición a renta variable estableciendo posiciones largas en futuros del Nasdaq, lo que complementa nuestra posición existente en futuros del S&P 500, que abrimos en 5309. Este movimiento eleva nuestra exposición larga total en acciones a 100 puntos básicos (duplicamos nuestra posición), reflejando nuestra confianza en la trayectoria actual del mercado.

Espero seguir aumentando esta posición si la tendencia continúa.

En el mercado de divisas, estamos observando una anomalía interesante: el peso mexicano ha mostrado una fortaleza sorprendente mientras que otras monedas principales continúan debilitándose frente al dólar estadounidense. Esta divergencia merece una atención cercana, ya que podría señalar cambios económicos regionales relevantes o flujos de capital únicos.

Desde el 10 de abril, el peso ha duplicado prácticamente el rendimiento de otras divisas principales que seguimos.

image 24

Mientras tanto, nuestro sistema de momentum en cripto se ha reactivado tras un periodo de inactividad. Las señales surgieron hace aproximadamente una semana, con la mitad de nuestros sectores seleccionados ahora dentro de la ventana de momentum para posiciones largas.

El cambio más notable ha sido Ethereum, que ha subido casi un 40% en pocos días.

image 25

Este enfoque basado en sistemas nos permite participar en las subidas del mercado cripto manteniendo al mismo tiempo un marco disciplinado de gestión del riesgo.

RENDIMIENTO EN EL AÑO:
Rentabilidad YTD del portafolio Macro Ops: +8,40%
Rentabilidad YTD del S&P 500: -3,77%

A pesar de la extrema volatilidad de los mercados recientemente, nuestro portafolio ha mantenido su ventaja, superando consistentemente al S&P 500 y con una volatilidad notablemente baja.

Esta estabilidad no es casualidad, sino resultado de un diseño estratégico.

Nuestro enfoque sistemático nos llevó a reducir significativamente la exposición antes del deterioro de las condiciones del mercado. Gracias a esto, evitamos las caídas que afectaron a muchos inversores que permanecieron totalmente invertidos.

La verdadera ventaja de nuestra metodología se hizo evidente cuando la volatilidad alcanzó su punto máximo. Mientras otros se paralizaban por la incertidumbre o vendían en los mínimos, nuestros sistemas comenzaron a identificar puntos de reentrada de forma metódica.

Esta reconstrucción de posiciones sigue desplegándose según nuestros marcos cuantitativos, demostrando una vez más que la gestión sistemática del riesgo no solo protege el capital, sino que también permite aprovechar oportunidades en dislocaciones del mercado.

Y lo más importante: manteniendo la volatilidad de nuestra cartera en niveles mínimos.

¿Por qué compramos en la caída?

Aproximadamente entre el 60 y el 75% del volumen de negociación de acciones en EE. UU. es generado por sistemas algorítmicos. Esto representa un gran salto respecto a décadas anteriores y demuestra hasta qué punto el trading automatizado ha penetrado el mercado.

En Forex, hasta el 92% de las operaciones son algorítmicas (según estudios de 2019). Y en futuros, alrededor del 40% del trading en opciones también lo es.

La reversión a la media es, en esencia, una estrategia algorítmica.

Por mucho que cueste creerlo, las caídas se compran porque hay una ventaja estadística significativa y los algoritmos la aprovechan.

La reversión a la media es una de las estrategias más potentes y persistentes en los mercados financieros. Se basa en el principio de que los precios tienden a volver a su promedio histórico con el tiempo.

Cuando los precios se desvían significativamente, ya sea por noticias, desequilibrios temporales de liquidez o comportamiento emocional, se generan oportunidades de alta probabilidad.

Su eficacia se fundamenta en la mecánica del mercado y la psicología humana. Los mercados a menudo se exceden en ambas direcciones, y esas distorsiones temporales generan puntos de entrada para traders disciplinados.

Cuando un activo cotiza a 2 o 3 desviaciones estándar de su media estadística, la probabilidad de volver a la normalidad aumenta. Y si se combina con una asignación de riesgo basada en la volatilidad, se puede invertir más capital justo cuando las probabilidades están a favor.

A diferencia del seguimiento de tendencias, que puede implicar fuertes retrocesos antes de obtener beneficios, la reversión a la media ofrece parámetros de riesgo más ajustados y ganancias más frecuentes.

Y por eso compramos en la caída del S&P 500.

No hubo dudas. No mirábamos más noticias que nadie, ni teníamos información privilegiada. Todo lo contrario.

El sistema de reversión a la media, “Curvy”, dio señal de compra. Eso fue todo.

Colocamos la operación. Si nos equivocábamos, habríamos perdido -1R, como en cualquier otra operación.

Esta semana en “The Collective” haremos una sesión en directo sobre reversión a la media y rupturas fallidas. Dejaremos el enlace en Slack.

Configuración de esta semana

El sistema de Momentum Cripto ha vuelto a señalar “riesgo activado” y estamos actuando con decisión. A diferencia de otras estrategias, este sistema no aplica promedios de coste ni compras aleatorias.

Su misión es clara: capturar tendencias alcistas cuando el momentum se construye y salir antes del colapso.

Durante las elecciones presidenciales de EE. UU., el sistema nos posicionó largos en septiembre y nos sacó en diciembre, justo antes del desplome de los altcoins.

Recientemente, recibimos señales para acumular Bitcoin a $83K y luego a $95K.

Pero donde realmente destaca este sistema es al identificar el inicio de las grandes subidas en altcoins, famosas por su volatilidad explosiva.

Pueden subir entre un 200 y un 400% en pocos días, pero también caen con más fuerza cuando llega la corrección. Y siempre llega.

Más allá de la gestión de riesgo, la clave es saber salir a tiempo.

Actualmente, cuatro de nuestros ocho sectores cripto están dentro de la ventana de momentum, lo que nos permite aprovechar las primeras fases del rally.

En el mercado de cripto en 2024, la mayoría de altcoins ni siquiera han recuperado sus máximos de 2021.

image 26

Desde diciembre, muchas han perdido terreno frente a Bitcoin. Esto crea el escenario perfecto para que el capital busque rendimiento en otras partes.

Ethereum, por ejemplo, sigue cotizando un 50% por debajo de su máximo histórico.

Bitcoin, en cambio, ha estado marcando nuevos récords durante 2024.

image 27

No es una recomendación de compra, sino una observación: Bitcoin ha liderado este ciclo. Pero el capital se impacienta, y cuando eso ocurre, los fondos se mueven a altcoins.

Nuestro enfoque evita el ruido. No:

  • Perseguimos titulares
  • Entramos en esquemas de pump-and-dump
  • Buscamos meme coins
  • Usamos apalancamiento

Solo nos centramos en líderes fuertes de sectores sólidos, ejecutando la estrategia en plataformas reguladas como Coinbase.

Los resultados hablan por sí mismos: superamos al mercado y protegemos las ganancias cuando otros las pierden.

Este es el inicio de la próxima fase del ciclo de momentum, y la más rentable.

Basándonos en el comportamiento histórico tras el halving de Bitcoin, quedan unos 200 días antes del pico.

image 28

Y cuando Bitcoin alcanza su tope, el capital fluye hacia altcoins, donde ocurren los mayores movimientos.

Aún hay tiempo.

Pero como advertimos la semana pasada: hay que estar listo antes de que comience.

 

 

Comparte este articulo:

shutterstock 2261926833
Analicemos el mercado por Chris Dover

  La semana pasada aumentamos nuestra exposición a renta variable estableciendo posiciones largas en futuros...

shutterstock 1927030577 scaled">

El efecto enero ¿funciona? por Perry J. Kaufman

1 PJK AlexZPhotography

 

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

 

 

  • Ya sea que seas nuevo en el mercado o un trader experimentado, todos conocemos la frase “Como va enero, así irá el mercado”. ¿Es esto cierto?
  • Artículo publicado en Hispatrading Magazine 62.

Extrapolar lo que hace el mercado en el mes de enero, al resto del año, es lo que tradicionalmente se ha llamado el “efecto enero”. Si eso es cierto, 2025 podría ser un año terrible. Pero, como veremos, quizá no siempre sea así.

Solo en 8 de los últimos 24 años el SPY (el ETF del S&P) comenzó con pérdidas. De esas 8 pérdidas en enero, 5 terminaron generando ganancias en los siguientes 11 meses. Cuando enero cerró con pérdidas, no logró predecir correctamente el resto del año en el 62% de los casos.

Sin embargo, hay información interesante que se puede extraer de esto.

SPY (ETF del S&P)

El gráfico 1 muestra los datos usados en este estudio. Los precios son los de fin de mes, desde 2001 hasta 2024. A la derecha en azul (Jan %) se ven los retornos del mes de enero. Junto a eso, aparecen los retornos para el resto del año, desde febrero hasta diciembre. Con ello podemos decir si el resto del año siguió la tendencia de los retornos de enero.

pastedGraphic.png
Gráfico 1. Retornos mensuales del SPY con comparaciones a la derecha en azul.

 

En la parte inferior vemos que 16 de 24 meses fueron rentables en enero. También observamos que 18 de los 24 años fueron rentables (columna azul encabezada como “Year”). Entonces, claramente enero no predice el resto del año. De hecho, la última columna muestra que solo acertó en 16 de los 24 años, la misma cantidad que años con retornos positivos.

Lo que sí destaca es que enero es un mes muy volátil.

pastedGraphic_1.png
Gráfico 2. Retornos de enero del SPY comparados con los retornos promedio mensuales de febrero a diciembre.

 

Las barras azules en el gráfico 2 representan los retornos de enero. Las barras naranjas representan los retornos mensuales promedio del resto del año. En general, los retornos de enero son mucho más volátiles que los del resto del año y aportan una gran parte del retorno anual.

Entonces, para el SPY, ¿enero predice el resto del año? No. Pero puede aumentar tu ansiedad.

EuroStoxx

¿Representa el S&P los mercados europeos? Aunque Europa tiene sus propios desafíos financieros, la economía estadounidense juega un papel notable. Veamos el EuroStoxx. Para aquellos interesados, el gráfico 3 muestra los valores.

pastedGraphic_2.png
Gráfico 3. Retornos mensuales del EuroStoxx con comparaciones a la derecha en azul.

Las estadísticas generales son similares al SPY. Hubo 17 de 24 años con retornos positivos en enero y estos solo acertaron con los retornos anuales en 15 ocasiones. El retorno promedio de enero fue de 0,75%, mejor que el retorno mensual promedio del resto del año de 0,50%, como se muestra en el gráfico 4. Nuevamente, vemos que enero (en azul) fue más volátil que la mayoría de los otros meses.

pastedGraphic_3.png
Gráfico 4. Retornos de enero del EuroStoxx comparados con los retornos promedio mensuales de febrero a diciembre.

DAX

El DAX es un índice menos diversificado y tiende a ser más volátil. El gráfico 5 muestra los detalles. Podemos ver que enero tuvo un retorno promedio de 0,71%, similar al EuroStoxx y mejor que el SPY. Además, tuvo 19 de 24 meses rentables en enero, algo mejor que EuroStoxx y SPY. Pronosticó retornos positivos en 15 de los 24 años, aproximadamente un 63%.

pastedGraphic_4.png
Gráfico 5. Retornos mensuales del DAX con comparaciones a la derecha en azul.

Nuevamente, el gráfico 6 muestra que enero es más volátil en el DAX. Esto nos lleva a creer que existe una alta correlación entre los índices de Estados Unidos y los europeos.

pastedGraphic_5.png
Gráfico 6. Retornos de enero del DAX comparados con los retornos promedio mensuales de febrero a diciembre.

Conclusión

Si observamos la tabla del SPY, los años con pérdidas de entre 1% y 2% en enero, aproximadamente como lo que hemos visto en este enero, acabaron con ganancias. Pérdidas mayores fueron más impredecibles.

Como ocurre con la mayoría de las noticias del mercado, una pérdida o ganancia en enero tiene poca capacidad predictiva. El mercado bursátil subirá cada año independientemente de si enero es alcista o bajista. Pero los retornos de enero suelen ser los más extremos del año.

Adjunto un programa que te permite crear las tablas mostradas aquí. Esas tablas también pueden usarse para crear estacionalidad en futuros o acciones. He utilizado datos de Commodity Systems Inc. y EasyLanguage de TradeStation (similar a BASIC).

{ TSM Save seasonal  (monthly) data

  Copyright 1999,2012 P.J. Kaufman. All rights reserved. }

{  Writes an ASCII file with name «c:\test\seasonal.txt» that needs to be renamed with the market/stock name }

vars:cmonth(0), pmonth(0), ix(0), k(0);

array:months[12](0);

if currentbar = 1 then begin

{  Writes an ASCII file with a name created from the data series }

print(File(«c:\TradeStation\seasonal_average.csv»),»Year,Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec»);

for ix = 1 to 12 begin

months[ix] = 0;

end;

k = 0;

end;

cmonth = month(date);

pmonth = month(date[1]);

if cmonth <> pmonth and currentbar > 1 then begin

months[pmonth] = months[pmonth] / k;

{ if end of year then print and clear arrays }

if pmonth = 12 then begin

     print(File(«c:\TradeStation\seasonal_average.csv»),year(date[1])+1900:4:0,»,»,months[1]:6:3,»,»,months[2]:6:3,»,»,

months[3]:6:3,»,»,months[4]:6:3,»,»,months[5]:6:3,»,»,months[6]:6:3,»,»,months[7]:6:3,»,»,months[8]:6:3,»,»,

months[9]:6:3,»,»,months[10]:6:3,»,»,months[11]:6:3,»,»,months[12]:6:3);

for ix = 1 to 12 begin

months[ix] = 0;

end;

end;

{ new month begins }

k = 0;

end;

months[cmonth] = months[cmonth] + close;

k = k + 1;

{ if end of data output final records }

if lastbaronchart and cmonth = pmonth then begin

months[cmonth] = months[cmonth] / k;

     print(File(«c:\TradeStation\seasonal_average.csv»),year(date[1])+1900:4:0,»,»,months[1]:6:3,»,»,months[2]:6:3,»,»,

months[3]:6:3,»,»,months[4]:6:3,»,»,months[5]:6:3,»,»,months[6]:6:3,»,»,months[7]:6:3,»,»,months[8]:6:3,»,»,

months[9]:6:3,»,»,months[10]:6:3,»,»,months[11]:6:3,»,»,months[12]:6:3);

end;

 

Comparte este articulo:

shutterstock 1927030577
El efecto enero ¿funciona? por Perry J. Kaufman

      Ya sea que seas nuevo en el mercado o un trader experimentado,...

shutterstock 2077342756 scaled">

Anatomía de una corrección por Dr. Ed Yardeni

Ed Yardeni e1525958722675

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

 

La última corrección en el S&P 500 fue liderada por un mercado bajista breve y moderado en las acciones de las Magnificent-7. La agitación arancelaria de Trump impulsó claramente buena parte de la presión vendedora. Sin embargo, la caída del mercado también se debió a la reevaluación a la baja de los múltiplos de valoración elevados del sector tecnológico del S&P 500, y especialmente de las Mag-7, tras la publicación del proyecto de código abierto Deep Seek el 24 de enero, que generó miedo entre los inversores a un desplome del gasto en infraestructura de IA. Pero piensa en lo siguiente:

(1) El ETF del S&P 500 (SPY) cayó un 19,0 % entre el 19 de febrero y el 8 de abril. El ETF Roundhill Magnificent Seven (MAGS), que tiene ponderación equitativa y se reequilibra trimestralmente, se desplomó un 26,7 %, mientras que el ETF XMAG (ponderado por capital flotante) solo cayó un 16,2 % en ese periodo. Desde el 8 de abril, el SPY sube un 10,9 %, el MAGS un 14,8 % y el XMAG un 9,4 %.

image 16

image 17

(2) El PER adelantado de las Mag-7 cayó de 30,0 a 21,7 entre enero y el 8 de abril. En el mismo periodo, el PER del S&P 500 bajó de 22,4 a 19,2, y el de XMAG de 18,6 a 17,8. El ratio precio/ventas adelantado de las Mag-7 se desplomó de 7,7 a 5,6 (aunque ahora ha repuntado a 5,9). En comparación, el S&P 500 excluyendo las Mag-7 bajó ligeramente de 2,2 a 2,1 hasta la semana del 17 de abril.

image 18

 

 

(3) Aunque la capitalización de mercado de las Mag-7 dentro del S&P 500 ha bajado del 32,0 % al 28,4 % en lo que va del año, sus participaciones en ingresos y beneficios adelantados han alcanzado máximos históricos del 11,8 % y 22,6 %, respectivamente.

image 20

(4) También en máximos históricos se encuentra el margen de beneficio adelantado conjunto de las Mag-7, con un 26,2 % al cierre de abril. Esto es más del doble del 11,9 % del resto del S&P 500 (S&P 493).

image 21

(5) Las tasas de crecimiento adelantadas consensuadas por analistas para ingresos y beneficios del S&P 500 han venido bajando desde inicios de año, lideradas por las Mag-7. Actualmente, el crecimiento de ingresos adelantado del S&P 500 se sitúa en un sólido 5,3 %. Para las Mag-7, ha bajado de 13,8 % a 12,1 %. En cuanto a los beneficios, el crecimiento adelantado del S&P 500 y de las Mag-7 ha caído unos pocos puntos hasta situarse en 11,5 % y 17,2 %, respectivamente. Sigue siendo un crecimiento robusto.

image 22

image 23

(6) El rebote del mercado desde el 8 de abril se atribuye al aplazamiento de los aranceles recíprocos de Trump (excepto a China) y a su tono más moderado sobre la posibilidad de negociar un acuerdo comercial con China. Además, suavizó sus ataques recientes contra el presidente de la Fed, Powell.

Otro factor positivo: los inversores podrían estar volviendo a las Mag-7, que acumulan un +14,8 % desde el 8 de abril, superando el +9,4 % del XMAG. Observamos que la IA es simplemente la última evolución de la Revolución Digital iniciada en los años 60: una tecnología más que incrementa la capacidad de procesar datos más rápido y más barato. Esto impulsa el negocio de las empresas de computación en la nube y aumenta su gasto en infraestructura.

(7) Los resultados de Google Cloud Platform (GCP), reportados la semana pasada, apoyan esta narrativa. En el primer trimestre de 2025, GCP reportó ingresos de 12.260 millones de dólares, apenas por debajo de las expectativas de Wall Street (12.270 millones), pero con un sólido crecimiento interanual del 28 %. Los márgenes mejoraron notablemente, del 9,4 % al 17,8 %, lo que refleja mayor eficiencia operativa.

Las fuertes inversiones en IA están dando frutos. La cartera de IA de Google Cloud, impulsada por el modelo de lenguaje Gemini, está atrayendo nuevos clientes y asegurando contratos más grandes. El uso por parte de desarrolladores de Gemini se duplicó a 4,4 millones de usuarios en solo seis meses (hasta el cuarto trimestre de 2024).

Alphabet planea aumentar significativamente su gasto de capital, de 52.500 millones en 2024 a 75.000 millones en 2025, para expandir su infraestructura de IA y centros de datos.

 

Comparte este articulo:

shutterstock 2077342756
Anatomía de una corrección por Dr. Ed Yardeni

  La última corrección en el S&P 500 fue liderada por un mercado bajista breve...

shutterstock 2567135669 scaled">

El USD y tu cartera ¿qué tienen que ver? por Ben Carlson

Captura de pantalla 2020 10 07 a las 15.27.47 1 e1602078279445

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

 

Un lector pregunta:
“Sigo escuchando hablar de la fortaleza o debilidad del dólar estadounidense. ¿Podrías darme un contexto básico de lo que significa todo esto? ¿Se refiere a la debilidad frente a otras divisas específicas, o frente a una cesta de monedas? ¿Esto es bueno o malo para mi cartera, que está compuesta principalmente por acciones y bonos de EE. UU.? ¿Cuáles son los beneficios y desventajas de un dólar fuerte o débil?”

Esta es una pregunta muy oportuna porque hemos visto un movimiento importante en el dólar este año.

El dólar ha caído alrededor de un 7 % en el año, lo cual es un movimiento bastante significativo para la moneda de reserva global.

Contexto histórico

Primero, veamos el comportamiento del dólar a largo plazo:

image 13

Este gráfico muestra el valor del dólar desde los años 70 frente a una cesta de divisas extranjeras. A lo largo del tiempo hemos pasado por muchos regímenes distintos: dólar fuerte, dólar débil, dólar lateral, etc.

Pero en el transcurso de más de cinco décadas, el dólar más o menos no ha ido a ninguna parte. Como un personaje de Looney Tunes girando las piernas sin avanzar.

Las variaciones en la fuerza del dólar pueden deberse a factores como: diferencias en tasas de interés, inflación, crecimiento económico o flujos de inversión extranjera. También hay elementos intangibles como la confianza en el sistema financiero.

Impacto del dólar en acciones e inversiones

Un dólar más fuerte tiende a generar menores ventas en el extranjero, mientras que un dólar débil facilita ventas más fuertes fuera del país.

Cuando el dólar está débil, se espera que las acciones internacionales superen a las acciones estadounidenses. Esto se debe a que, cuando las divisas extranjeras se aprecian, tus inversiones en esos países rinden más en términos de beneficios y dividendos.

Lo contrario sucede cuando el dólar se fortalece. Piensa en todos los estadounidenses que han viajado a Europa en los últimos años: el dólar fuerte y el euro débil han hecho que viajar fuera más barato.

Esta es una de las razones por las que las acciones internacionales han tenido un rendimiento inferior durante tanto tiempo. Un dólar fuerte es un obstáculo.

Estas fluctuaciones cambiarias son una ventaja adicional de diversificar internacionalmente.

Datos históricos del mercado

Veamos los datos históricos sobre el rendimiento del mercado durante periodos de dólar fuerte y dólar débil:

image 14

Existe un patrón claro: en regímenes de dólar fuerte, las acciones estadounidenses tienen mejor rendimiento; en regímenes de dólar débil, las acciones extranjeras lo hacen mejor.

No hay garantías de que esta tendencia continúe, pero siempre será cierto que un dólar más débil es favorable para tus inversiones extranjeras y un dólar fuerte las perjudica (desde el punto de vista del tipo de cambio).

Para los inversores extranjeros, sucede lo contrario: quienes han invertido en acciones de EE. UU. en los últimos años han tenido excelentes rendimientos más una ganancia adicional por el fortalecimiento del dólar. Un dólar débil haría menos atractivas las acciones estadounidenses para los extranjeros.

Impacto a corto plazo

Ahora observemos el impacto del dólar en el corto plazo sobre acciones de EE. UU., acciones internacionales y el oro:

image 15

Este gráfico muestra lo que sucede en años en los que el dólar sube o baja.

El impacto en las acciones de EE. UU. es mínimo, pero fíjate en cómo el oro y las acciones internacionales tienen mejor desempeño cuando el dólar se debilita.

No puedo prometer que estas relaciones se mantendrán siempre, pero tiene sentido en teoría. El oro se cotiza en dólares a nivel global. Cuando el dólar se debilita, se necesitan más dólares para comprar una onza de oro. Sin embargo, en otras monedas como yenes o euros, se puede comprar más oro.

¿Y los bonos?

En cuanto a los bonos, la respuesta estándar es que deberías invertir en renta fija en tu moneda local, porque es con la que vas a gastar. No querrás que el rendimiento de tus bonos se vea arrasado por la volatilidad del tipo de cambio.

 

Comparte este articulo:

shutterstock 2567135669
El USD y tu cartera ¿qué tienen que ver? por Ben Carlson

  Un lector pregunta: “Sigo escuchando hablar de la fortaleza o debilidad del dólar estadounidense....

shutterstock 2354463317 scaled">

¿Cómo usar opciones para proteger nuestra cartera? por Alex Barrow

Alex Avatar

Cofundador de Macro Ops, www.macro-ops.com. Global Macro fanático, ex francotirador profesional y miembro de la inteligencia de los EE. UU.
Alex Barrow / MACRO OPS

 

Los mercados sufrieron debido al brote de coronavirus y, aunque se han recuperado por completo, pensé que sería un buen momento para analizar cómo usar opciones put para proteger una cartera de acciones para eventos futuros.

El S&P 500 alcanzó su punto máximo a mediados de febrero en 3.393,52 y posteriormente cayó hasta un mínimo de 2.191,86 el 23 de marzo. Fue una de las caídas más severas y rápidas de la historia del mercado. El desplome del 35,41 % sorprendió a muchos inversores y eliminó las ganancias acumuladas durante los últimos años.

¿Qué es una opción put?

Las opciones put son instrumentos utilizados por fondos de cobertura, gestores de fondos y traders profesionales para proteger sus carteras de caídas abruptas como la que vimos recientemente.

Investopedia define una opción put como:

“…un contrato que otorga al titular el derecho, pero no la obligación, de vender, o vender en corto, una cantidad específica de un valor subyacente a un precio predeterminado dentro de un periodo determinado. El precio predeterminado al que el comprador de la opción puede vender se llama precio de ejercicio.”

En esencia, esto significa que las opciones put le dan al propietario el derecho a vender sus acciones a un precio fijo, sin importar cuán bajo caigan.

Piensa en ello como un contrato de seguro que te protege ante el peor escenario. Al igual que un seguro, debes pagar una prima por este derecho.

¿Cómo funcionan las opciones put?

Las opciones put aumentan de valor si la acción subyacente cae de precio. Supongamos que XYZ Corporation cotiza a 100 $ y un inversor posee 100 acciones y quiere proteger su capital por debajo de 95 $.

Para ello, puede comprar una opción put a tres meses con precio de ejercicio de 95 $ y pagar 3 $ por este contrato.

Si XYZ entra en dificultades financieras y quiebra, sus acciones caerán a cero.

Afortunadamente, el inversor tiene una opción put a 95 $ que le da el derecho a vender sus acciones por 95 $, aunque su valor real sea cero.

En este caso, el inversor ha perdido un total de 8 $: 5 $ por la caída de 100 $ a 95 $ y 3 $ por la prima pagada por la opción.

Esta estrategia de gestión del riesgo se conoce como “put protectora” y se utiliza ampliamente en carteras de gran tamaño. Al implementarla, el inversor conoce de antemano su peor escenario posible.

¿Cuál es el inconveniente?

Comprar opciones put es una excelente herramienta de gestión de riesgos, pero no está exenta de desventajas.

Si XYZ no baja y permanece en 100 $ al vencer la opción, el inversor habrá perdido efectivamente un 3 %, ya que la opción put expira sin valor. En este caso, el inversor habría tenido un rendimiento inferior al de alguien que no utilizó esta estrategia.

Lo mismo ocurre si XYZ sube. La estrategia put protectora siempre tendrá un rendimiento inferior al de la acción pura durante un mercado alcista, en la medida del coste de la opción. Aun así, pueden valer la pena por la tranquilidad que ofrecen.

Ejemplo real

Veamos un ejemplo real. Para simplificar, supongamos que un inversor posee 100 acciones de SPY como su cartera.

Con SPY cotizando a 287,60 $, eso representa una inversión de 28.760 $.

Si SPY cae un 25 %, el inversor perdería 7.190 $.

Una opción put con vencimiento el 17 de julio y precio de ejercicio 260 $ cotiza a unos 13 $. Si el inversor compra esa opción, podría vender sus acciones por 260 $, pase lo que pase.

La tabla siguiente mostraría cómo se compara la estrategia put protectora con la tenencia directa de acciones.

La volatilidad está bastante alta en este momento, lo que hace que las opciones put sean caras. Cuando el mercado está calmado, las puts son mucho más baratas. Esa opción de 260 $ podría costar solo 6 $ en lugar de los 13 $ actuales.

Resumen

  • Comprar opciones put es una estrategia de protección utilizada por gestores de fondos y traders profesionales.
  • Las opciones put pueden limitar el riesgo a la baja en una acción o cartera de acciones.
  • Las opciones put se encarecen cuando la volatilidad del mercado es alta.

 

 

Comparte este articulo:

shutterstock 2354463317
¿Cómo usar opciones para proteger nuestra cartera? por Alex Barrow

  Los mercados sufrieron debido al brote de coronavirus y, aunque se han recuperado por...

shutterstock 2246064901 scaled">

Buscando nuevas oportunidades por Brandon Beylo

Brandon Beylo Macro Ops old

Inversor de valor. Enfocado en empresas de pequeña y micro capitalización, spin-offs y SPAC.
Brandon Beylo / MACRO-OPS

 

Hay muchas formas de ganar dinero en el mercado bursátil. Puedes hacer day trading, swing trading, comprar grandes empresas a buen precio, comprar empresas pésimas a precios excelentes, operar con opciones… lo que se te ocurra, alguien ya lo ha intentado.

Y luego está esto: usar la visión remota para ver precios futuros de acciones antes de que se den.

Retrocedamos. Según Wikipedia, “La visión remota (RV) es la práctica de buscar impresiones sobre un sujeto distante o no visible, supuestamente usando solo la mente. No hay evidencia científica de que la visión remota exista, y el tema suele considerarse pseudociencia.”

Yo opero con patrones clásicos de gráficos, así que aquí nos encanta la pseudociencia.

De todos modos, el renombrado físico Hal Puthoff fue al podcast de Joe Rogan y básicamente dijo: “La visión remota es real y, por cierto, la gente la ha usado para ganar dinero en bolsa.”

Gracias a @TinInvestor por encontrar el clip específico donde Puthoff explica la estrategia (parafraseando):

“Voy a elegir dos objetos completamente diferentes. Uno representa ‘Mercado al alza’ y el otro ‘Mercado a la baja’. Y quiero que me digas hoy cuál será el objeto que te mostraré mañana, el cual dependerá de lo que haga el mercado. No trates de imaginarlo, es algo visceral. ¿Cuál es su textura? Para resumir, en 30 días hicimos 260.000 $ para el inversor.”

Resulta que Puthoff no es el único que aplica esta estrategia. Por ejemplo, los investigadores Targ y Keith Harary usaron visión remota para operar futuros de plata:

“Los resultados de su primer experimento fueron muy exitosos, ganando 120.000 $ y una portada en The Wall Street Journal (Targ 2012, Larson 1984). Un intento de replicación al año siguiente modificó el protocolo, acortando el intervalo entre pruebas, lo que confundió el feedback al hacer que los participantes realizaran una prueba antes de recibir retroalimentación de la anterior, y el experimento fracasó (Targ 2012, Houck 1986). En 1995, Targ volvió al protocolo original y nuevamente obtuvo resultados muy significativos con un objetivo de futuros de plata.”

Imagínate presentar esta estrategia a un fondo de pensiones de profesores multimillonario.

Consejo del fondo: “¿Qué los hace únicos?”

Gestor con visión remota: “Juntamos a unos exagentes de la CIA en una sala, les hablamos de dos objetos aleatorios, asignamos una dirección de mercado a cada objeto y luego esperamos a ver cuál visualizan en sus mentes. Entonces compramos o vendemos según lo que ven.”

Consejo del fondo: “¡Seguridad!”

Es absurdo… ¿pero funciona?

Y entonces me puse a pensar. ¿Y si las empresas mineras usaran visionarios remotos para encontrar nuevos yacimientos? En realidad, es la aplicación perfecta para la visión remota.

Juntas a unos visionarios con un geólogo jefe. El geólogo dice: “Estamos buscando cobre en zonas remotas de Kazajistán, Mongolia, el Congo y África.”

Entonces les pide que encuentren los depósitos visualizando a través de montañas, selvas y formaciones rocosas, y que dibujen lo que ven.

Ya sé que suena absurdo, pero así es como funciona esta cosa, ¿no? Los visionarios remotos exploran las ubicaciones, dibujan los depósitos que ven y reportan la ubicación exacta.

Una parte de mí no puede creer que Robert Friedland no haya probado esto ya. Quizás sí lo hizo, y así encontró Kamoa-Kakula.

Me imagino las preguntas en la conferencia de resultados… “Felicidades por el trimestre. Solo por curiosidad, ¿Ben del equipo de Visión Remota 1 ha visto nuevos yacimientos últimamente? ¿Y qué grado y tamaño potencial tienen?”

Robert, si estás leyendo esta columna, por favor pruébalo y cuéntame qué tal.

La CIA tiene un brazo de capital riesgo

Resulta que la CIA tiene una división de capital riesgo llamada In-Q-Tel, algo que sabes si alguna vez intentaste levantar capital para una startup y pensaste: “¿Quién sería un buen inversor estratégico? Claro, los que organizaron golpes de Estado en América Latina.”

En fin, In-Q-Tel acaba de liderar una ronda semilla de 10 millones de dólares en Alta Resource Technologies, una startup de Colorado que quiere usar proteínas diseñadas para extraer minerales raros de menas de baja ley y residuos industriales.

Esta historia es perfecta para esta columna. Tenemos:

  • Una cadena de suministro de minerales críticos dominada por China, lo cual es un problema de seguridad nacional, porque si hay algo que la CIA odia, es depender de China para lo que hace funcionar tus misiles y turbinas eólicas.
  • Una startup que dice: “¿Y si resolvemos esto con biología sintética?”, diseñando proteínas como imanes selectivos para elementos raros, lo cual es genial y exactamente el tipo de cosa por la que te habrían quemado por brujería en el siglo XVII.
  • La Casa Blanca publicando órdenes ejecutivas sobre minerales, como si la cadena de suministro del neodimio fuera ahora una cuestión de urgencia bélica.
  • Y la CIA, a través de su brazo de capital riesgo, invirtiendo en todo esto, porque ¿por qué no?

La propuesta de Alta es que su plataforma basada en proteínas puede extraer minerales críticos de alta pureza de fuentes hoy no rentables o demasiado contaminantes. Es ideal porque EE. UU. necesita más tierras raras, menos destrucción ambiental y quizás un poco menos de China en su cadena de suministro.

Piensa en un velcro de alta tecnología, pero para moléculas de minerales críticos.

Según su cofundador Nathan Ratledge, EE. UU. necesita una urgencia de tiempos de guerra para asegurar las cadenas de suministro:

“Washington está comenzando a responder con la urgencia de guerra que exige este momento, y la tecnología de Alta está perfectamente posicionada para dar resultados. Nuestra plataforma basada en proteínas le da a EE. UU. una forma escalable de acceder a recursos minerales no convencionales aquí mismo, reduciendo costos e impacto ambiental.”

Suena prometedor, y veo tres aplicaciones claras:

  • Escombreras y relaves mineros: antiguos yacimientos con residuos de mena de baja ley o desechos se convierten en nuevas fuentes, evitando nuevas excavaciones.
  • Corrientes de residuos industriales: reciclaje de baterías de litio, balsas de cenizas de carbón… lugares donde hay metales atrapados en lodos tóxicos.
  • Productos al final de su vida útil: basura electrónica como smartphones o turbinas eólicas podrían ser “minadas” para extraer tierras raras en vez de ir al vertedero.

¿Qué otras empresas mineras con tecnología debería estar siguiendo?

¿El oro es el nuevo litio?

Así que Evergreen Lithium, una empresa cuyo nombre es Evergreen Lithium, ha decidido que en realidad quiere ser Evergreen Gold. O al menos Evergreen Lithium (y También Oro, Si Eso Da Dinero).

La empresa anunció un cambio “transformador”, adquiriendo el proyecto Leonora Goldfields en el distrito central aurífero de Australia Occidental.

Esto es lo opuesto a la noticia de la semana pasada de que Barrick Gold eliminó “Gold” de su nombre o cuando aquellos cultivadores de cacao cambiaron al oro. Evergreen Lithium quiere dejar claro que ahora busca oro.

El presidente Simon Lill lo llamó “un momento clave”, lo que en jerga financiera significa “por favor, no pregunten por los precios del litio ni por nuestros proyectos inútiles.” El plan es acelerar la exploración y desarrollo, convertir licencias de prospección en concesiones mineras y hacer todas esas cosas que hacen las empresas de oro para parecer ocupadas ante los inversores.

Evergreen Lithium es todo lo que odio del sector minero: prometes que vas a explorar un metal, ese metal se hunde, pivotas hacia el metal de moda del momento y esperas que los inversores olviden ese otro metal que no funcionó.

Es repugnante. Pero también es un gran filtro para evitar malas inversiones en recursos: invierte en empresas que exploran, desarrollan y extraen los metales que dijeron que iban a explorar, desarrollar y extraer.

Básicamente, Evergreen Lithium es el Chamath Palihapitiya del sector de los recursos.

 

Comparte este articulo:

shutterstock 2246064901
Buscando nuevas oportunidades por Brandon Beylo

  Hay muchas formas de ganar dinero en el mercado bursátil. Puedes hacer day trading,...

shutterstock 2286675529 scaled">

Revisando la asignación pragmática de activos: reglas simples para tiempos complejos por Quantpedia

logo

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

 

La Asignación de Activos Pragmática (PAA, por sus siglas en inglés) representa un enfoque de construcción de cartera que busca equilibrar los beneficios del seguimiento de tendencias sistemático con las realidades que enfrentan los inversores semi-activos (principalmente impuestos y falta de tiempo para gestionar posiciones). Basándonos en los análisis presentados inicialmente por Quantpedia y sus seguimientos posteriores, vemos un claro potencial en este marco—especialmente para inversores a largo plazo que buscan un punto medio entre la indexación pasiva y la asignación táctica completamente dinámica.

Nuestra perspectiva sobre la PAA destaca su practicidad, especialmente cuando se implementa con una frecuencia de rebalanceo trimestral. Este ritmo más lento ayuda a minimizar los costos por transacción y el ruido a corto plazo, al tiempo que mejora la eficiencia fiscal—dos factores frecuentemente ignorados en los backtests pero fundamentales en la gestión real de carteras. También valoramos la flexibilidad del modelo, que permite integrar señales tanto de tendencia como de riesgo, sin necesidad de reglas complejas ni rotación excesiva.

Hace aproximadamente un mes realizamos un test y filtramos estrategias de asignación de activos desde nuestro Screener, buscando aquellas con mejor desempeño en lo que va del año. Uno de los modelos que sorprendió por su rendimiento fue la Asignación de Activos Pragmática. Dadas las difíciles condiciones de mercado en lo que va de 2025, con señales mixtas entre clases de activos e incertidumbre macroeconómica creciente, creemos que es un momento ideal para revisar este marco. Este análisis puede ayudarnos a aclarar si un enfoque pragmático y basado en reglas puede seguir siendo válido—o incluso superar—en un año en el que muchos modelos han fallado.

Revisión del modelo PAA en 2024 – 2025

En este artículo, volvemos a examinar el modelo PAA utilizando los mismos enfoques y metodología. Como en anteriores ocasiones, comenzamos con un análisis del indicador de inversión de la curva de rendimientos, base estructural del modelo.

image 3

Figura 1: Inversión de la curva de rendimientos desde 1927 hasta marzo de 2025.

En 2022 observamos que los rendimientos a 3 meses superaron significativamente a los rendimientos a 10 años, y nos preguntábamos cuánto duraría esa inversión. Al momento de escribir nuestro artículo de seguimiento, la duración ya había alcanzado los 19 meses. Veámoslo más de cerca.

image 4

Figura 2: Inversión de la curva de rendimientos, últimos 30 meses.

La inversión se prolongó durante 25 meses, siendo la más larga en los últimos 100 años. Aunque se revirtió brevemente a finales de 2024, actualmente ambos rendimientos están al mismo nivel—lo que indica que el entorno aún podría no ser favorable para la renta variable (y podríamos entrar en recesión pronto).

image 5

Figura 3: Rendimiento de SPY desde principios de 2025. Fuente: Finviz.com

Este año, la confianza de los inversores en el mercado estadounidense ha disminuido considerablemente debido a la incertidumbre política en torno a las decisiones económicas de Trump. Las acciones han tenido un mal desempeño en general, como se observa en la figura.

Ahora veamos el rendimiento del modelo PAA durante los últimos cinco años. Examinamos tanto la versión original del modelo como una versión modificada con una señal de curva de rendimientos ajustada. En esta última, cuando la curva se invierte, se cambia de activos de riesgo a una cartera de cobertura o efectivo, pero la señal tiene una duración válida de solo 12 meses.

image 6

Figura 4: Rendimiento de ambas versiones de PAA desde 2020.

A largo plazo, no ha habido una diferencia significativa, al menos hasta fines de 2023. Desde entonces, ambas versiones se han alternado en liderazgo de rentabilidad, pero generalmente convergen en resultados similares, lo cual era de esperarse dada la leve diferencia entre señales.

Sin embargo, a corto plazo pueden presentarse variaciones. El año 2024 fue favorable para la renta variable, mientras que 2025 ha sido el año del oro.

Afortunadamente, la versión original del modelo PAA tiene una gran exposición al oro. Veamos las asignaciones actuales (según el informe de Asignación de Activos Pragmática en Quantpedia).

image 7

Figura 5: Composición del modelo PAA en los últimos 10 trimestres.

 

image 8
Figura 6: Composición del modelo PAA – últimos 3 meses y meses futuros.

Durante el último trimestre, el modelo estuvo aproximadamente en un 50 % invertido en oro, con una porción relevante en efectivo y el resto en bonos del Tesoro. Esta asignación ha resultado muy favorable, evitando la exposición bursátil y generando buenos resultados, como muestra la siguiente figura. En el próximo trimestre, tras más de dos años, la asignación en oro y efectivo se reducirá y se sustituirá parcialmente por EEM y MSCI.

image 9

Figura 7: Rendimiento de ambas versiones de PAA desde principios de 2025.

Por otro lado, la versión con señal ajustada no ha tenido un buen comienzo en 2025. La exposición a renta variable, que ayudó en 2024, ha sido un lastre este año.

image 10

Figura 8: Composición del PAA con señal YC modificada – últimos 10 trimestres.

 

image 11
Figura 9: Composición del PAA con señal YC modificada – últimos 3 meses y mes futuro.

Esta versión estuvo principalmente expuesta a acciones tecnológicas de EE. UU. (QQQ) y renta variable global (MSCI World), ambas afectadas por la reciente volatilidad. Para el próximo trimestre, se reducirá QQQ en favor de EEM. No obstante, gracias a su mayor diversificación frente a SPY (acciones no estadounidenses, algo de oro y efectivo), la caída ha sido más moderada, y al cierre de marzo su rentabilidad es menos negativa que la de SPY.

¿Cuál es la principal conclusión?

Simplemente recapitulamos lo que ya dijimos hace un año: un modelo sólido de asignación a largo plazo es más importante que las variaciones de corto plazo. En el corto plazo, las dos versiones de PAA tendrán rendimientos ligeramente distintos; en el largo plazo (décadas), es muy probable que ambas generen resultados similares. En los próximos 3-6 meses, las carteras modelo convergerán (y probablemente sus curvas de rentabilidad también). Nuestro objetivo es que ambas mantengan una distancia saludable respecto al benchmark MSCI en el largo plazo.

image 12

Figura 10: Rendimiento a largo plazo del PAA frente al MSCI.

¿Cómo será el futuro? No lo sabemos. Sin embargo, modelos semi-activos como el PAA pueden ser una elección inteligente en un entorno de estanflación. La asignación dinámica les permite pasar de activos de riesgo a refugios como oro o efectivo cuando sube la inflación y cae el crecimiento. A diferencia de las carteras tradicionales, el PAA se adapta a las condiciones de mercado, ayudando a reducir caídas y proteger el capital en periodos volátiles. En un entorno de estanflación, esta flexibilidad puede marcar la diferencia.

 

Comparte este articulo:

shutterstock 2286675529
Revisando la asignación pragmática de activos: reglas simples para tiempos complejos por Quantpedia

  La Asignación de Activos Pragmática (PAA, por sus siglas en inglés) representa un enfoque...

shutterstock 2468909203 scaled">

IA y trading: qué puede y qué no puede hacer por Peter Davies

1V r4E6h5222hNYDXAfAbfA

Peter Davies es director ejecutivo de Jigsaw Trading. Es trader profesional de order flow en futuros del S&P 500.

Peter Davies / Jigsaw Trading

 

Primero tuvimos a “ellos”, luego a los “HFT” y ahora a la “IA”: el avance tecnológico más reciente que, según algunos, destruirá tu capacidad para hacer trading (si eres pesimista) o te hará ganar un 1000 % al día con un plugin de 100 $ (si eres optimista).

El objetivo principal de este artículo es ayudarte a entender qué es realmente la IA y cómo evitar trampas: como culparla por tus pérdidas o comprar productos que simplemente afirman ser IA.

Muchas plataformas permiten automatizar el trading escribiendo reglas. Tú defines las reglas, la plataforma las ejecuta. Puedes hacer backtesting, ajustar parámetros (ej.: media móvil de 50 vs 200). Tú aportas la lógica, la plataforma solo la sigue.

Eso no es IA. Esa tecnología no permite desarrollar IA, aunque podrías conectar un plugin a un sistema de IA.

¿Cuál es la diferencia?

La diferencia clave es que la IA hace algo llamado “inferencia”, un término técnico que significa “descubrir cosas por sí sola”.

Simplifica tu trading

Consulta el proceso de toma de decisiones de traders profesionales con esta serie de videos formativos que te ayudará a tomar decisiones más inteligentes.

Envíame la formación gratuita

Han existido tres enfoques de IA, evolucionando con el tiempo:

1. IA simbólica (la más antigua)

¿Qué le das?: Reglas como “Si la media móvil de 50 días cruza por encima de la de 200, es alcista”, “Si el volumen está un 10 % por encima del promedio, confirma la tendencia”, “Si el mercado cae un 1 % hoy, no compres”.

¿Qué deduce?: “La de 50 cruzó la de 200 (alcista), el volumen subió un 10 % (tendencia confirmada), pero el mercado cae un 1 %—así que espera”. Realiza razonamiento paso a paso con la lógica que le diste.

2. Machine Learning (todavía vigente)

¿Qué le das?: Datos como precios, volúmenes y resultados. Un objetivo: “Maximizar beneficios en acciones tecnológicas”. Le indicas dónde mirar y qué deseas lograr.

¿Qué deduce?: “Una caída del 1 % con un aumento del 20 % en volumen = compra, con un 70 % de éxito”. Detecta patrones en los datos para alcanzar el objetivo.

3. Deep Learning (el más nuevo)

¿Qué le das?: Todo lo anterior + redes sociales, tweets, Facebook, noticias, audios, Reddit, etc. Y un objetivo: “Predecir los movimientos del S&P 500 en 30 minutos”.

¿Qué deduce?: Enlaces inusuales como “Tweets sobre subidas de tipos a las 10:00 + aumento de opciones = caída del 0,5 % en el S&P”. Encuentra patrones en el caos, sin reglas explícitas.

¿No acabarían todas descubriendo lo mismo?

No. Los resultados varían según los datos proporcionados, el objetivo asignado y la arquitectura del sistema. Es como pedirle a diferentes generadores de imágenes una “gato con sombrero”: todos dan resultados distintos.

Y cuanto más datos uses, más caro será el entrenamiento. Esto significa que hay espacio para que desarrolles tu propio sistema de IA para trading, si lo deseas.

También significa que habrá muchas IAs operando de forma distinta, lo que es positivo para los traders. De hecho, es más saludable para el mercado que el HFT, donde todos persiguen el mismo céntimo, lo que provocó el auge de los “dark pools”.

¿Y ChatGPT o Grok sirven para hacer trading?

Más o menos, pero no esperes resultados brillantes. Son LLMs (Modelos de Lenguaje de Gran Escala), un tipo de IA de Deep Learning entrenado con mucho texto para predecir y generar lenguaje.

Pueden ayudarte a investigar ideas, analizar informes o generar análisis escritos, pero no son buenos para predecir con datos numéricos. Grok está entrenado con toda la web y se actualiza constantemente. GPT está entrenado hasta el 24 de junio de 2024.

¿Podría un LLM aprender ajedrez?

Sí y no.

  • Sí: Puede aprender las reglas, estrategias básicas y discutir posiciones.
  • No: Sería muy ineficiente frente a un motor especializado como AlphaZero.

No convierte posiciones en texto de forma óptima, ni usa algoritmos como minimax. AlphaZero está hecho para eso. Un LLM es como una navaja suiza textual, útil para investigar, no para tareas predictivas precisas en datos numéricos.

Conclusión

La IA no te va a quitar el trading. Se ha usado en mercados desde los años 80, solo que no se llamaba así. Ahora que sabes más, puedes preguntarle al vendedor del plugin de 100 $:

  • ¿Es deep learning o machine learning?
  • ¿Con qué datos se entrenó?
  • ¿Qué infiere?
  • ¿Cuál era su objetivo?
  • ¿Qué framework de IA usaste?

Ninguna de esas preguntas debería ser “información confidencial”.

La IA no es magia, es solo otra herramienta.

 

Comparte este articulo:

shutterstock 2468909203
IA y trading: qué puede y qué no puede hacer por Peter Davies

  Primero tuvimos a “ellos”, luego a los “HFT” y ahora a la “IA”: el...

shutterstock 2525029183 scaled">

Entrenando el cerebro por Brett N. Steenbarger

Fotografia

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

 

Un pilar fundamental de la mayoría de los papers, la enseñanza y el coaching sobre psicología del trading es que las emociones, y los comportamientos motivados ​​por impulsos emocionales, interfieren con el éxito del trading. Según esta lógica, si aprendemos a controlar nuestras emociones y a basarnos en nuestros planes de trading, tendremos más probabilidades de éxito.

En este artículo, explicaré por qué esta idea es incorrecta. Mi próximo libro, Psicología positiva del trading, abordará este tema en detalle.

Consideremos esto: si poseyéramos libre albedrío total, no habría necesidad de ningún tipo de psicología del rendimiento. Podríamos elegir las acciones correctas en el momento adecuado y optimizar nuestro desempeño. Por el contrario, si careciéramos por completo de libre albedrío, no podría existir el trabajo sobre nuestro rendimiento. Ningún animal, por ejemplo, puede trabajar deliberadamente en sus conductas de supervivencia.

Lo que nos hace únicos como seres humanos es que poseemos un libre albedrío parcial. Tenemos la capacidad de imaginar un futuro y elegir acciones para acercarnos a ese estado deseado. También podemos distraernos de nuestros objetivos y vivir sin rumbo. Demostramos capacidad de intención, pero carecemos de intencionalidad constante. En palabras del filósofo ruso G. I. Gurdjieff, vivimos gran parte de la vida “dormidos”. Resumiendo la obra de Gurdjieff, el autor y filósofo Colin Wilson afirma que “el concepto de conocimiento del hombre occidental se basa en un error fundamental: la idea de que adquirir conocimiento solo requiere inteligencia. En realidad, requiere una forma de acción. La conciencia necesita ponerse en su ‘marcha activa’” (p. 64).

En resumen, carecemos de intencionalidad plena porque no operamos de forma constante en nuestra ‘marcha activa’. El problema no es un exceso de emoción, sino más bien una falta de entrenamiento de la voluntad.

Una respuesta común a este problema es la meditación. Según esta lógica, si aprendemos a controlar nuestro cuerpo y nuestra respiración, nos convertiremos en seres más decididos. Sin embargo, mi trabajo sobre este tema sugiere que esto no es necesariamente así.

Desde hace un tiempo, practico el entrenamiento con neurofeedback (biofeedback EEG) para aprender a sostener estados de ondas cerebrales alfa durante intervalos cada vez mayores. Usando el dispositivo Muse y su aplicación, paso un período predeterminado escuchando sonidos de una selva tropical. Cuando mi atención se dispersa y entro en modo beta, el sonido de la lluvia se intensifica. Cuando enfoco mi atención con intención y entro en modo alfa, la lluvia se reduce y finalmente cesa. En un estado alfa sostenido, puedo escuchar el canto de los pájaros. La aplicación calcula el porcentaje de tiempo en modo beta y alfa, y también cuenta los cantos de los pájaros.

Curiosamente, cuando practico meditación básica durante la sesión de biofeedback (controlando la respiración y manteniendo la conciencia corporal), logro estar muy quieto (según la medición de la app). Me siento relajado y emocionalmente tranquilo. Pero no entro en estado alfa. Es decir, reducir la activación del cuerpo (al igual que reducir emociones negativas) no es suficiente para maximizar el enfoque intencional.

Después de un período sostenido de entrenamiento EEG, con lluvia reducida y muchos cantos de pájaros, me siento inusualmente claro y enfocado. Es como ser un observador desapegado de los eventos en lugar de estar involucrado en el mundo. Todo parece moverse más lento. Ese estado se logra, no al relajarse y “estar presente”, sino al intensificar conscientemente el enfoque para hacer que la lluvia disminuya y cese.

Quizá lo más importante de todo es que, cuando estoy en ese estado desapegado, mi percepción—de la vida y de los mercados—es más clara, y no tengo ninguna dificultad en hacer lo correcto. La acción con propósito surge naturalmente, sin esfuerzo agotador.

Tal vez los traders fallan al seguir sus planes por la misma razón por la que la mayoría de las personas no persigue consistentemente sus metas en la vida. No es que seamos demasiado emocionales; es que operamos con un enfoque y una intención poco desarrollados. Una vida intencional—y un trading intencional—debe comenzar entrenando nuestro cerebro para sostener la “marcha activa” de la conciencia. En un estado relativo de “sueño”, no podemos mantener un propósito. Eso requiere entrenamiento y práctica continuos, no las típicas fórmulas del coaching o la autoayuda.

 

 

Comparte este articulo:

shutterstock 2525029183
Entrenando el cerebro por Brett N. Steenbarger

  Un pilar fundamental de la mayoría de los papers, la enseñanza y el coaching...

shutterstock 2614768019 scaled">

Warren Buffett y el poder de la paciencia por Ben Carlson

Captura de pantalla 2020 10 07 a las 15.27.47 1 e1602078279445

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

 

“El mercado de valores es un mecanismo para transferir dinero de los impacientes a los pacientes.” — Warren Buffett

El Wall Street Journal destacó un nuevo estudio que muestra que el inversor medio dedica apenas seis minutos a investigar una acción antes de comprarla.

No es de extrañar que el período medio de tenencia de una acción haya pasado de unos 8-10 años en los años 50 y 60 a apenas unos pocos meses hoy en día.

Si no sabes mucho sobre lo que posees, te resultará difícil mantenerlo durante mucho tiempo si no te hace rico de la noche a la mañana.

Esta mentalidad cortoplacista es la antítesis de Warren Buffett, quien renunció este pasado fin de semana a su cargo como CEO de Berkshire Hathaway a la respetable edad de 94 años.

La longevidad de Buffett es impresionante en muchos sentidos.

Lograr una rentabilidad compuesta del 19,9 % anual durante más de 60 años es casi de otro mundo. Un rendimiento total de más del 5.500.000 % es difícil de imaginar.

Buffett compró por primera vez acciones de American Express en 1964. Berkshire Hathaway adquirió su primera participación en GEICO en 1976. Mantiene acciones de Coca-Cola desde 1988.

Aprendí muy temprano en mi carrera como inversor que nunca sería un seleccionador de acciones como Buffett, pero inmediatamente adopté su visión sobre la inversión a largo plazo.

En la reunión más reciente dijo: “Nadie sabe lo que va a hacer el mercado mañana, la próxima semana o el próximo mes. Pero todos pasan su tiempo hablando de eso, porque es fácil de comentar. Pero no tiene ningún valor.”

Entiendo por qué la gente habla tanto del corto plazo: es entretenido. Pero él tiene razón: no tiene ningún valor. La mayoría de las cosas que uno necesita saber sobre invertir son atemporales.

Buffett ha estado predicando esto durante años.

He estado hojeando Buffett & Munger Unscripted de Alex Morris, un libro que recopila treinta años de ideas de las reuniones anuales con accionistas de Buffett.

Aquí hay un buen fragmento de la reunión de 1994:

“Compré mi primera acción en abril de 1942, cuando tenía once años. Las perspectivas de la Segunda Guerra Mundial no eran muy buenas en ese momento; a EE. UU. no le iba bien en el Pacífico. No estoy seguro de haber calculado eso al comprar tres acciones, pero solo piensa en todo lo que ha sucedido desde entonces. Armas atómicas, guerras importantes, dimisiones presidenciales, inflación masiva en ciertos momentos, todo tipo de cosas. Renunciar a lo que uno sabe hacer bien por suposiciones sobre lo que va a pasar en términos macro simplemente no tiene sentido para nosotros.”

Si tu horizonte temporal se mide en décadas, te verás obligado a afrontar condiciones desagradables de vez en cuando. Así es la vida y la inversión a largo plazo.

Me gustó esta reflexión sobre el riesgo de esa misma reunión:

“Definimos el riesgo como la posibilidad de daño o perjuicio. Y en ese sentido, creemos que está intrínsecamente ligado a tu horizonte temporal para mantener un activo.”

Es imposible ofrecer un consejo de inversión sin entender el perfil de riesgo y el horizonte temporal de alguien. Ampliar tu horizonte temporal no garantiza resultados específicos. Pueden darse malos resultados incluso en períodos de 10 o 20 años.

Pero tus probabilidades de éxito mejoran considerablemente cuanto más tiempo permanezcas en el juego.

image 2

La razón por la que es difícil ganar en el corto plazo es porque el mercado es más impredecible.

En 1999, Buffett habló sobre el interés compuesto:

“El interés compuesto se comporta como una bola de nieve en nieve pegajosa. El truco es tener una colina muy larga, lo que significa comenzar muy joven o vivir hasta muy viejo.”

Por supuesto, pensar y actuar a largo plazo es más fácil decirlo que hacerlo.

En la reunión anual de 2020, Buffett abordó la psicología de comprar y mantener acciones a largo plazo:

“No estoy recomendando que la gente compre acciones hoy, mañana, la próxima semana o el próximo mes. Todo depende de tus circunstancias. En mi opinión, no deberías comprar acciones a menos que esperes mantenerlas durante un período muy prolongado, y estés preparado financiera y psicológicamente para mantenerlas igual que mantendrías una granja sin mirar nunca una cotización. No necesitas prestarle atención. No vas a acertar con el suelo del mercado y nadie más puede hacerlo por ti.”

Si no puedes soportarlo psicológicamente, entonces realmente no deberías tener acciones, porque comprarás y venderás en el momento equivocado.

Buffett es como un ordenador andante, pero fue su temperamento lo que le permitió lograr años y años de interés compuesto. En la reunión de 2002 habló sobre la importancia de la racionalidad por encima de la inteligencia:

“No hay razón para necesitar un coeficiente intelectual alto. El temperamento, sin embargo, es enormemente importante; puede ser innato, aprendido, intensificado por la experiencia o reforzado de diversas formas. Hay que ser realista. Hay que definir con precisión tu círculo de competencia. Hay que saber lo que no sabes y no dejarse atraer por ello. Creo que hay que tener interés por el dinero, o no serás bueno invirtiendo. Pero si eres codicioso, será un desastre, porque eso anulará la racionalidad.”

Invertir a largo plazo es simple, pero no es fácil.

Michael y yo hablamos con Morris sobre Buffett y su nuevo libro en Animal Spirits recientemente.

 

Comparte este articulo:

shutterstock 2614768019
Warren Buffett y el poder de la paciencia por Ben Carlson

  “El mercado de valores es un mecanismo para transferir dinero de los impacientes a...

shutterstock 2549455197 scaled">

¿Volatilidad en retroceso? Señales positivas para el S&P 500 por Dean Christians

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

 

La media móvil de 10 días del S&P 500 para los retornos diarios ha caído por debajo del 2%, un nivel que históricamente indica un cambio en el régimen de volatilidad del mercado. Este descenso sugiere que el entorno de precios extremos podría estar normalizándose, lo que en muchos casos ha dado paso a una recuperación en los precios de las acciones.

Cuando la volatilidad disminuye después de una fase de agitación, los inversores suelen sentirse más cómodos asumiendo riesgo. Y los datos históricos desde 1942 respaldan esta tesis: reducciones similares en la volatilidad promedio a 10 días se han asociado con un entorno más favorable para las acciones estadounidenses.

image 1

Además de la señal de la volatilidad, el modelo TCTM Composite Washout ha generado una nueva alerta. Este modelo agrega múltiples componentes de «lavado» (washout), que reflejan el grado de capitulación de los inversores. Cuando el modelo supera el 30% de señales activadas, como ha ocurrido ahora, suele indicar que el mercado podría estar saliendo de un estado de pánico.

Actualmente, el recuento de señales activadas del modelo ha aumentado al 30%, lo cual sugiere que un número relevante de indicadores ha tocado extremos suficientes como para considerar que las peores caídas podrían haber pasado. Sin embargo, los analistas advierten que esto no garantiza automáticamente un rally inmediato, sino que mejora el terreno para una posible estabilización o rebote técnico.

En muchos ciclos de mercado, una caída abrupta de la volatilidad ha precedido a movimientos positivos sostenidos en los índices. De hecho, cuando la volatilidad cae desde niveles extremos, es frecuente que los compradores institucionales regresen al mercado, atraídos por un entorno más controlado para implementar estrategias de largo plazo.

No obstante, no todos los casos de baja volatilidad derivan en subidas inmediatas. Algunos resultan ser periodos de consolidación prolongada, donde los precios oscilan dentro de rangos estrechos antes de definir una dirección clara. Por ello, si bien el contexto es estadísticamente favorable, no puede considerarse una señal de compra agresiva o de alta convicción (lo que en jerga se conoce como una “fat pitch opportunity”).

Lo que dicen los datos

Desde 1942, en los eventos donde la media de 10 días de retornos del S&P 500 cayó por debajo de 2%, el índice mostró un comportamiento positivo en los seis meses siguientes en más del 70% de los casos. La rentabilidad promedio fue moderada, pero significativa en términos de mejora de riesgo-recompensa.

Esto refleja que, cuando el mercado «se calma» después de semanas de tensión, se abren oportunidades para reposicionar carteras. La ausencia de sobresaltos diarios permite que los fundamentales vuelvan a tener mayor peso en las decisiones de inversión.

Conclusión: ¿luz verde para los alcistas?

La caída de la volatilidad y el aumento de señales en el modelo TCTM Washout son indicadores positivos para los inversores de medio plazo. No constituyen una señal definitiva de compra, pero sí una mejora clara del contexto tras semanas de incertidumbre. Los inversores prudentes podrían considerar esta información como parte de una estrategia de acumulación gradual.

Como siempre, la diversificación y la disciplina siguen siendo claves, pero el entorno actual parece mucho menos hostil que el observado semanas atrás.

 

Comparte este articulo:

shutterstock 2549455197
¿Volatilidad en retroceso? Señales positivas para el S&P 500 por Dean Christians

  La media móvil de 10 días del S&P 500 para los retornos diarios ha...

shutterstock 2598333969 scaled">

La subida histórica del oro en relación con la plata por Sentimentrader

maxresdefault 400x225 1

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

 

 

Por tercera vez en 50 años, el oro cotiza a más de 100 veces el precio de la plata. Este dato por sí solo ha captado la atención de inversores y analistas por igual, no solo por su rareza, sino también por lo que podría anticipar respecto a la evolución de ambos metales preciosos.

¿Qué está impulsando este ratio tan extremo? En los últimos seis meses, el precio del oro ha experimentado una subida notable, mientras que la plata se ha mantenido relativamente rezagada. Este aumento del 30% en el ratio oro/plata refleja el interés creciente por parte de los inversores en activos considerados refugio en un contexto de volatilidad geopolítica, inflación persistente y dudas sobre la economía global.

Un ratio poco común con implicaciones históricas

Históricamente, el ratio entre oro y plata se ha movido en un rango mucho más estrecho. La media a largo plazo del ratio es de aproximadamente 60 a 1. Que hoy supere los 100 a 1 sugiere que el mercado percibe un mayor valor relativo en el oro, o bien que la plata está infravalorada.

En las únicas dos ocasiones anteriores en las que se alcanzó este ratio—en 1991 y en 2020—el oro continuó superando a la plata durante algunos meses antes de estabilizarse. Esto sugiere que la actual tendencia aún podría extenderse, especialmente si las condiciones de mercado siguen favoreciendo los activos defensivos.

Según estudios recientes de comportamiento del ratio oro/plata, cuando se producen subidas abruptas del ratio en un periodo de seis meses, suele seguir un periodo de rendimiento superior del oro frente a la plata. En otras palabras, el momentum favorece al oro, al menos a corto plazo.

Esto tiene sentido si consideramos que el oro es el activo de referencia en tiempos de incertidumbre. Su liquidez, menor volatilidad comparativa y rol como reserva de valor lo convierten en un refugio más fiable que la plata, especialmente para inversores institucionales.

Aunque la plata se percibe como un “oro pobre”, también tiene propiedades industriales importantes, por lo que su demanda depende más del ciclo económico. En entornos donde la actividad manufacturera es débil o las cadenas de suministro se desaceleran, la plata tiende a quedar rezagada frente al oro.

Sin embargo, esto no significa que esté descartada. En ciclos posteriores, la plata ha tendido a recuperar terreno, una vez que la economía muestra signos de recuperación o cuando el oro empieza a perder fuerza tras un rally extenso.

image

Para quienes siguen estrategias basadas en ratios, este nivel extremo puede representar una oportunidad para estrategias de reversión, como largos en plata y cortos en oro, aunque eso implica asumir riesgos importantes si la tendencia continúa. Alternativamente, algunos optarán por mantener exposición al oro hasta que señales claras de rotación empiecen a emerger.

La clave es no actuar con base solo en la anomalía del ratio. Es esencial considerar el contexto macroeconómico, el posicionamiento del mercado y la política monetaria global antes de tomar decisiones.

Conclusión

El ratio oro/plata superando 100 a 1 no solo es raro, sino que ha sido históricamente una señal de mercado clave. Aunque no garantiza un resultado, puede ofrecer pistas sobre el sentimiento de riesgo, la dirección de los flujos institucionales y las oportunidades de arbitraje para inversores sofisticados.

 

 

 

 

 

 

Comparte este articulo:

shutterstock 2598333969
La subida histórica del oro en relación con la plata por Sentimentrader

    Por tercera vez en 50 años, el oro cotiza a más de 100...

  • 1
  • …
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • …
  • 104
Acerca de Método Trading

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

Categoría

Artículos
Guias
Magazines

Información

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

Perú: +51 17124709

 

Síguenos

Copyright 2025 © Metodotrading.com
Acceder

perdiste tu contraseña?
Registro
¿No tienes una cuenta? ¡Regístrate aquí!
Registrar una cuenta

Se le enviará una confirmación de registro por correo electrónico.