¿Me divorcio de mi sistema? por José María Millas

• Una de las situaciones muy, pero que muy, estresantes por la que pasamos los traders algorítmicos es tener que decidir si divorciarnos o no de nuestro sistema. ¿Cómo saber cuándo hacerlo?
• Artículo publicado en Hispatrading 57.

Saber cuándo es el momento adecuado de desconectar un sistema de tu portafolio es complicadísimo, pero saber en qué basar la decisión es peor.

Peor que complicadísimo, puede parecer poca cosa, pero sería cómo ver un video de trading de YouTube sin que te pidan que te subscribas. Sí, sí de ese nivel: dificultad nivel Dios.

Estate atento, porque, de trading se lo justo, pero de separarme, muchísimo. Dos veces he estado ahí. No una, sino dos. Dos veces, compañero, dos veces. No se lo deseo a nadie, ni siquiera al gestor de JP Morgan que me da siempre contraparte y se queda con mi dinero. Bueno, a ese sí. 

Decidir si tienes que desconectar un sistema de tu portafolio es una decisión compleja, nunca es blanco o negro y siempre tendrás dudas. Muchos gurús de internet (especialmente los buenos, de esos que no tienen track-record y que si lo tienen: hoy te enseñan sus cuentas fondeadas y mañana te venden robots para cuentas demos) lo comentan por encima, pero casi nadie concreta un proceso para tomar la decisión de desconectar un sistema, así que escucha y a ver si sirve de algo.

Vamos a empezar por el principio, porque empezar por el final va a generarnos un problema de orden mental. Yo podría, porque soy un trader algorítmico de esos que nunca cierra las operaciones a mano, pero tú…, tú no lo creo, así que empezamos por el principio.

Antecedentes

Normalmente, tú estas tranquilamente operando tu portafolio, como hacemos todos los traders algorítmicos. Desde la playa, en bañador, con tu daiquiri de fresa (esos con el hielo picado, no de los otros, a mi lo que más me gustan son los del hielo picado) y sientes que ese sistema que lleva tanto tiempo en tu portafolio, en el que has invertido tanto tiempo, que tanto tiempo te costó construir y que tantas alegrías te ha dado, empieza a fallarte. Sí, después de tanta ilusión, de tantas y tantas cosas compartidas: va y te falla, bien te falla directamente o bien te falla porque se queda “corto” frente a otro sistema.

A veces el fallo es culpa suya, el tiempo pasa y las cosas ahora ya no son como eran antes, otras veces también, él o ella o elle (ufff) pierde fuelle, tú estás más receptivo, incluso buscando alternativas y ¡zas! se cruza en tu vida otro sistema, un sistema con unos ratios, un sistema nuevo, más joven, que encaja mejor con tu portafolio y cuando le haces los test de robustez entonces… (ufff los test de robustez, pero bueno, esto da para otro artículo).

A estas alturas y como trader de éxito ya sabes que los fallos nunca son de nuestra responsabilidad y los problemas siempre son culpa de algo externo, pero volvamos, volvamos que me voy. 

Diagnóstico

La ejecución en real, con el paso del tiempo es diferente al backtest, es incluso mala o nos genera pérdidas importantes.

Aquí, la recomendación de un experto en DIVORCIOS; es:

 1. Decide contra qué periodo del backtest vas a realizar la comparación. Puedes hacerlo contra el IS, el OOS, el periodo no visto o una media de varios. Concretando te diría compara contra el OOS y el periodo no visto o una media de ambos.

2. Normaliza los periodos para que sean comparables. Si estas comparando por ejemplo 6 meses contra 6 años los resultados de ambos periodos van a ser muy diferentes. Concretando te diría que extrapoles los resultados que quieres comparar a la duración total de la data.

3. Marca un nivel de tolerancia admisible. Sea cual sea el periodo contra el que compares, como la realidad va a ser diferente al backtest, marca el nivel a partir del cual vas a considerar una diferencia como significativa. Concretando te diría que marques un nivel diferente para cada ratio, porque cada ratio es 

diferente y cada uno seguramente tendrá una importancia diferente en tu decisión.

4. Selecciona los ratios más importantes y decide sólo en función de esos y no de otros ratios. No puedo concretarte, ya que cada uno tiene sus gustos, pero sí te digo que antes de tomar la decisión:

• Analices si el sistema está operando con la frecuencia “esperada”.
• Analices los ratios del portafolio resultante quitando ese sistema.
• No cambies la metodología, ni el nivel de tolerancia, ni los ratios sobre los que tomas la decisión, mantén el lado oscuro (la discrecionalidad) lo más lejos posible del proceso de decisión.

Con esta información, compara y decide 

Para hacerlo siguiendo este proceso puedes sin problema empezar ya a hacer cálculos, pero un montón. También puedes ser uno, una o une (buff) de los 144 que trabajen con TradeCorrelator. TradeCorrelator es una aplicación de escritorio que se simplifica la gestión de tu portafolio. TradeCorrelator sólo es apta para traders algorítmicos que gestionen Portafolios con muchos sistemas. Te facilita, entre otras cosas, a golpe de click todo escrito en este artículo: mira qué casualidad ¿no?, además de forma fácil, rápida y eficiente. Si quieres saber más: ¡Apúntate a la lista de tradecorrelator.com! Podrás ver videos de la herramienta en funcionamiento, videos super  profesionales con una maquetación y efectos audiovisuales espectaculares donde el contenido es lo de menos. 

Como hay muchas metodologías respecto al tema de los periodos y la forma de back-testear sistemas algorítmicos, vamos a detallar lo más técnica y científicamente posible los periodos que se pueden considerar:

1. In Sample (IS o dentro de muestra) es aquella etapa de la relación en la que se genera el sistema, suele tener unos ratios geniales y todo está bien, pase lo que pase todo está bien, nada tiene importancia. Love is in the air total. La primera época de cualquier relación es perfecta, ese es el periodo In Sample. Aunque todos sabemos que es un periodo pasajero, es muy bonito.

Comparar la ejecución del sistema con el IS es una locura, pasados unos años de relación, la tapa del wáter, los hijos, tu suegra, tu cuñado, ningún matrimonio lo soportaría. Hazte un favor nunca compares la ejecución real contra el IS.

2. Out Of Sample (OOS o fuera de muestra) es el periodo contra el que validas las hipótesis del IS. Este periodo ya es diferente, no todo es tan perfecto, empiezan a aparecer las primeras discrepancias. Te das cuenta que esa etapa de enamoramiento ha pasado, pero bueno como la relación se ha forjado en el IS, en el OOS ya entendemos que haya diferencias. Los problemas más usuales son los de siempre, que cuando gastas, gastas más de lo que pensábamos, que el mayor draw down siempre está por venir, que si… pero bueno al final este periodo normalmente no es muy muy problemático.

3. El periodo de datos no vistos, es un periodo de tiempo contra el que re-testeas las hipótesis creadas en el IS y validadas en el OOS. Aquí la cosa cambia, y es donde aparecen las primeras diferencias serias, dejas tu cepillo de dientes, vas a alguna celebración familiar de tu sistema, tienes las primeras discusiones importantes (sal fina o gruesa, pan con gluten o sin gluten etc.), vamos lo de siempre. Pero el sistema también se comportó bien porque decidiste incorporarlo a tu portafolio.

4. El periodo de ejecución en real, aquí ni generamos, ni validamos, ni re-testeamos Aquí es donde se pierde o se gana dinero y es donde se nos plantea la duda de si nos divorciamos o no. Las personas en backtest ni pestañeamos, pero en real todo cambia. Sufrimos el caos del mercado y la relación se tensiona de verdad, generando euforia o dolor. Tanto es así que la media del porcentaje de divorcios en los países occidentales es de alrededor del 50%, así que prepárate porque eso significa 1 de cada 2.

Si te he hecho sonreír hablando en serio de trading algorítmico he tocado TP. Si me quieres devolver el favor apúntate a la lista que es gratis y sin compromiso, aunque amenazo con explicarte tan bien la aplicación y que lo veas tan claro que la acabes comprando.

¡Feliz trading!

La inteligencia artificial no es inteligente por Dr. Ed Yardeni

I. ¿Está lista la IA para despegar definitivamente? Los locos años 2020 comenzaron en el mercado de valores el 30 de noviembre de 2022. Fue entonces cuando OpenAI lanzó ChatGPT. Me inscribí en la versión de $20 por mes de este programa impulsado por inteligencia artificial (IA). Puede escribir informes y mantener una conversación. Le di una vuelta para ver si podía escribir nuestros Morning Briefings o nuestros QuickTakes más cortos.

Mi decepción fue inmediata. Estaba claro que tendríamos que dedicar más tiempo a verificar los hechos y corregir los numerosos errores en el resultado del programa del que nos lleva escribir nuestra investigación. En otras palabras, hay mucho margen de mejora en esta nueva tecnología. Así que no hay perspectivas inmediatas de pasar el resto de nuestras vidas sin preocupaciones y bebiendo piñas coladas en la playa.

La IA es artificial pero poco inteligente. Es básicamente un modelo de probabilidad estadística que puede digerir grandes cantidades de información de Internet pero carece de la capacidad de reconocer y corregir sus propios errores, lo cual es un atributo clave de la inteligencia.

Las versiones más simples de IA existen desde hace algún tiempo. Microsoft Word ha tenido durante mucho tiempo una función de autocompletar. Cuando lo enciendes, anticipa tus siguientes palabras y sugiere palabras o frases a medida que escribes. Cuando lo esté utilizando, debe verificar que prediga correctamente lo que desea escribir o las próximas palabras que desea escribir. Si hace una predicción incorrecta, inmediatamente reconoce su error y sigue escribiendo, ignorando las sugerencias de autocompletar.

Google describe su Autocompletar como “una función dentro de la Búsqueda de Google que hace que sea más rápido completar las búsquedas que comienzas a escribir. Nuestros sistemas automatizados generan predicciones que ayudan a las personas a ahorrar tiempo al permitirles completar rápidamente la búsqueda que ya tenían intención de realizar. … Además de las predicciones de búsqueda completas, Autocompletar también puede predecir palabras y frases individuales que se basan tanto en búsquedas reales como en patrones de palabras encontrados en la web”.

Otros ejemplos de IA que existen desde hace algún tiempo son Siri de Apple y Alexa de Amazon. Pueden responder con precisión muchas preguntas. Pueden reproducir música, vídeos y audiolibros. Pueden despertarte por la mañana y decirte el tiempo. Pero no pueden conversar contigo. Son ponis de un solo truco como asistentes personales. En mi opinión, la IA estará lista para con plenas capacidades una vez que Siri y Alexa puedan funcionar como asistentes personales multitarea.

Actualmente se gastan miles de millones de dólares en tecnologías de inteligencia artificial. El resultado debería ser una IA más inteligente que impulse la productividad como todos esperan.

II. Conozca al profesor Gary Smith. Gary N. Smith es profesor Fletcher Jones de Economía en Pomona College. Su investigación sobre mercados financieros, razonamiento estadístico e inteligencia artificial ha sido citada con frecuencia. Se ha centrado en las anomalías del mercado de valores, las falacias estadísticas y el mal uso de los datos. Es autor de decenas de artículos de investigación y 16 libros.

Gary era profesor asistente y uno de mis profesores en el programa de doctorado en economía de la Universidad de Yale. Recientemente ha influido en mi forma de pensar sobre la IA. Véase, por ejemplo, su artículo del 15 de enero de 2024 titulado, traducido el título al español, “Contaminación de Internet: si dices una mentira lo suficiente…”.

Sostiene que:

(1) “ChatGPT, Bing, Bard y otros modelos de lenguajes grandes (LLM) son innegablemente sorprendentes. Inicialmente pensado como una herramienta de autocompletar nueva y mejorada, pueden generar respuestas persuasivas a consultas, entablar conversaciones similares a las humanas y escribir ensayos gramaticalmente correctos. Hasta ahora, sin embargo, sus principales éxitos han sido brindar entretenimiento a los adictos a la LLM, recaudar dinero para esquemas de fingir hasta lograrlo y generar desinformación de manera eficiente”.

(2) “Se dice que si se dice una mentira por mucho tiempo, la gente llegará a creerla. En nuestra era de Internet, una mentira repetida en una gran cantidad de lugares de Internet eventualmente será aceptada como verdad por los LLM, particularmente porque no están diseñados para saber qué significan las palabras y, en consecuencia, no tienen una forma práctica de evaluar la verdad o falsedad de las mismas el texto que ingresan y emiten”.

(3) “Es probable que este ciclo autopropulsado de falsedades empeore, mucho más. A medida que los LLM inundan Internet con invenciones intencionales y no intencionales, los LLM estarán cada vez más capacitados en estas falsedades y serán cada vez más propensos a regurgitarlas. No serán sólo tonterías divertidas sobre los osos rusos en el espacio. Serán mentiras crueles sobre personas, empresas y gobiernos, todas dichas con confianza y autoridad, y muchas personas se verán condicionadas a creer las tonterías de los LLM”.

Links sobre psicotrading: Mantener una mentalidad resiliente por Brett N. Steenbarger

La resiliencia no es la ausencia de estrés, sino más bien la capacidad de canalizar el estrés hacia un mayor rendimiento. Veamos algunas ideas que valen la pena analizar sobre la resiliencia en el trading:

* La forma en que aprendemos a hacer trading también puede ser la forma en que aprendemos la resiliencia;

* Aquí hay un excelente hilo del Dr. Steven Goldstein: cómo la resiliencia proviene de alinear nuestro trading con nuestra personalidad;

* Lance Breitstein transmite auténticas joyas de James Clear, haciendo hincapié en la importancia de la paz mental y la satisfacción interior hacia la resiliencia y el rendimiento. Aquí hay un gran hilo de James Clear que capta la importancia de la persistencia;

* Encuentro que la investigación de los edges o ventajas en los mercados conduce a una mayor confianza en las ideas de trading, lo que conduce a una mayor resiliencia durante las operaciones. Este es un buen ejemplo de investigación de Concretum Research;

* Hilo muy interesante de Richard Moglen sobre cómo los mejores traders centran sus esfuerzos;

* Mike Bellafiore de SMB Capital enseña a los traders en desarrollo a reconocer los patrones en el mercado y construir «libros de operaciones» para el trading, una gran manera de construir resiliencia a través de una formación intensiva;

Aprendemos a ser resilientes aprendiendo de personas resilientes…

¿Cuál es el mayor riesgo en este momento? por Ben Carlson

Un lector pregunta:

¿Cuál es el mayor riesgo en los mercados en este momento?

La respuesta simple, para la que todos se han estado preparando en los últimos 24 meses: una recesión.

En la era posterior a la Segunda Guerra Mundial, la economía de los Estados Unidos ha caído en una recesión aproximadamente una vez cada 5 años más o menos, en promedio.

Mira lo espaciadas que se han vuelto esas recesiones (las barras grises) en las últimas décadas:

Desde finales de la década de 1940 hasta principios de la década de 1980, hubo una recesión una vez cada tres años y medio, en promedio. Desde 1990, ha habido una recesión cada nueve años, en promedio.

Pasamos casi 11 años entre el final de la recesión de la Gran Crisis Financiera en 2009 y el colapso por el Covid en la primavera de 2020. Sin embargo, esa recesión de dos meses durante la pandemia fue autoinducida. No formaba parte del ciclo económico normal.

Si excluimos ese período de dos meses, ahora estamos viendo casi 15 años desde la última verdadera contracción económica en los Estados Unidos. Hubo un gran reinicio en el entorno económico en la primavera de 2020, pero esta expansión ha estado ocerdiendo desde hace algún tiempo.

No estoy dispuesto a internar predecir si habrá o no una recesión este año porque la economía sigue siendo fuerte por la mayoría de las medidas. Sin embargo, una desaceleración económica inesperada a partir de aquí es un riesgo real de mercado.

Algunos dirían que la reaceleración de la inflación también es un riesgo.

Eso tiene sentido si significa que la Reserva Federal se vería obligada a subir las tasas de nuevo. Sin embargo, con las cadenas de suministro restablecidas después de la locura de la pandemia, una mayor inflación probablemente también significaría una economía más fuerte durante más tiempo.

Eso me parece una buena noticia, siempre y cuando la inflación no aumente significativamente.

La respuesta menos satisfactoria para el mayor riesgo en este momento es algo que sale del campo de visión. Los mayores riesgos son siempre los que no ves venir. Por definición, no se pueden predecir esos riesgos de antemano.

Estoy seguro de que podría llegar a otras variables macro o micro, como las tasas de interés, las valoraciones o que la Reserva Federal estropeé algo.

Tal y como yo lo veo, cualquiera de estos riesgos económicos o de mercado son el coste de acceso al invertir. Nadie sabe nunca el momento o la magnitud de las recesiones o los mercados bajistas, pero sabes que se darán en algún momento. Esos riesgos siempre están presentes, incluso si no ocurren muy a menudo.

Por lo tanto, el mayor riesgo para la mayoría de los inversores no tiene nada que ver con la economía o los mercados en absoluto, el mayor riesgo eres tú.

Existe el riesgo de que abandones tu plan de inversión y cometas un gran error en el peor momento posible.

Existe el riesgo de que el FOMO te haga seguir a otros en una mala inversión que no entiendes.

Existe el riesgo de que te vuelvas demasiado complaciente cuando los mercados están subiendo y demasiado asustado cuando los mercados están bajando.

Existe el riesgo de que vendas todas tus acciones y nunca vuelvas al mercado porque te paralizas por el miedo a tomar otra decisión inoportuna.

El riesgo viene en diferentes formas en diferentes momentos, pero nunca desaparece por completo, independientemente de cómo posicione su cartera.

Warren Buffett escribió una vez: «El riesgo proviene de no saber lo que estás haciendo».

Uno de los mejores controles de riesgo que tienes como inversor es saber lo que tiene, por qué lo tienes y durante cuánto tiempo lo tendrás.

Hablamos sobre esta pregunta en la última edición de Ask the Compound:

Jonathan Novy se unió a mí en el programa esta semana para hablar sobre una gran cantidad de preguntas relacionadas con los seguros: término vs. toda la vida, cuando tiene sentido usar los productos de seguros como vehículos de inversión y los diferentes tipos de seguros de vida.

La selección de acciones no es lo mismo que la gestión de carteras por Ben Carlson

Al principio de empezar a ahorrar, di prioridad a las cuentas de jubilación con impuestos diferidos sobre todo lo demás.

Me gusta la facilidad y simplicidad de las contribuciones 401k que salen de mi sueldo antes de que toque mi cuenta corriente. Es fácil de automatizar. La naturaleza de establecer y olvidar de un plan de jubilación en el lugar de trabajo es una de mis características favoritas.

Además, me gusta el hecho de que sea difícil sacar el dinero de estas cuentas. No voy a tocar el dinero hasta la edad de jubilación, así que quitar la tentación de hacerlo es una maravillosa protección del comportamiento.

Una vez que todo eso estaba en piloto automático y me sentí cómodo con la cantidad que estábamos ahorrando en cuentas de jubilación con impuestos diferidos, la segunda fase fue la creación de una cuenta imponible para ofrecer un poco más de flexibilidad antes de la edad de jubilación.

Usé un reembolso de impuestos para configurar mi cuenta de corretaje inicial de bajo costo hace varios años. La cantidad era tan pequeña que decidí elegir algunas acciones en lo que se consideraba mi cuenta divertida.

Soy un creyente devoto en la inversión a largo plazo y en los beneficios de los fondos indexados, pero no me importa que los inversores elijan acciones de un lado si así están contentos.

Me he divertido con esta cuenta a lo largo de los años, pero a medida que ha crecido y he asignado más dólares, las apuestas han aumentado. Cuando esa cuenta imponible comenzó a convertirse en dólares reales, ya no era muy divertido.

La simple razón de esto es que la selección de acciones no es lo mismo que la gestión de carteras. Elegir acciones siempre es difícil, pero es aún más difícil cuando tratas de seguir la planificación financiera.

Invertir en fondos índice y estrategias cuantitativas es fácil. El promedio de costos en dólares en ellos es sencillo. Compro y mantengo y compro y mantengo y nunca vendo fuera del reequilibrio. Pero el reequilibrio también es fácil, porque no me preocupa que ninguno de estos fondos explote y nunca se recupere.

El promedio del costo en dólares con una cartera de acciones individuales es un desafío.

Tienes algunas acciones que han subido mucho y algunas acciones que se han hundido. ¿Dónde asignas los nuevos ahorros? ¿A los grandes ganadores o a los grandes perdedores?

No hay una respuesta fácil.

Entender cuándo vender acciones podría ser la parte más difícil de poseer títulos individuales.

Hay muchas estrategias para comprar acciones. Nunca he escuchado una buena explicación de nadie sobre un buen método para venderlas.

¿Vender a las acciones ganadoras para comprar más de las perdedoras? Eso es como cortar tus flores para regar tus malas hierbas. Pero nadie se fue a la quiebra obteniendo beneficios. Pero también deja que tus acciones que más ganan corran.

Vale, ¿así que vende a tus acciones perdedoras y doblas la posición en las ganadoras? ¿Por qué tendrías miedo cuando los demás tienen miedo? ¿Por qué te quedarías sin la tienda cuando hay una venta?

Y si vendes a una acción ganadora o perdedora, ¿te quedan con el dinero en efectivo durante un tiempo para esperar un lanzamiento gordo? ¿Qué pasa si el mercado se te escapa? ¿Pones ese dinero en una nueva acción u otra acción en la cartera? ¿Qué pasa si las valoraciones no son tan convincentes?

Obviamente, hay personas que hacen esto para ganarse la vida que tienen un proceso y piensan profundamente sobre estos temas.

Sin embargo, tener acciones individuales invita a obstáculos infinitamente más de comportamiento que a una estrategia más simple.

Es más fácil ignorar los fondos indexados y los ETF. No puedes ignorar las acciones individuales.

Por ejemplo, el mercado de valores puede actuar como un lunático trastornado a veces. Solo piensa en lo loco que fue algo como el desplome de 1987 cuando todo el mercado cayó más del 20 % en un solo día.

Pero ahora piensa en el hecho de que las acciones individuales tienen sus propios desplomes similares a los de 1987 de forma regular.

Snap acaba de caer más del 30 % después de informar sus últimos resultados. También puedes ver un colapso inverso de 1987. Lyft subió más del 30% después de reportar ganancias.

Y esto sucede constantemente con las acciones individuales.

Piensa en el miedo, la codicia y el FOMO causados por el mercado de valores en su conjunto. Ahora multiplica eso por un factor de 10 más o menos y ese es el tipo de cambios emocionales que tener acciones individuales puede traer a los inversores.

¿De qué otra manera podemos explicar el hecho de que tantos inversores piensan que pueden superar al mercado cuando la evidencia es concluyente: a largo plazo, alrededor del 90 % de los gestores de inversiones profesionales tienen un rendimiento inferior a los fondos de índice simples?

Estas personas hacen esto para ganarse la vida. Tienen equipos de personas que investigan acciones día y noche, hablan con los equipos de gestión, investigan a los competidores, estudian los estados financieros de la empresa, van a ferias para descubrir nuevas ideas y vierten informes trimestrales de ganancias.

Y la gran mayoría de ellos todavía fracasan.

Vencer al mercado es muy difícil.

Es aún más difícil en el contexto de la gestión de carteras.

Todavía tengo un puñado de acciones individuales en mi cuenta de corretaje. Pero todos mis nuevos ahorros van a los fondos de índices de esa cuenta.

Ese alfa mental me ayuda a dormir por la noche.

Michael y yo hablamos sobre la selección de acciones y mucho más en el vídeo de Animal Spirits de esta semana:

Suscríbete a The Compound para que no te pierdas ni un episodio.

Exploración de estrategias de impulso de los CTA usando ETF por Quantpedia

Introducción – Fondos CTA

Los fondos de Commodity Trading Advisor (CTA) se asocian comúnmente con futuros gestionados que invierten en futuros y opciones, y son un subconjunto del universo más amplio de los fondos de cobertura. Más allá de las materias primas, tienen la flexibilidad de aventurarse a invertir con otros activos, incluidas las tasas de interés, monedas, renta fija y los índices de renta variable. La mayoría de las estrategias de los CTA siguen tendencias, por naturaleza. La inversión que sigue a la tendencia implica tomar posiciones largas en mercados que experimentan tendencias al alza y posiciones cortas en mercados que experimentan tendencias a la baja, con la expectativa de que estas tendencias persistan.

Los fondos CTA demuestran una correlación negativa con los activos tradicionales, especialmente evidente durante los períodos de pronunciadas caídas en los mercados de valores. Esta característica los posiciona como una opción de inversión alternativa atractiva, que sirve como una medida de protección contra los eventos extremos en los mercados financieros y reconocida por su eficacia potencial en la protección de las acciones durante el estrés del mercado.

Los fondos CTA han recibido una atención especial, especialmente durante y después de la crisis financiera de 2008. A pesar de sus impresionantes rendimientos en 2008, el rendimiento posterior se ha visto marcado un rendimiento bastante plano. Luego, se produjeron una serie de eventos globales negativos; primero, fue la pandemia de COVID-19 en 2019 y, poco después, la invasión rusa de Ucrania. Durante este tiempo, la volatilidad y las tendencias volvieron a los mercados financieros, y los fondos CTA volvieron a destacar.

La figura 1 muestra el rendimiento de uno de los fondos diversificados de CTA: SG CTA Index a lo largo del tiempo. El rendimiento del índice en 2023 fue estable, pero en una hazaña notable, el SG CTA Index concluyó el año de crisis de 2022 con una ganancia sustancial del 20,1 %, marcando su rendimiento anual más impresionante desde que Société Générale inició el cálculo del índice en 2000. El SG calcula la tasa de rendimiento neto diario para un grupo de asesores de trading de materias primas (CTA) elegidos entre los gestores más importantes actualmente abiertos a nuevas inversiones. El rendimiento de 2022 subraya la eficacia de las estrategias de futuros gestionados, destacando su capacidad para prosperar en un entorno negativo del mercado.

En este documento, ideamos un modelo de impulso de series temporales que implica la creación de una mezcla ponderada por volatilidad de estrategias de impulso de series temporales de 3 meses, 6 meses, 9 meses y 12 meses en las cuatro principales clases de activos utilizando el conjunto de datos que abarca desde el 10 de abril de 2006 hasta el 28 de febrero de 2023. No solo estamos interesados en el comportamiento de la estrategia diversificada en sí, sino también en cada una de sus subestrategias y su contribución a su rendimiento general. Nuestro objetivo es explorar estrategias de seguimiento de tendencias mediante la creación de un «proxy CTA» utilizando ETF en todas las clases de activos. El uso de ETF permite mantener la diversificación de los fondos CTA y representa una alternativa con una disponibilidad de datos más fácil en comparación con los contratos de futuros. Además, estamos muy interesados en ver la contribución de la etapa corta de las subestrategias CTA al rendimiento, ya que tenemos la hipótesis de que podemos mejorar significativamente el perfil de riesgo-rendimiento de las estrategias CTA eliminando una etapa corta de algunas subestrategias.

Sin embargo, es importante tener en cuenta que el proxy CTA ETF puede no proporcionar el mismo nivel de apalancamiento que los contratos de futuros. Sin embargo, a los efectos de este estudio exploratorio, es suficiente utilizar una relación máxima de apalancamiento de 2:1 en la cartera final.

Datos

El universo CTA consta de 13 ETF negociados entre el 10 de abril de 2006 y el 28 de febrero de 2023, que abarcan diversas clases de activos. Comprende 6 ETF de acciones, 3 ETF de bonos y 3 ETF de materias primas y 1 ETF de divisas.

Los datos de precios se obtuvieron de Yahoo Finance, utilizando el precio de cierre ajustado para cada ETF. Esta métrica refleja el precio de cierre de una acción ajustado por divisiones de acciones, distribuciones de dividendos y otros eventos relevantes que podrían afectar el valor de las acciones.

En el ámbito de los ETF de acciones, nuestra selección incluye entidades conocidas como SPDR S&P 500 ETF Trust (SPY), iShares Russell 2000 ETF (IWM) para exposición de pequeña capitalización, iShares MSCI EAFE ETF (EFA) que representan valores de Europa, Australia y el Lejano Oriente, iShares MSCI Emerging Markets ETF (EEM), iShares U.S. El ETF inmobiliario (IYR) y el Invesco QQQ Trust (QQQ) se centran en la tecnología y las acciones de crecimiento. En la categoría de ETF de bonos, nuestra inclusión incluye iShares iBoxx $ Investment Grade Corporate Bond ETF (LQD), iShares 7-10 Year Treasury Bond ETF (IEF) e iShares TIPS Bond ETF (TIP), que rastrean el rendimiento de los EE. UU. Obligaciones públicas protegidas contra la inflación del Tesoro. Dentro del ámbito de los ETF de materias primas, abarcamos PDR Gold Shares (GLD), United States Oil Fund, LP (USO) e Invesco DB Commodity Index Tracking Fund (DBC), que ofrece exposición a 14 materias primas en varios sectores. Por último, los ETF de divisas incluyen Invesco CurrencyShares Euro Currency Trust (FXE), diseñado para reflejar el precio del euro.

Metodología

Nuestro objetivo principal es explorar la estrategia de Commodity Trading Advisor (CTA) mediante la construcción de un proxy CTA utilizando fondos negociados en bolsa (ETF) en lugar de contratos de futuros. Este enfoque nos permite capturar la esencia de las estrategias CTA al tiempo que superamos algunos de los desafíos prácticos asociados con el trading con los contratos de futuros.

Para establecer nuestro modelo, nuestro primer paso consiste en calcular el rendimiento diario de todos los ETF de nuestro conjunto de datos, sirviendo como base para los análisis posteriores. Basándonos en esto, calculamos su rendimiento en varios horizontes de tiempo, examinando específicamente los períodos de retroceso de 3 meses, 6 meses, 9 meses y 12 meses. La siguiente etapa consiste en determinar el rendimiento promedio a lo largo de estos cuatro plazos distintos, proporcionando una medida consolidada de las tendencias a medio y largo plazo de cada ETF. Con este conjunto de datos completo en la mano, procedemos a derivar nuestras señales de seguimiento de tendencias. Estas señales se generan en función de la señal mensual de cada ETF. Un impulso positivo (promedio de los períodos de retroceso de 3 meses, 6 meses, 9 meses y 12 meses) al final de un mes determinado genera una señal positiva y, por el contrario, un impulso negativo genera una señal negativa. Luego agrupamos los ETF en los 4 grupos (acciones, bonos + fx, materias primas) y ponderamos los ETF inversamente en cada grupo en función de su volatilidad de los últimos 20 días. La estrategia final pondera tres grupos de subestrategias (acciones, bonos+fx, materias primas) en la estrategia final, una vez más utilizando el enfoque de volatilidad inversa. Esta metodología de ponderación garantiza una contribución de riesgo constante de cada ETF y clase de activos.

Nuestro objetivo es analizar las subestrategias individuales dentro del proxy CTA diversificado y cuantificar la contribución de cada subestrategia al rendimiento general de la cartera diversificada. Para lograr esto, primero desglosamos la estrategia diversificada en grupos y luego en varias subestrategias tomando diferentes posiciones en cada tipo de activo, tomando posiciones solo largas por separado para acciones, bonos (más moneda) y materias primas, posiciones cortas y largas para acciones, bonos (más monedas) y materias primas, y posiciones solo cortas para acciones, bonos (más moneda), materias primas. Luego, examinamos el rendimiento de todas las subestrategias y sacamos conclusiones.

Resultados

Dividimos los resultados en dos grandes categorías. En primer lugar, discutamos nuestros resultados para la cartera diversificada.

Cartera diversificada Long-only (todos los activos/ETF)

Como se muestra en la Tabla 1, el rendimiento anualizado de la cartera se sitúa en el 3,43%, lo que refleja su crecimiento anual promedio durante el período dado. La desviación estándar es del 5,10 %, y el ratio Sharpe, una medida de rendimiento ajustado por riesgo, está en 0,67, lo que sugiere un rendimiento razonable teniendo en cuenta el riesgo asociado. Además, el rendimiento de una cartera diversificada long-only se muestra en la Figura 2 en forma de curva de acciones.

El rendimiento puede parecer pequeño, pero es importante tener en cuenta que, debido a que nuestro proxy CTA está pesado por la volatilidad, los ETF de renta fija de bajo riesgo y los ETF de divisas son una parte significativa de la cartera. El rendimiento se puede aumentar fácilmente empleando el apalancamiento del corredor o mediante el uso de ETF apalancados. Nuestro objetivo en esta etapa no es maximizar el rendimiento, sino comprender los impulsores del rendimiento de las subestrategias individuales.

Tabla 1. Cartera diversificada long-only

Cartera diversificada Short-only (todos los activos/ETF)

La cartera diversificada short-only mostró un rendimiento anormal acumulativo negativo del -0,62 %, mostrando una disminución en el valor durante el período de tiempo especificado. Con una desviación estándar del 6,80 %, la cartera mantuvo un nivel moderado de riesgo, mientras que su reducción máxima sustancial de -31,55 % refleja una pérdida significativa durante las condiciones adversas del mercado. El ratio Sharpe negativo de -0,09 sugiere que el rendimiento puede no ser suficiente para justificar el riesgo asumido, y el ratio Calmar de -0,02 hace hincapié en un riesgo significativo asociado con la estrategia de short-only. Las características financieras mencionadas se muestran en la Tabla 2. La figura 3 muestra el rendimiento de la cartera.

Por lo tanto, la etapa corta de toda la estrategia de proxy CTA tiene una contribución negativa al rendimiento general. La pierna corta puede ayudar a que el CTA Proxy funcione bien en la crisis, pero el costo de eso no es insignificante. Intentaremos modificar la parte corta de la estrategia, disminuir los costos y mejorar la estrategia proxy CTA.

Tabla 2. Cartera diversificada short-only

Cartera diversificada long-short (todos los activos/ETF)

La Tabla 3 y la Figura 4 ilustran el rendimiento de la cartera diversificada de ETF CTA Proxy long-short. Logró un rendimiento anormal acumulativo del 2,86 %, con una mayor volatilidad del 7,66 % en comparación con la contraparte de la cartera long-only. Experimentó una pérdida máxima sustancial del -19,45 %, lo que indica un aumento de la vulnerabilidad. El ratio Sharpe de 0,37 indica que el rendimiento de la cartera puede no compensar adecuadamente el mayor riesgo.

La estrategia que involucra posiciones largas y cortas en varios tipos de activos no produce un rendimiento significativo. Puede que tenga las características de «cobertura de crisis», pero el precio por eso es alto. La pregunta es, ¿cuál de las subestrategias individuales de short-only funciona como un lastre en el rendimiento general de la cartera de ETF CTA Proxy? ¿Tienes alguna idea? Veamos los detalles de la siguiente sección.

Tabla 3. Cartera diversificada long-short.

Long-only (grupos individuales – acciones, bonos + fx, materias primas)

En cuanto a las subestrategias long-only (cuando seguimos solo las señales de impulso positivo y tenemos una posición de 0 en un ETF en particular cuando hay una señal de impulso negativo), la subestrategia que utiliza los ETF de acciones exhibe una volatilidad notable (13,21%) y una pérdida sustancial (-25,93%), sin embargo, lidera en términos de rendimiento anormal acumulativo (4,13%), lo que indica el mejor rendimiento general entre las tres carteras. La subestrategia de materias primas exhibe una alta volatilidad (12,21%) y una reducción sustancial (-34,36%). La subestrategia de bonos y divisas parece ser la menos arriesgada (3,96%), mostrando un rendimiento más conservador (2,48%). La tabla 4 y la figura 5 presentan nuestros resultados solo para tomar posiciones largas. En general, las estrategias de solo larga contribución al rendimiento general de la estrategia de proxy de la ETF de la CTA.

Tabla 4. Acciones long-only, bonos+fx, materias primas

Short-only (grupos individuales – acciones, bonos + fx, materias primas)

La subestrategia short-only (cuando tomamos solo las señales de impulso negativo y tenemos una posición 0 en un ETF en particular cuando hay una señal de impulso positivo) utilizando ETF de acciones emergentes como la más arriesgada con la mayor volatilidad (16,64%) y una amplia pérdida (-72,66 %). Además, produce un rendimiento anual significativamente negativo de -4,94%. La subestrategia de materias primas sigue en riesgo (12,11 %), pero produce rendimientos anuales acumulativos positivos del 0,53 %. La subestrategia de bonos cortos y divisas parece ser la menos arriesgada, con una volatilidad más baja (4,21 %) y una pérdida más leve (-13,56 %). La cartera de bonos en corto destaca en términos de rendimiento, con su rendimiento anual del 0,74 %, siendo la mejor en rendimiento entre las tres carteras en corto, short-only. La Tabla 5 y la Figura 6 presentan nuestros resultados para tomar posiciones largas y cortas.

Tabla 5. Acciones solo en corto, bonos + fx, materias primas

Figura 6. Acciones solo en corto, bonos + fx, materias primas

Long – short (grupos individuales – acciones, bonos+fx, materias primas)

La subestrategia de long-short que utiliza los ETF de acciones destaca como la más arriesgada con la mayor volatilidad (19,35%) y una pérdida sustancial (-50,02%). Su rendimiento es negativo (-0,63 %), al iguí como su relación de Sharpe (-0,03). Las subestrategias de bonos a corto-largo + divisas y materias primas largas y cortas muestran rendimientos positivos, con los productos básicos liderando el rendimiento y los bonos + divisas con el riesgo más bajo. La Tabla 6 y la Figura 7 presentan los resultados para tomar posiciones largas y cortas.

Tabla 6. Acciones long short, bonos+fx, materias primas

Figura 7. Acciones long-short, bonos+fx, materias primas

Se propone una nueva estrategia CTA ETF Proxy

Nuestro objetivo era explorar estrategias de seguimiento de tendencias y cómo tomar diferentes posiciones en diferentes clases de activos influye en el rendimiento final de la estrategia diversificada CTA ETF Proxy. Como muestran los resultados, la subestrategia de proxy CTA ETF shor-only (cuando tomamos solo las señales de impulso negativo y tenemos una posición de 0 en un ETF de acciones en particular cuando hay una señal de impulso positivo) no da una contribución positiva a todo el rendimiento de la estrategia proxy CTA ETF. Aunque, de vez en cuando, una posición corta en acciones es útil como cobertura ante crisis, se hace a costos que son demasiado altos, especialmente cuando comparamos esta subestrategia de short-only en el subuniverso de los ETF de renta variable con las subestrategias de short-only, que utilizan los ETF de solo materias primas o los ETF de bonos + fx, que son suficientes coberturas de crisis a costos mínimos.

Por lo tanto, nuestra recomendación final es modificar el modelo de la siguiente manera: emplear las posiciones long-short para los bonos + fx y los ETF de materias primas, sin embargo, posiciones solo largas para los ETF de acciones. Esto nos da el ratio Sharpe más alto de todas las alternativas, como se ve en la Tabla 7.

Tabla 7. Bonos cortos & largos + ETF de divisas y materias primas, ETF de acciones long-only.

Como mencionamos anteriormente, el menor rendimiento se puede explicar por la ponderación de la volatilidad, la concentración en los ETF de bajo riesgo y el uso de ETF en lugar de futuros. Pero el rendimiento se puede aumentar mediante la entrega de esta estrategia.

Así que, finalmente, para amplificar los rendimientos de la estrategia propuesta, utilizamos el apalancamiento de 2:1 y presentamos los resultados en la Tabla 8 y la Figura 9.

Tabla 8. Estrategia propuesta CTA ETF Proxy CTA

Conclusión

Los fondos de Commodity Trading Advisor (CTA), a pesar de su nombre, abarcan estrategias que involucran varias clases de activos, incluidas acciones, bonos y monedas. Como se demostró durante crisis como la crisis financiera de 2008 o la crisis de la COVID-19, estos fondos demuestran ser efectivos como cobertura y ganan popularidad durante las malas condiciones del mercado. Los fondos CTA se consideran que siguen las tendencias. En general, las estrategias de seguimiento de tendencias se formulan comprando todos los activos con rendimientos pasados positivos y tomando una posición corta en todos los activos con rendimientos negativos durante el mismo período.

Este documento tiene como objetivo profundizar en la exploración de los componentes individuales de la estrategia los CTA, entendiendo el rendimiento de los diferentes activos dentro de ella. Hemos ideado un modelo basado en los promedios de rendimientos a 3, 6, 9 y 12 meses de los ETF de todas las clases de activos: acciones, bonos, materias primas y divisas. Este modelo nos permite explorar cómo la adopción de diferentes posiciones basadas en señales de tendencia en diversas clases de activos contribuye al rendimiento de la estrategia general. Resulta que tomar una posición corta en el componente de acciones de la estrategia CTA no genera ningún beneficio. Basándonos en nuestros descubrimientos, proponemos la siguiente estrategia de inversión mejorada: abrir posiciones cortas y largas en bonos, divisas y materias primas y solo en largo en acciones. Esta estrategia ofrece el mayor ratio Sharpe y la posibilidad de utilizar el apalancamiento.

Gestión de carteras con sistemas de Asignación táctica por Javier Lorenzo

• Uno de los principales problemas de la mayoría de inversores minoristas a la hora de gestionar su cartera de inversión es tener que enfrentarse al ruido constante que hay en el mercado y a sus sesgos psicológicos que ese ruido ocasiona, condicionando su forma de ver el mercado, sus análisis y por lo tanto su toma de decisiones.
• Artículo publicado en Hispatrading Magazine 57.

Sistematizar tu operativa es la única forma que existe para dejar a un lado tus emociones a la hora de tomar decisiones de inversión. Es importante que un inversor minorista conozca sus limitaciones a la hora de tratar de predecir lo que el mercado hará en los próximos días, semanas o meses. De hecho, en el momento que somos lo suficientemente humildes para entender que el mercado es totalmente impredecible y que nuestros análisis discrecionales van a estar sesgados, a nuestra situación emocional, es en ese momento cuando damos un salto de calidad en la gestión de nuestra cartera.

Warren Buffet decía que “la diversificación es la protección contra la ignorancia”; yo suelo decir que “la diversificación es una demostración de humildad ante las dificultades que el mercado nos presenta”.

La asignación táctica de activos sistemática utiliza modelos de inversión cuantitativa para beneficiarse sistemáticamente de las ineficiencias o desequilibrios temporales entre diferentes clases de activos.

Dentro de este enfoque sistemático de gestión de carteras, existen muchos filtros o criterios para realizar esa asignación táctica de nuestra cartera, como pueden ser el rendimiento, la volatilidad o la correlación entre activos.

En el fondo de inversión GPM Asignación Táctica que tengo la gran suerte de gestionar, tratamos de combinar varios sistemas de este tipo y siguiendo distintos de esos criterios para conseguir una diversificación lo más completa posible. Es importante destacar que diversificar no es sólo repartir tu inversión en distintas cosas, hay muchos más ejes en los que se debe diversificar y en nuestro fondo pretendemos combinar la mayoría de ellos.

El objetivo final del fondo es buscar la forma más eficiente de enfrentarnos a un mercado impredecible y lo hacemos basándonos en 4 pilares fundamentales:

• Diversificación estructural.
• Asignación táctica de activos.
• Gestión del riesgo.
• Toma de decisiones sistemática.

Proceso para definir la cartera modelo

El modelo que seguimos es un modelo “Core-Satélite”, es decir, tiene una parte estratégica que actúa como “núcleo” de la cartera y tiene un peso del 60% y que simplemente rebalanceamos en el caso de que alguna de las partes de la cartera se desvíe mucho de su peso óptimo. Lo que todos conocemos como Buy & hold.

Está basada en la filosofía de la cartera Golden Butterfly que sigue los principios de la cartera permanente de Harry Browne pero con un mayor sesgo a Renta Variable y por lo tanto a crecimiento.

Por otro lado, tenemos la cartera dinámica que a su vez se divide en 4 sistemas de asignación táctica y tiene un peso del 40% de nuestro fondo.

Estos sistemas están diseñados desde el sentido común, además de haber estudiado su comportamiento histórico en distintos 

ciclos de mercado y nos permiten dar más peso a renta variable en las etapas de prosperidad del ciclo, pero también nos permiten reducir esa exposición a renta variable y aumentar la exposición a activos defensivos como Bonos o liquidez cuando la cosa se ponga fea. Son sistemas basados en Dual Momentum y Fuerza Relativa.

A continuación, dejamos una breve explicación de los 4 sistemas que componen la cartera táctica o satélite:

• Sistema Supersectores USA
• Sistema Supersectores Europa
• Sistema Factores
• Sistema Descorrelación

Sistema Supersectores USA

Este sistema basado en Dual Momentum tiene un peso del 15% en el fondo y su objetivo es estar invertido en los sectores con mejor momentum de medio plazo del S&P500.

Aprovechamos la división del S&P500 en 11 supersectores para estar en los 3 más fuertes de estos 11 y cuando no hay 3 sectores que tengan buen momentum, trasladamos esa parte de la cartera a liquidez o bonos según convenga.

Sistema Supersectores Europa

Este sistema basado en Dual Momentum tiene un peso del 10% en el fondo y su objetivo es estar invertido en los sectores con mejor momentum de medio plazo del mercado europeo.

Aprovechamos la división del mercado europeo en 10 supersectores para estar en los 3 más fuertes de estos 10 y cuando no hay 3 sectores que tengan buen momentum, trasladamos esa parte de la cartera a liquidez o bonos según convenga.

Sistema Factores

Este sistema basado en Dual Momentum tiene un peso en el fondo del 10% y su objetivo es estar invertido en los factores con mejor momentum de medio plazo del S&P500.

Selecciones los principales factores que existen en el mercado (Value, Growth, Momentum, Quality y Low Volatility) y nos posicionamos en los 2 con mejor momentum y cuando no hay 2 factores que tengan buen momentum, trasladamos esa parte de la cartera a liquidez o bonos según convenga.

Sistema Descorrelación

Este sistema basado en fuerza relativa tiene un peso del 10% en el fondo y su objetivo es  incrementar el peso de 2 de los 3 actores principales de nuestro fondo (Renta Variable, Bonos u Oro) que presenten una mayor fuerza relativa de medio plazo.

En la figura 2 podemos ver un esquema de la composición de la cartera:

Uniendo todas las piezas comentadas anteriormente, la cartera se adaptará al entorno de mercado en función de las clases de activos que mayor protección/crecimiento nos vayan a dar en cada momento. En la figura 3 podemos ver una imagen que representa la combinación de las principales clases de activos y los sistemas de asignación táctica nos llevan a una cartera robusta y sólida. 

La idea es que el fondo se vaya adaptando en todo momento a las circunstancias de mercado sin grandes cambios ni pasando de blanco a negro, simplemente navegando dentro de una gama de grises.

En la figura 4 podemos ver varias carteras tipo en las que se puede “convertir” el fondo según los sistemas aumenten sus exposición a Renta Variable, Renta Fija o liquidez.

Ventajas e inconvenientes de la asignación táctica

Para concluir, siempre me gusta destacar que los sistemas de asignación táctica no son ni mejor ni peor que otras filosofías de inversión, cada uno debe invertir de la forma que más se le adapte o más cómodo se sienta. Por ello dejo algunas ventajas e inconvenientes de este enfoque:

Ventajas

• Modelos algorítmicos basados en técnicas de momentum y seguimiento de tendencias, además de tener en cuenta la correlación entre activos y su volatilidad.
• Gran potencial para generar portfolios adaptados a las necesidades de cada inversor.
• Capaces de mostrar cierta adaptabilidad a la dinámica de los mercados, con un control más preciso del riesgo.
• Eliminan o minimizan el componente humano en la toma de decisiones discrecionales evitando errores y abaratando los costes de gestión

Inconvenientes

• Mayor complejidad estructural y formación previa.
• La presencia de reglas con parámetros optimizables pueden dar lugar a carteras sobreoptimizadas; con resultados excelentes en las pruebas de Backtest pero difíciles de explicar en operativa real.
• Eficiencia fiscal (ETFs)

El S&P 500 equal-weighted index rompe un máximo de varios años por Sentimentrader

• El índice S&P 500 equal-weighted index o de igual ponderación S&P 500 cerró en un máximo de dos años.
• Situaciones similares después de tanto tiempo sin romper nuevos máximos de dos años precedieron señales alcistas con una tasa de acierto del 100% para el índice durante el año siguiente.
• El S&P 500 equal-weighted index tendió a superar a la versión ponderada por capitalización en la mayoría de los horizontes.

Un índice diseñado para neutralizar la influencia de las acciones de megacapitalización cerró en un máximo de varios años

Si bien el índice más seguido del mundo registró el jueves su duodécimo máximo histórico desde principios de año, impulsado por el entusiasmo por las ganancias de Nvidia, muy pocos participantes del mercado comentaron sobre el nuevo máximo de dos años del índice S&P 500 equal-weighted index que se mantiene sólo un 1,77% por debajo de su máximo histórico.

El índice, que asigna una ponderación igual a cada componente, rompió su racha de 546 sesiones sin alcanzar un máximo de varios años, poniendo fin a la quinta sequía más larga de la historia.

Lo que nos dice el estudio

Ya sea el S&P 500 o muchos otros índices de referencia como el NYSE Composite, los índices continúan subiendo escalones, registrando máximos múltiples o históricos, una característica común de los mercados alcistas. Si bien el contexto de amplitud no es perfecto, lo más probable es que no sea más que una rotación sectorial. El S&P 500 equal-weighted index, un índice que capta el movimiento de las acciones promedio, cerró en un nuevo máximo de varios años después de no hacerlo durante 546 sesiones, la quinta sequía más larga de la historia. Después de avances similares, el índice ha subido en todos los casos durante el año siguiente.

Cómo superar la presión por el rendimiento por Brett N. Steenbarger

Estoy escuchando a más traders de lo habitual sobre sus luchas con la ansiedad por el rendimiento. Como dijo un trader en desarrollo con un gran potencial, el problema tiende a darse «en operaciones de alto perfil que se podría decir que la mayoría de los traders tienen en cuenta». Esta es una observación muy buena. Cuanto mayor sea el perfil del trade, es decir, cuánto mayor sea la oportunidad percibida, más espacio habrá para la presión por el rendimiento que se obtenga. Como observa Epicteto, el problema no son los «problemas reales» sobre las operaciones, sino más bien las «ansiedades» sobre esas operaciones.

Vamos a ver esto desde una perspectiva psicológica. Cuanto más percibimos, y enfatizamos la oportunidad en una situación, más espacio creamos para la ansiedad en caso de que perdamos esta oportunidad.

Imagina hacer un tiro libre durante un entrenamiento de baloncesto. Es rutina, lo has hecho cientos y cientos de veces y no sientes presión. Ahora imagina la situación de mi antiguo equipo universitario. Has tenido un largo entrenamiento después de las clases y estás muy cansado y quieres llegar a casa. El entrenador anuncia que los jugadores pueden ir a ducharse, cambiarse e irse a casa después de haber hecho 10 tiros libres consecutivos. Ahora, de repente, hay presión. *Realmente* quieres irte a casa, así que una vez que hayas hecho seis tiros seguidos, te preocupa que puedas fallar uno y tener que volver al punto de partida. El entrenador, por supuesto, lo sabía. Esto no fue simplemente una práctica de tiro libre, sino un entrenamiento para actuar bajo presión.

Ahora imagina que es un partido real y que el reloj de la segunda mitad está terminando con tu equipo perdiendo un punto por debajo. Acabas de recibir una falta, y puedes disparar uno y uno. Si pierdes el primer tiro, las probabilidades son buenas de que el equipo contrario agarre el rebote y se quede sin tiempo para la victoria. Si haces el primer tiro, obtienes un segundo tiro que podría ganar el juego para tu equipo. Todo está en juego. De repente, lo que había sido rutinario en la práctica es cualquier cosa menos rutina.

Esto es lo que le está pasando al trader que experimenta presión por el rendimiento. Se da en una situación de «alto perfil» en un mercado volátil, donde el trade podría hacerlo muy bien o muy mal. Además, es una situación en la que se centran otros traders del equipo. Todo el mundo verá si lo clavas o fallas. Si este fuera un trade ordinario en modo de simulación, no habría presión y sería relativamente fácil de ejecutar. Con más en la línea, financiera y psicológicamente, empezamos a pensar demasiado en el trade. Eso nos aleja de lo que sabemos hacer de forma natural.

Muy a menudo, la presión por el rendimiento se manifiesta como perfeccionismo. Sentimos que todo está en juego, así que tratamos de hacerlo todo a la perfección. Lo perfecto se convierte en enemigo de lo bueno, ya que nos aleja de hacer lo que sabemos hacer de forma natural. Como la mayoría de los jugadores, seguía siempre una rutina para lanzar un tiro libre. Sostenía la pelota en ambas manos, miraba a la canasta, botaba la pelota tres veces, miraba la canasta de nuevo, botaba dos veces, miraba a la canasta, exhalaba, enfocaba y disparaba. De la misma forma, en cada una de las veces. Pero si estoy en una situación de presión, altero la rutina. No exhalo. Apunto. Y puedo fallar con una probabilidad alta.

Así es con el trading. Nos centramos demasiado en la entrada, queriendo la recompensa de riesgo perfecta. De repente, el mercado se mueve de la manera prevista antes de que entremos. No queremos perseguirlo, así que esperamos un retroceso, pero sigue adelante. Nos perdimos la operación.

Lo que mi entrenador se dio cuenta es que no puedes aprender a rendir bajo presión a menos que practiques bajo presión. Es por eso que los equipos militares y SWAT practican maniobras en condiciones realistas con fuego real. Es por eso que el personal de EMT practica métodos de rescate bajo observación mientras está cronometrado. La práctica bajo presión convierte la presión en rutina. Así es como las actrices y los actores superan el miedo escénico. Subiendo al escenario una y otra vez en los ensayos generales los prepara para la actuación en vivo.

Como traders, podemos crear ensayos generales en imágenes, imaginando vívidamente situaciones bajo presión y visualizando en detalle cómo queremos responder. Una y otra vez, nos guiamos a través de situaciones bajo presión y la repetición hace que la presión sea familiar. No podemos estar estresados por algo con lo que estamos muy familiarizados. También podemos crear nuestros propios ensayos generales haciendo operaciones en situaciones altamente desafiantes en modo simulación y haciéndonos responsables de los resultados. Imagínese, por ejemplo, trabajar en modo de simulación y no poder operar en vivo para la próxima sesión a menos que las operaciones simuladas se hayan ejecutado bien.

Aprendemos a actuar bajo presión mediante la presión de nuestro entrenamiento. Ningún método de autoayuda psicológica funcionará si no estamos haciendo uso de ellos en el verdadero calor de la batalla. Si nuestro entrenamiento es cómodo, no nos estamos preparando para la ansiedad por el rendimiento cuando el juego se vuelve incómodo.

¿Por qué estaban tan equivocados los economistas? por Dr. Ed Yardeni

¿Por qué tantos economistas y estrategas han estado tan equivocados en sus predicciones sobre una supuesta recesión inminente en los últimos dos años? Ahora parece ser un buen momento para responder a esta pregunta, ya que hay muchas lecciones que aprender de los conceptos erróneos ampliamente difundidos durante los últimos dos años. Repasémoslos:

(1) Las políticas monetarias restrictivas siempre causan recesiones. La Reserva Federal elevó la tasa de fondos federales (FFR) en 525 puntos básicos a 5,25%-5,50% desde marzo de 2022 hasta julio de 2023. Esa es la ronda más agresiva de aumentos de tasas desde finales de la década de 1970, cuando el entonces presidente de la Reserva Federal, Paul Volcker, dejó que la FFR se disparara ( Figura 7). Las últimas 10 recesiones estuvieron precedidas por una serie de aumentos de tasas.

Durante los últimos dos años, los funcionarios de la Reserva Federal esperaban que los aumentos de tasas y el QT reducirían la inflación al debilitar la demanda sensible a los intereses, aumentar la tasa de desempleo y desacelerar la tasa de crecimiento del PIB real. Los pesimistas lógicamente esperaban que se produjera una recesión, como había sucedido en el pasado y como lo confirmaban el IPJ y la curva de tipos invertida.

Argumentamos que la economía demostraría ser resiliente y que el resultado serían recesiones continuas en diferentes sectores de la economía, no una recesión en toda la economía. Este escenario se había dado antes, a mediados de los años 1980 y mediados de los años 2010.

Esta vez, durante los últimos dos años, hubo una recesión relativamente moderada y corta en la vivienda unifamiliar, pero la construcción multifamiliar se mantuvo fuerte (Fig. 8). Hubo una recesión de crecimiento relativamente larga pero superficial entre los productores y proveedores de bienes de consumo, mientras que la demanda de servicios de consumo aumentó en los últimos dos años (Gráfico 9). De hecho, la demanda de bienes se mantuvo relativamente estable cerca de su máximo récord pospandemia. En diciembre alcanzó un nuevo récord.

(2) La política monetaria importa más que la política fiscal. Si bien la mayoría de los economistas estaban obsesionados con el endurecimiento de la política monetaria, en su mayoría ignoraron el impacto de los estímulos en el ámbito de la política fiscal. La legislación aprobada en 2022 dio un gran impulso al gasto en infraestructura pública e instalaciones de fabricación y proporcionó incentivos fiscales para dicha construcción. Como resultado, la construcción pública y no residencial privada se disparó a niveles récord en los últimos dos años, al igual que el empleo total en la nómina en la industria de la construcción (Fig. 10 y Fig. 11).

Los desembolsos del gobierno federal en defensa se han visto impulsados en los últimos dos años por el apoyo de Estados Unidos a Israel, Ucrania y Taiwán hasta un nivel récord de 844.300 millones de dólares durante los últimos 12 meses hasta diciembre (Fig. 12). El desembolso del gobierno federal de más rápido crecimiento en los últimos dos años ha sido el de los intereses netos pagados sobre la deuda federal. Esto impulsó el componente de intereses netos recibidos de los ingresos personales, que alcanzó un nivel récord de 1,8 billones de dólares (saar) en diciembre (Fig. 13).

(3) Los consumidores se están quedando sin exceso de ahorro. La tasa de ahorro personal se ha reducido alrededor del 4% durante los últimos dos años (Gráfico 14). De hecho, esto puede reflejar el hecho de que los consumidores han estado gastando su exceso de ahorro relacionado con la pandemia. Si los consumidores se están quedando sin ese dinero, podrían aumentar su tasa de ahorro recortando el gasto en bienes y servicios, lo que podría provocar una recesión liderada por los consumidores.

El problema con esta narrativa ampliamente aceptada es que ignora el hecho de que los consumidores tienen muchas otras fuentes de poder adquisitivo además del exceso de ahorro. El más importante son los sueldos y salarios reales, que han estado aumentando a nuevos máximos históricos desde principios del año pasado después de estancarse durante la pandemia (Gráfico 15). El mercado laboral sigue siendo muy ajustado, con muchas ofertas de empleo y salarios reales por hora en aumento. Además, los ingresos reales no derivados del trabajo (es decir, intereses, dividendos, alquileres e ingresos del propietario) han aumentado a nuevos máximos recientemente.

También es importante reconocer el impacto significativo que los Baby Boomers siguen teniendo en la economía. Este año, el más joven de ellos cumple 60 años, mientras que el mayor cumple 78 años. El mayor cumplió 65 años por primera vez en 2011. Desde entonces, el número de personas mayores ha aumentado en casi 20 millones (Fig. 16).

Los Baby Boomers se están jubilando cada vez más. Los datos recopilados por la Reserva Federal muestran que tienen un patrimonio neto récord de 75 billones de dólares. En otras palabras, tienen muchos ahorros para la jubilación, la mayor cantidad que jamás haya acumulado una generación.

Están aumentando su gasto en restaurantes, vacaciones y atención médica. Esto está elevando la demanda de trabajadores en estas industrias de servicios a niveles récord, que es una de las razones por las que el mercado laboral sigue siendo tan fuerte.

Por cierto, la tasa de ahorro personal puede seguir siendo baja, ya que los Baby Boomers están gastando cada vez más sus ahorros para la jubilación. Además, es posible que sus hijos adultos estén ahorrando menos, anticipando ganancias inesperadas en la herencia.

(4) En cualquier caso, el crecimiento potencial del PIB real es, en el mejor de los casos, del 2,0%. El aumento del 3,1% del crecimiento del PIB real del año pasado fue mucho mejor de lo que esperaban incluso los optimistas (es decir, como un servidor). Ciertamente no fue un aterrizaje brusco, ni tampoco un aterrizaje suave; ¡No fue ningún aterrizaje! La sorpresa fue que la productividad aumentó un 2,7% (Fig. 17).

Se supone ampliamente que el crecimiento potencial del PIB real no supera el 2,0%. De hecho, el Resumen de Proyecciones Económicas de diciembre de 2023 del FOMC muestra una previsión de “largo plazo” de solo el 1,8% del PIB real. En nuestra opinión, la escasez de trabajadores, especialmente de trabajadores calificados, es un problema crónico que mejorará a medida que las empresas gasten más en innovaciones tecnológicas para impulsar la productividad. De modo que el crecimiento potencial del PIB real es superior al 2,0%, tal vez hasta el 4,0% durante el resto de la década. El crecimiento impulsado por la productividad debería impulsar el crecimiento económico real, contener la inflación, elevar los salarios reales y aumentar los márgenes de ganancia.

(5) Las curvas de rendimiento invertidas predicen recesiones. Como hemos observado desde que escribimos el libro sobre este tema en 2019 (La curva de rendimiento; qué es lo que realmente predice), las curvas de rendimiento invertidas no causan ni predicen recesiones. Predicen un proceso que ha llevado a recesiones en el pasado.

Esta vez, la curva de rendimiento invertida una vez más predijo con precisión que una política monetaria más estricta causaría una crisis financiera, como lo ha hecho en el pasado (Fig. 18). Esta vez, hubo una minicrisis bancaria durante marzo de 2023. Sin embargo, no se transformó en una crisis crediticia en toda la economía, lo que provocó una recesión. Esto se debe a que la Reserva Federal ha adquirido mucha experiencia en la creación rápida de servicios de liquidez desde la Gran Crisis Financiera. La Reserva Federal respondió a la crisis del año pasado proporcionando un servicio de este tipo a los bancos en un par de días.

(6) Los principales indicadores predicen recesiones. Esta vez el IPJ ha sido engañoso hasta ahora porque su composición lo predispone fuertemente a predecir el sector de bienes de la economía. Sí, de hecho: el sector de bienes ha estado en una recesión de crecimiento, como se analizó anteriormente, pero el resto de la economía ha seguido creciendo. El LEI junto con el M-PMI están altamente correlacionados con la tasa de crecimiento del PIB real de bienes, no de servicios.

(7) La oferta monetaria es un motor clave del crecimiento económico y la inflación. La debilidad de la tasa de crecimiento del M2 también asustó a los pesimistas económicos. La oferta monetaria sí importa para la determinación del crecimiento económico real y la inflación, pero no tanto como temían los monetaristas renacidos. Esto se debe a que la debilidad del crecimiento monetario interanual durante los últimos dos años simplemente reflejó la desaceleración del crecimiento del M2 después de que se disparó durante la pandemia. Sigue habiendo mucha liquidez en la economía y el sistema financiero.

(8) La Reserva Federal siempre se equivoca. Varios de los pesimistas se autodenominan observadores de la Reserva Federal y generalmente son críticos con la Reserva Federal. En mi Fed Watching for Fun & Profit (2020), los critiqué por ser más bien predicadores en lugar de observadores objetivos. Durante los últimos dos años, los predicadores dudaron de que la Reserva Federal pudiera lograr una “desinflación inmaculada”, es decir, reducir la inflación sin desencadenar una recesión. Estábamos entre los creyentes en que esto podría y lo haría.

(9) El resto del mundo no importa mucho. Una de las razones por las que creímos que esta vez la inflación se moderaría sin una recesión diseñada por la Reserva Federal es que notamos que el resto del mundo parecía bastante débil. El estallido de la burbuja inmobiliaria de China deprimió la economía china y desinfló los precios del país. De modo que China exportó la deflación al mercado de bienes de Estados Unidos y otros países. Además, la economía europea ha sido débil. Como resultado, los precios de las materias primas se mantuvieron moderados y los precios del petróleo cayeron tras el repunte de principios de 2022.

(10) En pocas palabras: los de ellos contra los nuestros. Quizás la variable clave que diferencia a los optimistas de los pesimistas en los últimos dos años haya sido la inflación. Los primeros previeron que la inflación resultaría en gran medida transitoria a medida que se disiparan los shocks inflacionarios de la pandemia, mientras que los segundos creían que era persistente y que sólo podría controlarse con una recesión. En nuestra opinión, la pandemia ha tenido un enorme impacto en la economía y ha hecho estallar los modelos de previsión del pasado.

Por supuesto, nada de lo anterior lleva a la conclusión de que la economía sea a prueba de recesión o que la inflación se mantendrá moderada de ahora en adelante. Al actual mercado alcista de acciones, eventualmente e inevitablemente le seguirá un mercado bajista. Sin embargo, los pesimistas deberían dedicar algún tiempo a reconsiderar por qué se equivocaron tanto en los últimos dos años. Con suerte, lo comentado en este artículo debería ayudar.

Producto Interior Bruto Real: otro indicador económico mal interpretado por Sentimentrader

• El Producto Interior Bruto Real (RGDI) es una medida amplia de la actividad económica.
• El cambio de 12 meses en RGDI cayó a negativo en el último trimestre, provocando un gran pesimismo en las redes sociales.
• Una mirada objetiva y cuantitativa a la historia (Hola, somos Sentimentrader.com) pinta una imagen muy diferente.

Producto Interior Bruto Real (RGDI)

El Producto Interior Bruto Real o Real Gross Domestic Income es una forma alternativa de medir la economía de la nación. El Producto Interior Bruto Real (RGDI) mide los ingresos obtenidos y los costos incurridos en la producción del Producto Interior Bruto.

Esta serie de datos se reporta trimestralmente con bastante retraso. Por ejemplo, los resultados del tercer trimestre de 2023 se informaron el 21 de diciembre de 2023. Por lo tanto, ésta no es exactamente una «lectura en caliente» de la economía o una herramienta de gran precisión para sincronizarse con el mercado (aunque tiene cierto valor en ese sentido, como veremos). El siguiente gráfico muestra los valores acumulados del índice desde 1948.

Lo que nos dice el estudio

Una caída de 12 meses en el Producto Interior Bruto Real no es necesariamente algo bueno en el momento en que ocurre. Sin embargo, lo más importante es que no es necesariamente algo tan terrible como se dice tan fácilmente en las redes sociales. Lo que es cierto es que esto tiende a ocurrir «alrededor de las recesiones». Sin embargo, debido a que el mercado de valores es un mecanismo de descuento, en muchos casos, gran parte del daño ya puede estar hecho cuando ocurre esta supuesta «señal de alarma». Según los resultados anteriores, los inversores inteligentes reconocerán una caída de 12 meses en el RGDI como una señal para comenzar a «buscar una oportunidad de compra» y no como una señal de una catástrofe inminente.

¿Valen la pena los cursos de trading intradía? por The Trader Chick

El trading intradía o day trading se ha vuelto cada vez más popular como una forma de generar ingresos. Y con el aumento de la popularidad del day trading y una creciente sed de conocimiento en el área del day trading, se ha vuelto más importante que nunca evaluar el contenido en línea y la información sobre el day trading que parece publicarse a diario.

En este artículo echaremos un vistazo crítico a los cursos de trading intradía con la intención de responder a la pregunta «¿Valen la pena los cursos de trading intradía?». Y también daremos consejos específicos sobre qué buscar en un curso de trading intradía de calidad para que pueda evaluar de manera efectiva antes de considerar gastar su dinero en un curso de trading.

¿Valen la pena los cursos de trading intradía? depende de cada individuo y de sus circunstancias. Y esto incluye; cuánto capital disponible tiene una persona, su nivel actual de conocimiento y habilidad en el trading intradía, así como su capacidad para evaluar el valor de un curso de trading intradía.

Pero primero comencemos hablando por qué el trading intradía se ha vuelto cada vez más popular como una forma de obtener ingresos, lo que a su vez ha llevado al crecimiento del contenido del trading intradía en internet y, por supuesto, a los cursos.

¿Por qué es tan popular el Day Trading?

El trading intradía ha sido testigo de un aumento de la popularidad como una forma de obtener ingresos, especialmente en los últimos años. Hay varias razones para esto, incluida la accesibilidad de las plataformas de trading en línea y la disponibilidad de datos de mercado en tiempo real, lo que ha hecho que sea más fácil para cualquier persona entrar a hacer trading intradía desde la comodidad de sus hogares.

En estos días también hay barreras de entrada reducidas para que cualquiera entre en el trading intradía. Los brokers on Line han reducido las barreras de entrada, permitiendo a las personas comenzar a operar con cantidades más pequeñas de capital, lo que atrae a una amplia gama de personas al trading intradía.

Además, el aumento del trabajo a distancia es un factor importante, acelerado por eventos globales como la pandemia de COVID-19, esto ha hecho que las oportunidades de ingresos en línea sean más atractivas. Y el trading intradía encaja bien en esta tendencia, permitiendo a las personas trabajar desde cualquier lugar con una conexión a Internet.

Las plataformas de redes sociales también han jugado un papel importante en la popularización del day trading. Los influencers y traders a menudo comparten sus experiencias, estrategias y éxitos, creando un sentido de comunidad y atrayendo a los recién llegados al mundo del trading intradía.

Y, por último, la disponibilidad de cursos en línea, seminarios web y materiales educativos ha aumentado, proporcionando a los aspirantes a traders intradía recursos para aprender sobre la dinámica del mercado, análisis técnico y la gestión de riesgos.

Y por las razones habladas anteriormente, nunca ha sido más fácil que en cualquier otro momento de la historia para una persona ganarse la vida y convertirse en trader intradía de éxito mientras trabaja desde casa.

Para responder a la pregunta de si «¿Valen la pena los cursos de trading intradía?», es importante ver los beneficios que ofrecen los cursos de trading intradía.

1. Aprendizaje estructurado

Un curso de trading intradía puede proporcionar un entorno de aprendizaje estructurado y guiarlo a través del proceso de aprendizaje de cómo hacer trading intradía. Esto puede ser especialmente útil para los principiantes que pueden no saber por dónde empezar.

2. Orientación de expertos

Muchos cursos de trading intradía son impartidos por traders experimentados que pueden proporcionar información y orientación valiosas. Tener un experto disponible para responder preguntas y dar algunos comentarios puede ayudar a aprender a operar intradía.

3. Estrategias y técnicas avanzadas y probadas

Un curso de trading intradía puede enseñar estrategias y técnicas específicas que pueden ayudar a identificar y ejecutar operaciones. Es posible que estas estrategias y técnicas no se encuentren fácilmente a través del autoestudio o de ensayar por nuestra cuenta.

4. Oportunidades de creación de redes

Algunos cursos de trading intradía pueden proporcionar oportunidades de establecer contactos con otros traders o acceso a comunidades de trading donde puede discutir e intercambiar ideas con traders de ideas afines.

Los cursos de trading intradía tienen un atractivo significativo para las personas que se aventuran en el mundo de los mercados financieros, ya que ofrecen un camino estructurado para adquirir habilidades y conocimientos esenciales.

Los cursos de trading intradía sirven como recursos educativos integrales adaptados específicamente a las complejidades del trading a corto plazo. Ofrecen un enfoque sistemático del aprendizaje, que abarca temas que van desde el análisis de mercado y los indicadores técnicos hasta las estrategias de gestión de riesgos.

Nunca ha sido tan fácil que en cualquier otro momento de la historia para una persona ganarse la vida y convertirse en un trader intradía de éxito mientras trabaja desde casa.

Para los principiantes, este plan de estudios estructurado puede proporcionar una base sólida, ayudándoles a navegar por las complejidades del mercado con confianza.

Los cursos de trading intradía también ofrecen un entorno de aprendizaje estructurado que fomenta la colaboración y la creación de redes entre personas de ideas afines. Interactuar con otros estudiantes en foros, grupos de debate o sesiones de trading en vivo puede proporcionar oportunidades con un gran valor para compartir, intercambiar ideas y construir una comunidad.

El principal atractivo de los cursos de trading intradía es su capacidad para ofrecer un enfoque estructurado e integral para aprender las complejidades del trading a corto plazo. Desde instrucción experta y ejercicios prácticos hasta oportunidades de creación de redes y apoyo comunitario, estos cursos proporcionan una experiencia de aprendizaje holístico que puede empoderar a los aspirantes a traders a navegar por los desafíos del mercado con confianza y competencia.

¿Qué debe tener en un buen curso de trading intradía?

Así que, hasta ahora, hemos hablado por qué el trading intradía se ha vuelto tan popular en los últimos años, lo que ha llevado a la creación de más cursos de trading intradía. Y también evaluó los principales beneficios de comprar un curso de trading intradía.

Ahora, es importante discutir qué buscar exactamente en un buen curso de trading intradía para que pueda evaluar el curso de trading con un ojo crítico y solo gastar su dinero (si decide hacerlo) en un curso con buena relación calidad-precio.

Así que entremos en lo que debería ofrecer un buen curso de trading intradía.

i) Calidad del contenido

La piedra angular de cualquier curso de trading intradía es la calidad y relevancia de su contenido. Es importante evaluar si el curso cubre temas esenciales como el análisis de mercado, los indicadores técnicos, la gestión de riesgos y las estrategias comerciales. Busque cursos que proporcionen información completa y actualizada para asegurarse de que está aprendiendo habilidades y técnicas relevantes.

ii) Reputación de los instructores

La experiencia y la experiencia de los instructores de cursos desempeñan un papel fundamental en la eficacia general de la experiencia de aprendizaje. Es importante investigar los antecedentes y las credenciales de los instructores para asegurarse de que tienen un sólido historial en trading intradía y educación.

Busque cursos dirigidos por traders experimentados o profesionales de la industria con buena reputación y credibilidad. Si es posible, busque instructores con un probado historial de éxito que realmente muestren su cuenta de operaciones y las operaciones que están ejecutando.

iii) Evaluar el coste frente al valor

Evaluar el costo del curso en relación con el valor que ofrece en términos de conocimiento, habilidades y apoyo. Si bien algunos cursos pueden tener un precio más alto, pueden ofrecer una mayor profundidad de contenido, orientación personalizada o recursos adicionales. Considere su presupuesto y pese el costo frente a los beneficios potenciales y el retorno de la inversión (ROI).

iv) Apoyo continuo

El aprendizaje no termina cuando concluye el curso; el apoyo continuo es esencial para el crecimiento y el desarrollo continuos como trader. Evalúe si el curso ofrece acceso a una comunidad de apoyo, programas de tutoría o recursos adicionales para ayudarle a navegar por los altibajos de su viaje. Un sistema de apoyo sólido puede proporcionar información valiosa, apoyo y rendición de cuentas a medida que aplica lo que ha aprendido en el curso.

v) Reseñas y testimonios

Antes de comprometerse con un curso de trading, busque reseñas y testimonios de alumnos para medir sus experiencias y niveles de satisfacción. Preste atención a los comentarios sobre el contenido del curso, la efectividad del instructor y la relación calidad-precio en general.

Las revisiones honestas de otros traders pueden ofrecer información valiosa sobre qué esperar del curso y si se alinea con sus objetivos y preferencias de aprendizaje.

Antes de comprometerse con un curso de trading, busque reseñas y testimonios de participantes anteriores para medir sus experiencias y niveles de satisfacción.

¿Valen la pena los cursos de Day Trading?

Esto se reduce a factores individuales como el capital disponible para invertir en un curso, el tiempo libre disponible (si tiene mucho tiempo libre, entonces se puede aprender mucho trading intradía en línea de forma gratuita) y cuál es su nivel actual de conocimiento y habilidad.

En general, para un principiante en el trading intradía, los cursos de trading intradía pueden ser valiosos por las razones/beneficios explicados anteriormente, incluyendo tener un plan de estudios de aprendizaje estructurado en lugar de aprender de una manera más aleatoria utilizando recursos gratuitos en línea.

Si bien se reduce a circunstancias individuales, los cursos de trading intradía valen la pena si:

• Eres un principiante con conocimientos muy limitados y necesitas un curso estructurado para aprender desde lo básico hasta los conceptos más avanzados
• Tienes el capital disponible para comprar un curso de trading, ya que pueden ser costosos que van desde cientos de dólares a mucho más.
• Quieres ser parte de una comunidad en la que puedas aprender en un entorno colaborativo y compartir experiencias  (a menudo no puedes conseguir esto con recursos gratuitos).
• Quieres aprender más de un trader intradía de éxito que sigues (y en el que confías) y quieres ser parte de su comunidad a la que puedes acceder a través de su curso de pago.

Por último, recomendaría que antes de comprometerse con un curso de pago, explore los recursos gratuitos disponibles en línea, esto incluye en YouTube, X (anteriormente conocido como Twitter) y otras plataformas y sitios web. Además, muchas plataformas de buena reputación y sitios web educativos ofrecen cursos introductorios gratuitos o materiales educativos sobre el trading intradía que pueden ser excelentes puntos de partida, especialmente si no puede permitirse un curso de trading intradía pagado o no está preparado para invertir el dinero en la compra de un curso.

La distribución de la concentración del mercado de valores en los EE. UU. por Quantpedia

Cada vez más, algunas empresas de megacapitalización dominan el rendimiento del mercado de valores de EE. UU. Ahora se les llama los «Siete Magníficos«, pero todos recordamos a FAANG, ¿verdad? Naturalmente, surgen varias preguntas: ¿es el status quo actual, cuando la capitalización del mercado de valores está altamente concentrada entre las pocas empresas extremadamente grandes, una excepción o una regla sobre la historia? ¿Y cuál es el impacto de esta concentración en el rendimiento de un factor en particular: la prima de tamaño? Presentamos el documento de investigación escrito por Emery y Koëter que trata de responder a esas preguntas.

El análisis de (Emery y Koëter, 2023) muestra que la prima de tamaño esperada aumenta durante los períodos de mayor concentración del mercado de valores. Estos resultados indican que el efecto de asignación de capital domina la relación entre la concentración del mercado de valores y la prima de tamaño. Además, estos resultados se producen predominantemente entre empresas de industrias con una mayor dependencia de la financiación externa de capital o para empresas con ratios de libro/mercado relativamente bajos (es decir, empresas en crecimiento).

Las empresas más pequeñas reciben menos atención, tienen menos probabilidades de completar una oferta de acciones experimentada y tienen una mayor volatilidad fundamental durante los períodos de mayor concentración del mercado de valores. El primero de los dos canales propuestos es la tesis de que la concentración del mercado de valores implica que el riesgo idiosincrásico de las grandes empresas debe diversificarse en la cartera del mercado. Este fenómeno podría crear una prima de riesgo para las grandes empresas, mientras que los rendimientos esperados para las pequeñas empresas disminuyen debido a la diversificación. La segunda es que la concentración del mercado de valores podría reflejar una asignación de capital menos eficiente, lo que hace que sea más difícil para las pequeñas empresas obtener financiación de capital, aumentando así sus rendimientos esperados.

Nos gustaría señalar la Figura 1, que traza la serie temporal de concentración del mercado de valores desde 1926 hasta 2021. El mercado de valores estaba significativamente más concentrado antes de 1970 de lo que lo ha estado en las últimas décadas. Sin embargo, la concentración del mercado de valores ha aumentado sustancialmente recientemente a niveles no vistos desde principios de la década de 1970.

Sin embargo, a pesar del predominio del efecto de asignación de capital, los autores también encuentran evidencia de un efecto de diversificación granular. Específicamente, la prima de tamaño esperada se debilita después de las conmociones idiosincrásicas para las empresas más grandes del mercado de valores. La evidencia también corrobora que la concentración del mercado de valores está asociada con una asignación de capital menos eficiente (Bae et al., 2021).

En general, esta es una excelente contribución para comprender las implicaciones de los precios de los activos de la concentración del mercado de valores y la granularidad resultante, que es cada vez más vital debido al aumento constante de la concentración del mercado.

• Autores: Logan P. Emery y Joren Koëter
• Título: The Size Premium in a Granular Economy (El tamaño premium en una economía granular)
• Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4597933

Resumen:

La distribución de la capitalización bursátil en los EE. UU. está muy concentrada. Investigamos cómo este fenómeno afecta a la diferencia en los rendimientos entre las pequeñas y las grandes empresas (es decir, la prima de tamaño). Si el mercado de valores está lo suficientemente concentrado (es decir, granular), las grandes empresas pueden tener una prima de riesgo porque su riesgo idiosincrásico no está diversificado en la cartera del mercado. Al mismo tiempo, el trabajo anterior ha demostrado que a las pequeñas empresas se les puede asignar muy poco capital en los mercados de valores concentrados, lo que podría aumentar sus rendimientos esperados. Encontramos que la prima de tamaño esperado aumenta en 13,33 puntos porcentuales por año durante períodos de mayor concentración, lo que indica que el efecto de asignación de capital domina. La evidencia de una variedad de pruebas sobre la atención de los inversores, la financiación de acciones, la volatilidad fundamental y la intensidad del capital apoyan esta conclusión. Sin embargo, también encontramos evidencia de un efecto de diversificación granular activa, ya que la prima de tamaño se debilita después de los aumentos idiosincrásicos de la granularidad.

Como siempre, presentamos varias figuras y tablas interesantes:

Citas notables del trabajo de investigación académica:

«Específicamente, investigamos cómo la concentración del mercado de valores afecta a la prima de tamaño. Documentada por primera vez por Banz (1981), la prima de tamaño se refiere al hecho de que las empresas con una capitalización de mercado relativamente baja tienden a obtener mayores rendimientos de las acciones en comparación con las empresas con una capitalización de mercado relativamente alta. Las características de una economía granular pueden tener implicaciones importantes para la prima de tamaño. Si el riesgo idiosincrásico de las empresas más grandes no se diversifica en conjunto, entonces los inversores deberían requerir una prima para mantener esas acciones, lo que aumenta los rendimientos esperados de las grandes empresas. Este efecto de diversificación granular sugiere que una mayor concentración en el mercado de valores debería disminuir la prima de tamaño esperada.

Dadas las predicciones opuestas de la diversificación granular y los efectos de la asignación de capital, nuestro análisis se centra en determinar qué efecto domina la relación entre la concentración del mercado de valores y la prima de tamaño. Comenzamos evaluando el nivel de concentración del mercado de valores en los EE. UU. La concentración tiende a aumentar durante las malas condiciones económicas y ha aumentado sustancialmente en las últimas décadas. Por ejemplo, las 20 empresas más grandes representaron el 19,7 % de la capitalización bursátil total en 1995 y el 33,0 % de la capitalización bursátil total en 2021. También mostramos que el mercado de valores está lo suficientemente concentrado como para generar efectos granulares. Usando un marco de modelado simple, estimamos que la varianza idiosincrásica representa entre el 4,5 % y el 14,8 % de la varianza del mercado, lo que sugiere que los efectos granulares no son triviales.

Si bien establecemos nuestros principales resultados utilizando regresiones a nivel de cartera, nuestros resultados también se mantienen a nivel de empresa, en el que incluimos una batería de variables de control para mitigar las preocupaciones de las explicaciones alternativas. Una preocupación particular es que los efectos que atribuimos a la concentración del mercado de valores podrían ser simplemente un reflejo de la concentración del mercado de productos o el poder de mercado resultante de las empresas dominantes. La concentración del mercado de productos, que a menudo se mide mediante la concentración de ventas, y el poder de mercado, que a menudo se mide mediante márgenes, afectan directamente a los fundamentos de la empresa, que a su vez determinan los precios de los activos. Además, varios estudios han encontrado que estas cantidades son predictores significativos de los rendimientos de las acciones (Hou y Robinson, 2006; Bustamante y Donangelo, 2017; Corhay et al., 2020; Loualiche, 2021; Clara, 2023). Para aislar el efecto de la concentración del mercado de valores, controlamos explícitamente la concentración de ventas (tanto a nivel económico como de la industria) y los márgenes (utilizando la medida desarrollada por De Loecker et al. (2020) en nuestras regresiones. Incluso con estos controles, la concentración del mercado de valores predice significativamente la prima de tamaño. Además, si la concentración del mercado de valores simplemente refleja la concentración del mercado de productos, uno esperaría que los efectos de la concentración del mercado de valores sean más fuertes cuando se miden dentro de los mercados de productos (es decir, las industrias). Por el contrario, encontramos que la concentración del mercado de valores dentro de las industrias no predice significativamente la prima de tamaño. Por lo tanto, los efectos de la concentración del mercado de valores existen principalmente a nivel del mercado de valores.

Aunque el efecto de asignación de capital domina el efecto de diversificación granular, no excluye la posibilidad de que ambos efectos estén presentes simultáneamente. Para investigar el efecto de diversificación granular de forma más directa, calculamos los choques idiosincrásicos ponderados por valor a las diez empresas más grandes como un choque a la granularidad del mercado de valores. Los impactos positivos inclinan aún más la cartera de mercado hacia estas empresas más grandes, de tal manera que los inversores pueden requerir una compensación adicional por el aumento de la exposición al riesgo idiosincrásico de estas empresas. Además, los inversores podrían estar dispuestos a pagar una prima para que otras empresas diversifiquen este mayor riesgo idiosincrásico, con el efecto que se amplifica para las empresas más pequeñas porque su oferta de capital se desvía más significativamente de una asignación totalmente diversificada. En conjunto, estos efectos crean un descuento en el valor de las grandes empresas y una prima en el valor de las pequeñas empresas, lo que resulta en rendimientos esperados cada vez más altos en el futuro, respectivamente. De acuerdo con esta predicción, encontramos que la prima de tamaño esperada disminuye en 3,99 puntos porcentuales por año después de un aumento de una desviación estándar en los choques idiosincrásicos para las diez empresas más grandes. Este efecto proviene tanto de las empresas grandes como de las pequeñas, cuyos rendimientos aumentan y disminuyen después de estos choques, respectivamente. Además, tanto la concentración del mercado de valores como los choques idiosincrásicos a las diez empresas más grandes de manera significativa, pero al contrario, predicen la prima de tamaño cuando se incluyen en la misma regresión. Este resultado apoya la conclusión de que la asignación de capital y los efectos de diversificación granular están presentes simultáneamente.

La Tabla 1 informa de las regresiones para ilustrar la relación entre la concentración del mercado de valores y otras variables macroeconómicas. En primer lugar, en las especificaciones (1) a (3), mostramos la fuerte conexión entre Cap HHI y la capitalización de mercado relativa de las 10, 20 o 100 empresas principales en el mercado de valores de los Estados Unidos. Los resultados indican que Cap HHI está fuertemente asociado con el mercado de valores de EE. UU. dominado por unas pocas empresas muy grandes. En segundo lugar, en la Especificación (4), relacionamos los cambios en el límite HHI con los cambios en la dispersión del tamaño relativo del mercado de valores de los Estados Unidos, que se captura por la diferencia entre el 90 % y el 10 % del cuantil de la distribución de tamaño escalada por la mediana de la distribución de tamaño. Los resultados de la Especificación (4) muestran que los cambios en el Cap HHI están asociados positivamente con cambios en la dispersión del tamaño relativo. Sin embargo, el R2es solo 0,03, lo que indica que la dispersión del tamaño relativo explica solo una pequeña cantidad de la variación en Cap HHI. Por lo tanto, Cap HHI parece ser impulsado principalmente por el conjunto de empresas muy grandes.

Como se puede ver [en la Figura 2], la distribución no sigue una relación lineal en el gráfico de registro y, por lo tanto, no se describe con precisión mediante una distribución de la ley de potencia. En cambio, la distribución se parece mucho a la distribución de las ventas como se informa en Compustat, que se ha caracterizado como log normal (Stanley et al., 1995) en lugar de la ley de energía debido a la omisión de empresas privadas (Axtell, 2001). Para eludir este problema, investigaciones anteriores han estimado que ζ utiliza solo las empresas más grandes, lo que reduce la probabilidad de que se omitan las empresas (Hill, 1975; Gao, 2023). Para demostrarlo, trazamos el 10 % superior de las acciones para diciembre de 2021 en el Panel B de la Figura 2″.

Creación de una cartera dinámica de inteligencia artificial (IA) y computación cuántica por Andrés García

• El objeto de ese artículo es diseñar un porfolio que combine empresas cotizadas de dos sectores actualmente en ebullición y con una enorme proyección de futuro; la inteligencia artificial (IA) y la computación cuántica (CC). 
• Artículo publicado en Hispatrading 57.

La cartera incluye reglas de selección de activos basadas en ratios fundamentales y será gestionada dinámicamente en base a un ranking que combina fuerza relativa y sentimiento. Los rebalanceos serán de periodo fijo, semanal o mensual, y la asignación equiponderada.

PROCESO DE SELECCIÓN DE ACTIVOS

El primer paso es la elaboración de una lista de 50 empresas cotizadas en los mercados estadounidenses de ambos sectores. Y, para ello, nada mejor que recurrir a la inteligencia artificial. Hemos probado con las dos IA más conocidas; Chat GTP4 (de Open IA) y Bard (de Google) y los resultados han sido extremadamente prometedores. De hecho, el proceso de selección y la elaboración de la lista de empresas, que en otras ocasiones ha supuesto días, lo he podido realizar en pocas horas.

Los criterios de búsqueda han sido: 

• Sector primario y subsectores
• Capitalización > 5.000$ millones 
• Porcentaje de cortos sobre acciones en circulación (SI Ratio) < 5%

Según Bard en la Tabla 1 se muestran las principales empresas que cotizan en los mercados USA del sector de la inteligencia artificial con capitalización superior a 5000 millones de dólares, rentabilidad anual positiva y short interest < 5%

Tabla 1. Listado de acciones de Inteligencia artificial. 

En lo que se refiere a computación cuántica la lista de empresas es mucho más corta. En esta tabla combinamos las respuestas de ChatGTP-4 y Bard, tal y como se muestra en la Tabla 2.

Tabla 2. Listado de acciones de computación cuántica. 

ANÁLISIS DE LAS PRINCIPALES EMPRESAS DEL GRUPO

Algunos de los grandes inversores en IA son también empresas con otras muchas áreas de negocio. Luego, el dato más relevante es conocer la proporción de su inversión en IA sobre el total de sus inversiones. 

Microsoft (MSFT) 

No existe una cifra exacta que represente la proporción de las inversiones de Microsoft en IA sobre el total de sus inversiones. Sin embargo, es una cifra significativa. En 2023, anunció una inversión de 10.000 millones de dólares en OpenAI, una empresa de investigación de inteligencia artificial. Esta inversión es la mayor que Microsoft ha realizado en una empresa tecnológica hasta la fecha. Además, Microsoft ha realizado inversiones significativas en otras empresas del sector, como Maluuba, DeepMind y Nuance Communications. También ha desarrollado sus propias tecnologías de IA, como Azure Machine Learning y Cortana. Considerando todas estas inversiones, podemos estimar que Microsoft dedica en la actualidad a IA entre el 7% y el 10% de su inversión total. 

Apple (AAPL)

Se estima que la inversión de Apple en IA ronda los 1.000 millones de dólares al año. Esto equivale al 3% del presupuesto de I+D. La inversión se centra en las siguientes áreas: Reconocimiento de voz y lenguaje natural, visión artificial, aprendizaje automático, aprendizaje profundo. Los productos en los que Apple ya está utilizando IA son el asistente de voz Siri, el sistema de reconocimiento Face ID y el sistema de navegación CarPlay.

Alibaba (BABA)

Diversos analistas cifran la inversión anual de Alibaba en IA en 5.000 millones de dólares. Lo que equivale a un 10% de su presupuesto en I+D. Alibaba utiliza la IA para mejorar sus productos y servicios, como el motor de búsqueda Taobao, el asistente de voz Tmall Genie y el sistema de recomendación de productos. Otras áreas de investigación son: Reconocimiento de voz y lenguaje natural, visión artificial, aprendizaje automático y aprendizaje profundo.

Alphabet (GOGL)

Se estima que la inversión de Google en IA es de alrededor del 10% de su presupuesto en I+D. En comparación con otras grandes empresas tecnológicas, Google es una de las que más invierte en inteligencia artificial. Está trabajando en el desarrollo de nuevas tecnologías de IA, como la inteligencia artificial generativa (Bard) que podría utilizarse para crear nuevas formas de contenido creativo, como imágenes, música y texto. En 2023 anunció una inversión de 1.000 millones de dólares en Anthropic, una empresa de investigación de IA. 

Amazon (AMZN)

Las estimaciones de inversión en IA para esta empresa están entre los 6.500 y los 8.000 millones de dólares, lo que supondría un 12% de su inversión total. Amazon utiliza la IA para mejorar sus productos y servicios, como el asistente de voz Alexa, el sistema de recomendación de productos Amazon Personal Shopper y el sistema de visión por computadora Amazon Rekognition. Recientemente ha invertido 4.000 millones en Antropic para hacer frente a ChatGTP mediante el uso de Claude y otros modelos de IA generativa.

CONTRUCCIÓN DE UN RANKING DINÁMICO

Para construir y evaluar nuestra cartera emplearemos la plataforma Portfolio123. El primer paso es la elaboración de una lista con las empresas cotizadas de IA y CC que hemos seleccionado previamente. Este será nuestro “universo inversor”. Las empresas serán ordenadas en un ranking que priorice factores relacionados con el sentimiento de mercado. En concreto:

1. La revisión anual y trimestral de estimaciones de crecimiento (40%)
2. El factor sorpresa entre estimaciones y publicación de resultados (25%)
3. Las recomendaciones de analistas; promedio y cambios (15%)
4. El “short interest” o posiciones cortas sobre el total de acciones en circulación (15%)

Este ranking será evaluado en cada nuevo rebalanceo y se seleccionarán las empresas que ocupen el percentil superior, mientras que saldrán de la cartera las que caigan a una posición baja. 

REBALANCEOS Y ASIGNACIÓN DE ACTIVOS

Tras probar diferentes períodos, desde un día y tres meses, encontramos óptimo, en términos de retorno sobre gasto en comisiones, el rebalanceo semanal. Los rebalanceos diarios disparan innecesariamente los gastos de la operativa, mientras que con periodos superiores a la semana observamos una progresivo deterioro del rendimiento. 

Al disponer de una lista de pocos activos y ser un mercado muy dinámico, queremos que el capital se concentre en un número reducido de los que encabezan el ranking. Probamos entre 1 y 10 y encontramos óptimo el número de 3. En la Tabla 3 se muestran los resultados en un backtest a 10 años.

Tabla 3. Backtest a 10 años.

CARTERA ESTÁTICA

En la Figura 1 se puede ver el resultado de invertir en toda la lista de activos durante un período de 23 años y sin rebalanceos.

Figura 1. Resultado de invertir en todo el lista de activos.

Tabla 4. Resultados.

El comportamiento de la cartera es ligeramente superior al del benchmark de referencia, el Nasdaq 100, pero no consigue alejarse significativamente de él. Lo más relevante es el dato del DD. Max. que con esta cesta de activos queda reducido a la mitad. 

CARTERA DINÁMICA SIN COBERTURA

Evaluamos el portfolio con el ranking de sentimiento y la política de rebalanceos y asignación mencionada. Además, añadimos las siguientes reglas de salida que mejoran la estabilidad de la cartera:

• Reducción del porcentaje de beneficio, a partir del primer rebalanceo, en activos individuales del 12%
• Eliminar aquellos activos que tras 90 días en cartera caen por debajo del percentil 40 en el ranking de sentimiento.

En la Figura 2 se muestra el resultado en 23 años.

Figura 2. Resultados portfolio. 

Tabla 5. Resultados. 

Como vemos, la cartera dinámica bate con rotundidad al mercado y al modelo estático. Sin embargo, el Max. DD aumenta hasta valores prohibitivos, coincidiendo con los períodos de mayor inflación. Con todo, conseguimos un ratio de Sharpe ligeramente superior a 1, lo cual ya es una muy buena relación entre retorno y riesgo (R/R).

CARTERA DINÁMICA CON COBERTURA

Implementamos un mecanismo de cobertura basado en las expectativas de inflación, tomando como base el indicador adelantado de la universidad de Míchigan (inflexp) Las reglas son:

Iniciar cobertura:

>> Si el inflexp > 3,5 y está en aumento respecto del periodo anterior.

Liquidar 100% de posiciones en cartera e invertir en el instrumento seleccionado para cobertura.

Cerrar cobertura:

>> Si el inflexp ≤ 3,5

Liquidar el instrumento de cobertura y reinvertir en la lista de activos siguiendo las reglas de entrada. 

Hemos probado tres formas de cobertura:

1. Cerrar posiciones y permanecer en liquidez.
2. Emplear Short-Term TIPS. Inversión en renta fija a corto plazo protegida de la inflación. Pera ello se puede utilizar algún ETF específico como el Vanguard Short-Term Infl-Prot Secs ETF (VTIP).
3. Asumir que un escenario de alta inflación es generalmente bajista e invertir en algún ETF inverso como el Russell 2000 Short.

Los resultados de las tres opciones, se pueden ver en la Tabla 6.

Tabla 6. Resultados de las tres opciones.

Como podemos ver, el Max. DD no varía porque ocurre en un periodo de inflación moderada al que no se aplica el mecanismo de cobertura. En términos R/R el mejor método de cobertura es la inversión en el ETF ProShares Short Russell 2000. Sin embargo, la opción más conservadora quizá sea la inversión en TIPS mediante el instrumento VTIP.

Nosotros nos decantamos por el posicionamiento corto en el Russell. Esta es la curva del equity implementando este mecanismo de cobertura.

Figura 3. Resultados cartera con mecanismo de cobertura.

CONCLUSIONES:

• El portfolio tiene un comportamiento excelente y consigue batir al benchmark (Nasdaq 100) en todos los regímenes de los mercados ocurridos en los últimos 23 años. 
• Estamos operando sobre una lista muy reducida de activos centrada únicamente en 2 subsectores de la economía. Por tanto, la capacidad de diversificación de esta cartera es muy escasa.
• Las grandes empresas tecnológicas como Apple, Microsoft, IBM o Nvidia no han invertido en IA y CC en la misma proporción durante todo el período analizado. De hecho, el posicionamiento decidido en estos dos sectores no va más allá de 2010. Antes la inversión era residual o inexistente.
• La rotación semanal de activos implica un mayor gasto en comisiones. Hemos asumido al realizar la evaluación unos gastos y un deslizamiento que consideramos realistas. Pero aún así puede que en operativa real haya diferencias significativas.
• La inteligencia artificial y computación cuántica son sectores de moda que gozan del favor de los analistas. Esto puede generar un sesgo en las valoraciones que quizá no se mantenga en el futuro. 
• Estamos claramente ante una “cartera de autor” de tipo táctico u oportunista. No debe operarse en solitario, sino en el contexto de un portfolio global más diversificado. Siguiendo la lógica núcleo-satelital en un enfoque estándar tipo 70/30. Es decir, un núcleo amplio de activos gestionado según otros criterios (70% de la inversión) y asignando, la cartera satelital aquí descrita, el 30% del capital disponible. 

China vuelve a ser el mercado más odiado del mundo por Sentimentrader

• En los últimos años, las acciones chinas han sufrido periódicas mini-caídas.
• La última desencadenó una lectura de amplitud de pánico que superó a todas las demás.
• Según esas lecturas y un cambio regulatorio significativo, los inversores tienen una razón tenue para esperar un repunte posterior a las vacaciones.

Las acciones chinas vuelven a desencadenar lecturas de pánico

Una vez más, ha sido una especie de tortura para los inversores en acciones chinas. Al menos ahora, tienen unos días sin nuevos mínimos en muchas acciones y una semana de vacaciones para no pensar en las pérdidas.

Y esas pérdidas han sido generalizadas. La semana pasada, tres de cada cuatro acciones del índice compuesto de Shanghai cayeron al menos a un mínimo de 52 semanas. Se trata de una cifra increíblemente grande que sólo se ha igualado dos veces, ambas durante la crisis financiera.

Lo que nos dice el estudio

Hemos dicho antes que el mercado de valores chino rivaliza con el de las mineras de oro por su capacidad de decepcionar a los inversores. La racha reciente no ha sido diferente y el sentimiento hacia el mercado es tan malo como cualquier mercado que haya visto en casi 25 años. Es discutible si un cambio regulatorio marcará alguna diferencia a largo plazo. Lo que no está sujeto a debate es la caída de estas acciones en prácticamente cualquier período de tiempo. Cuando la situación llegó a este punto en el pasado, algo que en realidad se ha dado sólo dos veces, las acciones registraron repuntes significativos durante semanas o meses. Será interesante ver la reacción esta vez.