Los tres mejores hábitos de los traders de éxito por Brett N. Steenbarger

Mejor hábito #1: Pasar del trading reactivo al trading planificado

Muy a menudo, los desafíos psicológicos a los que se enfrentan los traders se dan porque están tomando decisiones en base al calor del momento, cuando es más probable que estén estresados y sean más impulsivos. Los traders de éxito han estudiado intensamente sus operaciones con mayores beneficios y saben que es lo que mejor saben hacer. Después convierten sus mejores hábitos en reglas, para que sepan exactamente qué tipo de oportunidades buscar en los mercados, cómo expresar esas oportunidades, cómo dimensionar las posiciones y gestionarlas, etc. Lo bueno de saber lo que haces mejor y cómo lo haces es que después puedes ensayar mentalmente las acciones correctas como parte de la preparación para el día ese día. Los métodos de biorretroalimentación y visualización pueden ser útiles en ese ensayo mental. Mantener el tipo correcto de diario de trading también ayuda en gran medida a centrarse en las lecciones que aprendemos. Conocer su mejor trading también le permite diferenciarse de los mercados cuando no hay oportunidades. Los mejores traders con los que trabajo esperan pacientemente su oportunidad y no sienten la necesidad de operar. Son como el bateador de béisbol que conoce bien al lanzador y está dispuesto a esperar un buen lanzamiento en la zona de ataque.

Mejor hábito #2: Aprovechando tus puntos fuertes

Los traders que tienen éxito con los que he trabajado saben quiénes son, en qué son buenos y qué los motiva y desafía. También son conscientes de sus defectos y pueden convertirlos en fortalezas. Debido a que encuentran formas de hacer trading que aprovechan sus fortalezas y son significativas para ellos, no tienen ningún problema en mantenerse comprometidos en los mercados durante los tiempos difíciles. También se basan en sus fortalezas fuera de su participación en los mercados, por lo que sus actividades personales son una fuente continua de satisfacción. El equilibrio adecuado entre el trabajo y la vida privada no es solo pasar tiempo en actividades fuera del mercado; es hacer uso de lo mejor de ti en las relaciones y en las actividades personales. El riesgo laboral número uno para los traders a tiempo completo es el agotamiento. Cuando no logramos el equilibrio entre el trabajo y la vida privada basado en lo que es significativo para nosotros, perdemos la eficiencia laboral y nos volvemos menos creativos. A menudo he aconsejado a los traders que siempre se aseguren de tener pasiones en la vida mayores que su pasión por el trading. Si tu única fortaleza es el trading, eso te convierte en vulnerable.

Mejor hábito #3: Creatividad

La mayor debilidad de los traders en general es que están mirando los mismos mercados, procesando la misma información y operando desde los mismos gráficos e ideas que otros. Hay muy poco de original en su pensamiento o trading. Son como el dueño de un negocio que establece una tienda para competir con los negocios circundantes, pero que copia lo que hacen. Si no haces cosas diferentes y distintivas en los mercados, no lograrás resultados diferentes y distintivos. Este es un tema que abordo en el libro Trading Psychology 2.0. Como enfatiza el libro, hay técnicas y procesos específicos que podemos aprender para convertirnos en generadores de ideas mejores y más diferenciados. La clave es mirar la nueva información e integrar la información de nuevas maneras. El trabajo en equipo, la red con otros que tienen antecedentes y habilidades diferentes a nosotros, es una práctica valiosa que puede ayudarnos a ampliar nuestros horizontes. En mi propia operativa, he encontrado los mejores resultados al centrarme en datos que otros no miran, desde medidas de alta frecuencia de compra y venta hasta patrones de amplitud a través de marcos de tiempo entre los sectores de acciones.

Ratio Consistency-Weighted Return (CWR): Una Medida Alternativa para Evaluar Estrategias de Trading por Carlos Barredo Lago

• En el vasto mundo del trading cuantitativo y las métricas de inversión, el foco a menudo recae sobre los retornos como ratio más destacado. Las estrategias que presumen de enormes beneficios pueden acaparar la atención, pero ¿son consistentemente confiables? Hablemos del Ratio Consistency-Weighted Return (CWR).
• Artículo publicado en Hispatrading 56.

El ratio Consistency-Weighted Return (CWR) es una métrica diseñada para combinar el beneficio bruto con la consistencia de la estrategia que puede ayudarnos a medir de forma fiable una estrategia de trading.

¿Qué es el Consistency-Weighted Return (CWR)?

En el ámbito del trading y la inversión, una curva de rentabilidad ascendente y constante en las ganancias a menudo se considera el «santo grial». Esta consistencia deseada es más que un sueño; es un reflejo de la estabilidad y confiabilidad en la estrategia elegida.

El CWR ofrece un enfoque analítico para medir cuán cerca está una estrategia de trading de este escenario ideal. Combina los retornos totales de una estrategia con su valor R², también conocido como el coeficiente de determinación.

¿Pero qué es exactamente este R² o coeficiente de determinación? En la disciplina de las estadísticas, cuando buscamos entender la linealidad de un conjunto de puntos de datos, utilizamos un método llamado regresión lineal. A través de este método, nos esforzamos por ajustar una línea (a menudo referida como la «línea de mejor ajuste») entre estos puntos. El valor R² proviene de este procedimiento. Cuantifica la proporción de varianza en la variable dependiente (en este contexto, los retornos de una estrategia de trading) que es predecible a partir de la(s) variable(s) independiente(s). Esencialmente, un valor R² de 1 denota una relación lineal perfecta, lo que implica que los datos se alinean impecablemente con la línea de mejor ajuste. Por el contrario, un valor cercano a 0 sugiere una falta de linealidad, indicando que los puntos de datos están ampliamente dispersos alrededor de la línea.

Por lo tanto, el CWR no es simplemente un reflejo de las ganancias absolutas de una estrategia. Plantea una pregunta más intrincada: «¿Al generar estas ganancias, la estrategia mantuvo una apariencia de uniformidad y previsibilidad?»

Fórmula: CWR = R² × Retornos Anualizados

Donde:

R² (Coeficiente de Determinación): Es una métrica de confiabilidad. Un indicador de cuán armoniosamente los retornos de la estrategia se adhirieron a una regresión lineal.

Retornos Anualizados: Esta es la suma de todas las ganancias y pérdidas del período, escalada para representar un retorno anual. Específicamente, la fórmula para anualizar retornos simples es:

Retornos Anualizados = Retornos Totales × (duración en períodos / períodos por año)

Donde:

• Retornos Totales: Los Retornos Totales son la suma acumulativa de los retornos diarios.
• períodos por año: períodos por año sería 365 para criptomonedas y 252 para la mayoría de otros activos.
• duración en períodos: la duración en períodos es el número total de días en su serie temporal.

¿Por qué CWR? La Ventaja de la Consistencia

1. Pronósticos Confiables: Las estrategias con mayor consistencia son más predecibles. Tienden a mostrar menos fluctuaciones extremas, lo que las hace más fáciles de manejar y menos estresantes para los traders.
2. Menor Riesgo: Retornos consistentes pueden sugerir que la estrategia no depende de grandes victorias ocasionales (que pueden ser seguidas de grandes pérdidas). Esto reduce el riesgo de pérdidas severas.
3. Viabilidad a Largo Plazo: Si bien las estrategias de ‘éxito efímero’ pueden ofrecer retornos dramáticos durante un corto período, a menudo se desvanecen. Las estrategias consistentes, por otro lado, pueden ofrecer un rendimiento sostenido.

Calculando el ratio CWR con Python

En el proceso de obtención del ratio Consistency-Weighted Return (CWR), un componente crítico es el valor R², que esencialmente mide la consistencia de los retornos.

Para calcular R², el primer paso es realizar una regresión lineal en nuestro conjunto de datos para determinar la línea de mejor ajuste. Una distinción importante en nuestro enfoque es que optamos por no usar un intercepto u ordenada en el origen. Esta elección se basa en el principio fundamental de que se supone inherentemente que una curva de rentabilidad comienza en cero.

En esta sección, exploraremos dos métodos distintos para realizar la regresión lineal y, posteriormente, obtener el valor R²:

1. Mínimos Cuadrados Ordinarios (OLS): Un método ampliamente utilizado en estadística, especialmente cuando se trata de datos multivariable. Utilizaremos la librería statsmodels en Python para este método.
2. Método de Cálculo Directo: Este método, diseñado para la regresión lineal univariable, calcula la pendiente de la regresión usando la covarianza entre las variables y la varianza de la variable independiente. Utilizaremos este método para determinar el valor R², diferenciando entre la variación total y la variación explicada por el modelo de regresión.

Profundicemos en ambos métodos. Aquí hay una guía paso a paso usando un dataframe hipotético llamado trades:

1. Prepara tu entorno:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm

2. Crea un dataframe de trades de muestra:

# Simulando una serie pnl aleatoria pero rentable
bias = 0.25  # Esta constante asegura una tendencia ascendente en promedio
data = {
    ‘time’: pd.date_range(start=’2023-06-01′, periods=100, freq=’D’),
    ‘pnl’: np.random.randn(100) + bias
}
trades = pd.DataFrame(data)

trades[‘pnl’] = trades[‘pnl’] / len(trades)

3. Calcula los retornos acumulados y extrae los arrays ‘X’ e ‘y’:

# Retornos acumulados.

trades[‘cumpnl’] = trades[‘pnl’].cumsum()

# Crea el array X basado en la longitud de trades.

X = np.array(range(len(trades)))

# Crea ‘y’ basado en la columna ‘cumpnl’ de trades.
y = trades[‘cumpnl’].values

4.1. Calcula R² usando OLS:

# Ajusta el modelo OLS sin ordenada al origen.
model = sm.OLS(y, X).fit()

# Extrae R^2 directamente del modelo.
r_squared_ols = model.rsquared

4.2. Calcula R² usando el método directo:

# Calcula el coeficiente beta sin ordenada al origen.
beta = np.sum(X * y) / np.sum(X**2)

# Predice y usando el beta calculado.
y_pred_direct = beta * X

# Calcula R^2 directamente para el modelo sin ordenada al origen.
ss_tot_direct = np.sum(y**2)
ss_res_direct = np.sum((y – y_pred_direct)**2)
r_squared_direct = 1 – (ss_res_direct / ss_tot_direct)

5. Calcula CWR:

# Parámetros para la anualización
periods_per_year = 365  # Usando 365 para activos como criptomonedas

# Calcula la duración en periodos (días en este caso, ya que ‘trades’ es un dataframe de datos diarios)
duration_in_periods = len(trades)

# Calcula los retornos anualizados
annualized_returns_ols = trades[‘cumpnl’].iloc[-1] * (periods_per_year / duration_in_periods)
annualized_returns_direct = trades[‘cumpnl’].iloc[-1] * (periods_per_year / duration_in_periods)

# Calcula los CWR usando los valores R^2 y los retornos anualizados
cwr_ols = annualized_returns_ols * r_squared_ols
cwr_direct = annualized_returns_direct * r_squared_direct

# Imprime los resultados para una rápida comparación
print(f»CWR using OLS method: {cwr_ols:.6f}»)
print(f»CWR using Direct Calculation method: {cwr_direct:.6f}»)

CWR using OLS method: 0.935333
CWR using Direct Calculation method: 0.935333

6. Grafica los retornos comparados con las regresiones lineales:

# Línea de regresión para el método OLS:
regression_line_ols = model.predict(X)

# Línea de regresión para el método de cálculo directo:
regression_line_direct = beta * X

# Gráfico
plt.figure(figsize=(12, 5))

# Grafica el retorno acumulado real
plt.plot(trades[‘time’], trades[‘cumpnl’], label=’Cumulative PnL’, color=’green’)

# Grafica la línea de regresión obtenida del método OLS
plt.plot(trades[‘time’], regression_line_ols, label=’Regression (OLS)’, color=’black’, linestyle=’–‘)

# Grafica la línea de regresión obtenida del método de cálculo directo
plt.plot(trades[‘time’], regression_line_direct, label=’Regression (Direct)’, color=’grey’, linestyle=’–‘)

# Estableciendo títulos y etiquetas
plt.title(‘Cumulative PnL compared with Regression Lines’)
plt.xlabel(‘Time’)
plt.ylabel(‘Cumulative PnL’)
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.show()

Rendimientos Espectaculares vs. Crecimiento Estable

Ilustremos la importancia del CWR con un ejemplo práctico.

Imagina dos estrategias de trading a lo largo de 100 días:

• Estrategia A: Caracterizada por rendimientos espectaculares, esta estrategia a menudo ofrece ganancias significativas seguidas de caídas pronunciadas, asemejándose a una montaña rusa financiera. Es importante señalar que, por diseño, la Estrategia A termina con un rendimiento que es un 10% más alto que el de la Estrategia B al final del período.
• Estrategia B: Esta estrategia enfatiza un crecimiento más estable. Aunque los rendimientos son más consistentes, hay un toque de ruido realista, lo que la hace menos predecible pero mucho más estable que la Estrategia A.

# Estableciendo la semilla para reproducibilidad
np.random.seed(17)

# Estrategia A: Retornos más volátiles
volatile_returns = np.random.randn(100) * 0.1
# Estrategia B: Retornos estables pero con ligero ruido
steady_returns = np.full(100, 0.005) + np.random.randn(100) * 0.01

# Ajustando A para asegurar que termine con un retorno un 10% más alto al final del período
cum_returns_A = volatile_returns.cumsum()
target_final_return = steady_returns.cumsum()[-1] + 0.10  # 10% más retorno que la estrategia B
scale_factor = target_final_return / cum_returns_A[-1] volatile_returns *= scale_factor

# Creando DataFrames para ambas estrategias
time_range = pd.date_range(start=’2023-06-01′, periods=100, freq=’D’)
trades_A = pd.DataFrame({‘time’: time_range, ‘returns’: volatile_returns})
trades_B = pd.DataFrame({‘time’: time_range, ‘returns’: steady_returns})

# Calculando el retorno acumulado para ambas estrategias
trades_A[‘cumpnl’] = trades_A[‘returns’].cumsum()
trades_B[‘cumpnl’] = trades_B[‘returns’].cumsum()

# Gráfico
plt.figure(figsize=(12, 6))
plt.plot(trades_A[‘time’], trades_A[‘cumpnl’], label=’Strategy A’, color=’red’)
plt.plot(trades_B[‘time’], trades_B[‘cumpnl’], label=’Strategy B’, color=’green’)
plt.title(‘Comparison of Cumulative PnL: Flashy Returns vs. Steady Growth’)
plt.xlabel(‘Time’)
plt.ylabel(‘Cumulative PnL’)
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.show()

A pesar de que la Estrategia A tiene un retorno acumulado más alto al final de los 100 días, sus trayectorias difieren significativamente. Cuando evaluamos estas estrategias con la métrica CWR, emerge una visión más reveladora.

# Parámetros para anualización
periods_per_year = 365  # Usando 365 para activos como criptomonedas

# Calcular la duración en periodos (días en este caso, ya que trades_A y trades_B son dataframes de datos diarios)
duration_in_periods = len(trades_A)  # Suponiendo que trades_A y trades_B tienen la misma duración

# Estrategia A: Cálculo de CWR
X = np.arange(len(trades_A))
y_A = trades_A[‘cumpnl’].values
model_A = sm.OLS(y_A, X)
results_A = model_A.fit()
r_squared_A = results_A.rsquared
annualized_returns_A = trades_A[‘cumpnl’].iloc[-1] * (periods_per_year / duration_in_periods)
cwr_A = annualized_returns_A * r_squared_A

# Estrategia B: Cálculo de CWR
y_B = trades_B[‘cumpnl’].values
model_B = sm.OLS(y_B, X)
results_B = model_B.fit()
r_squared_B = results_B.rsquared
annualized_returns_B = trades_B[‘cumpnl’].iloc[-1] * (periods_per_year / duration_in_periods)
cwr_B = annualized_returns_B * r_squared_B

# Imprimiendo el CWR para ambas estrategias
print(f»CWR for Strategy A: {cwr_A:.4f}»)
print(f»CWR for Strategy B: {cwr_B:.4f}»)

CWR for Strategy A: 1.6648
CWR for Strategy B: 1.8462

Al calcular el ratio CWR para ambas estrategias usando el método OLS, la Estrategia B mostró un valor más alto, enfatizando su fiabilidad a pesar de tener un rendimiento total más bajo que la Estrategia A.

Este ratio no solo tiene en cuenta el “destino” sino también el “trayecto” realizado. Una estrategia con un crecimiento más predecible y constante probablemente tendrá un CWR más alto, destacando su rendimiento consistente. Esta consistencia puede ser más atractiva para los traders e inversores, ya que reduce la imprevisibilidad y el potencial estrés de los cambios erráticos en el rendimiento.

Incorporando el ratio CWR en la evaluación de tus estrategias:

1. Compara y Contrasta: Usa CWR junto con otras métricas como el Ratio de Sharpe, Ratio de Sortino o el Máximo Drawdown para obtener una visión más integral del rendimiento de una estrategia.
2. Construcción de Cartera: Para carteras diversificadas, asegúrate de tener una combinación de estrategias. Prioriza aquellas con un CWR más alto para aportar más estabilidad a tu cartera.
3. Gestión de Riesgos: Identifica las estrategias con CWRs más bajos ya que pueden introducir más volatilidad. Ajusta tu asignación de capital en consecuencia.

Conclusión

Aunque los rendimientos brutos siempre serán una piedra angular al evaluar el rendimiento, el ratio Consistency-Weighted Return (CWR) ofrece una perspectiva novedosa, enfatizando la importancia de un crecimiento constante y confiable. En los mares tumultuosos del mundo del trading, una estrategia consistente puede ser el ancla que asegura el éxito a largo plazo.

Recuerda, al explorar nuevas métricas como CWR, es vital entender sus limitaciones y usarlas en conjunto con otras herramientas y ratios. ¡Buen trading!

¿Qué Está Pasando En México? [Dirty Dozen] por Alex Barrow

1. 2023 ha quedado atrás y aquí están los ganadores y perdedores en los mercados de valores globales.

El Nasdaq fue el líder claro con México y Brasil ocupando el segundo y tercer lugar. El Dow se puso en cuarto puesto y terminó el año con el principal índice de acciones de EE. UU. muy fuerte desde un punto de vista técnico. El gran perdedor fue China, cayendo un -11,5% en el año (gráfico de Koyfin).

2. Haciendo zoom hasta 3 meses atrás para ver dónde está cambiando el impulso, podemos ver tanto a Brasil como a México tomando los dos primeros lugares, mientras que el Nasdaq está perdiendo algo de fuerza, y China continúa sin fuerza (gráfico de Koyfin).

3. El impulso es uno de los factores más fiables en los mercados, ya que las tendencias en movimiento tienden a mantenerse en movimiento. Creo que es una apuesta bastante buena que México (EWW) cotizará a niveles más altos el próximo año, y probablemente mantendrá su fuerte rendimiento relativo.

Veamos un gráfico anual que muestra el ETF EWW rompiendo este año un rango de consolidación lateral de 7 años. Hay mucha energía en espiral que podría impulsar esta tendencia en los próximos años.

4. Y claramente ha habido un cambio significativo en México que hace que valga la pena prestar más atención al mercado. Veamos un gráfico anual del peso mexicano que muestra cómo ha roto con fuerza su canal descendente de 20 años frente al USD, también emergiendo de un suelo lateral de 7 años.

5. Veamos un gráfico mensual de las acciones de mayor rendimiento en el ETF EWW el año pasado, el Grupo Carso, S.A.B. de C.V., una gran empresa industrial/de infraestructuras. Con nuestro indicador de fragilidad de tendencia al 100 %, nombres como este serán buenas compras una vez que termine este movimiento parabólico y obtengamos un retroceso de varias semanas/meses.

6. De los principales mercados de valores a nivel mundial, el índice Nikkei 225 tiene el gráfico anual más fuerte. Japón puede parecer una elección confusa desde una perspectiva sentimental porque se ha convertido en un mercado popularmente atractivo.

Apuesto a que Japón tendrá un rendimiento superior en los próximos años.

7. Nuestro indicador de liquidez de Macro Ops (una combinación de datos de estrés financiero) entró en terreno positivo por primera vez desde el verano pasado y sigue aumentando. Esto indica una mejora de la liquidez, algo que hemos estado señalando durante meses.

Y con la caída de la inflación, Powell no está dispuesto a sacudir el barco en un año electoral en el que Trump es el rival, es probable que veamos que las condiciones se mantengan relativamente fáciles en el futuro previsible.

8. No sé cuándo terminará este movimiento parabólico alcista, es por eso que hacemos un seguimiento de los elementos internos y la amplitud y nos movemos a medida que el gráfico también se mueve. Pero eche un vistazo a los principales flujos de fondos promedio del índice de EE. UU. que ahora se han disparado a los niveles del 21 de diciembre.

9. Esperamos que la eventual corrección sea un retroceso dentro de una tendencia alcista primaria más amplia. Los signos continuos de fuerza subyacente, como el índice de suma McClellan que podemos ver a continuación, apuntan a una continuidad alcista. Aquí está SentimenTrader comentando sobre las diferencias en la sobrecompra a corto plazo frente a la fuerza a largo plazo:

«La historia está clara de que este tipo de avance de «línea recta» solo puede continuar durante mucho tiempo. Sin embargo, la historia también deja claro que la compra de base amplia necesaria para desencadenar esta señal a menudo indica el impulso que tiende a ver el mercado seguir adelante durante muchos meses».

10. Hace un mes señalamos el repunte de las exportaciones de Corea del Sur, que sirve como un indicador fiable para mejorar el crecimiento global.

Bueno, las exportaciones asiáticas siguen mejorando respecto a un año atrás. En general, esto debería atraer flujos de capital de los costosos mercados estadounidenses y pesar sobre el USD.

11. Este gráfico muestra el crecimiento del PIB nominal de EE. UU. (línea blanca), los rendimientos a 10 años de la UST (azul), el margen entre los dos (gráfico verde/rojo) y el rendimiento real a 10 años (línea naranja).

Muchos comentaristas han estado diciendo últimamente que EE. UU. no entrará en recesión este año porque el PIB nominal es muy alto. Esto ha sido cierto, pero lo que importa es la diferencia entre el crecimiento y los rendimientos, que están empezando a ajustarse.

Tenga en cuenta cómo, cuando en el pasado el crecimiento nominal ha caído por debajo de los rendimientos a 10 años, pronto se produjo una recesión. Solo algo a tener en un ojo.

12. Con Japón empezando a recibir un poco más de atención, es posible que quieras echar un vistazo a Nintendo.

A continuación se muestra un gráfico mensual que muestra un fuerte impulso alcista desde un suelo considerable (nota: estamos largos).

Hablemos de la curva de rendimiento invertida por Sentimentrader

• El rendimiento de los bonos del Tesoro a 10 años menos la curva de rendimiento de los bonos a 2 años ha estado invertido durante 17 meses.
• Esto ha desencadenado un flujo interminable de señales de alarma por parte de los expertos.
• Si bien una curva de rendimiento invertida indica algo anormal en la economía, el historial como señal de advertencia bajista no ha sido tan claro como podríamos pensar.

Una curva de tipos invertida avisa de algo anormal en la economía o en los mercados financieros

La definición de «curva de rendimiento» es la diferencia entre las tasas de interés a distintos vencimientos. Por ejemplo, se podría trazar una curva de rendimiento simple trazando el rendimiento actual de un bono del Tesoro a 30 años, una nota del Tesoro a 10 años, una nota del Tesoro a 5 años y una letra del Tesoro a 3 meses. En un entorno «normal», esperamos que los rendimientos sean más altos en el tramo largo y más bajos en el corto. Sin embargo, este no es siempre el caso debido a desequilibrios o circunstancias anormales en los mercados financieros y/o la economía en general.

Hay muchas formas de medir la curva de rendimiento. Entre otras están los bonos del Tesoro a 10 años menos los de 2 años, los bonos del tesoro a 10 años menos los de 3 meses, los bonos a 10 años menos la tasa de fondos federales, los bonos a 30 años menos cualquiera o menos todos los anteriores, etc. Otro enfoque Implica observar el porcentaje de curvas de rendimiento individuales invertidas en un momento dado.

Examinaremos el rendimiento del Tesoro a 10 años menos el rendimiento del Tesoro a 2 años al final de cada semana. La siguiente imagen (cortesía de FRED) muestra este diferencial.

Lo que nos dice el estudio

Entonces, ¿hemos «desacreditado» la idea de que una curva de rendimiento invertida proporciona una señal de alarma? En realidad no, porque a veces sí que han avisado de un mercado bajista. Así, seamos claros acerca de las implicaciones. El mensaje aquí NO ES que los inversores deban ignorar la curva de rendimiento ni ahora ni en el futuro. El punto importante es entender que la curva de rendimiento es sólo un factor que puede afectar el mercado de valores. La curva de rendimiento puede transmitir información potencialmente importante como parte de un enfoque de «peso de la evidencia». Sin embargo, deja mucho que desear como modelo de trading. Demasiados inversores que dan mucha importancia a la curva de rendimiento como indicador del mercado de valores se perdieron el repunte de los últimos 14 meses.

Una breve historia del Nasdaq 100 por Ben Carlson

El Nasdaq 100 ha subido más del 50 % este año.

El índice de tecnología está a punto de obtener la primera posición, en cuanto a rendimiento, desde 2009.

Las acciones de Magnificent 7 han contribuido a las ganancias explosivas de este año, pero también ayuda el hecho de que el Nasdaq se desplomara el año pasado, cayendo más del 32 %.

De hecho, si miras los rendimientos totales desde el comienzo de 2022, cotiza solo ligeramente en positivo:

También es cierto que las grandes ganancias en este índice han sido la norma desde hace bastante tiempo.

Estos son los rendimientos anuales desde 2013:

Cinco de los últimos siete años han visto ganancias superiores al 25 %. Cuatro de esos siete años fueron del +30% o más. Ocho de los últimos once años han visto movimientos de dos dígitos en cualquier dirección (en su mayoría al alza).

Las grandes ganancias y las grandes pérdidas son la norma para el Nasdaq, incluso más que para el resto del mercado de valores.

Eche un vistazo al ciclo de rendimiento utilizando algunos años seleccionados para el Nasdaq 100, S&P 500 y Russell 2000:

Todo es más grande en Texas, el Nasdaq.

Esa carrera en la década de 1990 fue de otro mundo. Tuviste un 38 % de rendimientos anuales de 1991-1999 a medida que la burbuja se hinchaba. El otro lado de esa carrera de locos fue un desplome del 83 % cuando la burbuja se desinfló junto con rendimientos negativos desde 2000 hasta algún momento de 2013.

La compensación durante casi una década de rendimientos anuales de casi el 40 % hizo que el índice no fue a ninguna parte durante casi una década y media.

Como siempre, el riesgo y la recompensa están unidos a la cadera.

No obtienes un 19 % de rendimientos anuales desde 2012 sin la perspectiva de una década perdida de más de lo que conduce a estos maravillosos rendimientos.

Mucha gente está preocupada por la concentración del Nasdaq 100 y los enormes rendimientos que esas acciones han experimentado en este ciclo.

Mientras que las 10 principales acciones del S&P 500 representan aproximadamente el 30 % del índice, las 10 principales representan más del 50 % de la capitalización de mercado en el Nasdaq 100.

Me gusta el argumento de que la reversión a la media debería jugar sus cartas en el futuro. No se pueden esperar que continúen ganancias de casi el 20 % al año.

Pero el Nasdaq de este siglo se parece mucho a los retornos de 2022 y 2023 juntos. Desde principios de 2000, el Nasdaq 100 ha subido un 6,4 % al año. Una vez más, esa es una fecha de inicio seleccionada a la altura de una enorme burbuja, pero es importante mirar un ciclo completo al medir el rendimiento.

No confío en mi capacidad para predecir los rendimientos futuros del mercado. Simplemente hay demasiadas variables en juego.

Confío más en la idea de que los inversores en el Nasdaq 100 experimentarán máximos y mínimos más bajos que el mercado de valores en general cuando se trata de rendimientos debido a la concentración y los tipos de acciones que posee el índice.

El riesgo es mucho más fácil de predecir que los rendimientos.

Si quieres tener grandes ganancias, tienes que estar dispuesto a superar grandes pérdidas.

¿Puede continuar este repunte del mercado? por Brett N. Steenbarger

El mercado de valores de EE. UU. se ha recuperado bruscamente de sus mínimos de finales de octubre, lo que nos ha llevado a nuevos máximos en varios de los principales índices. El jueves pasado vimos una fuerza de amplitud especial con más de 2500 acciones en los principales índices que registraron nuevos máximos mensuales y más de 1700 haciendo nuevos máximos de tres meses. Al mismo tiempo, solo 188 y 86 acciones alcanzaron nuevos mínimos de uno y tres meses. Gracias al cambio de la Reserva Federal y a un cambio dramático en la bajada de las tasas de interés, la compra fue amplia, elevando tanto las acciones de pequeña como de gran capitalización. Cuando vemos grandes movimientos en todas las clases de activos (renta fija, divisas, acciones), sabemos que algo fundamental está en marcha entre los inversores. Pero, ¿qué viene ahora? Después de una fuerza tan amplia, ¿veremos más impulso alcista o por el contrario veremos un giro? Echemos un vistazo a la historia reciente del mercado.

Como he indicado en el pasado, la fuerza (medida por el número de acciones que hacen nuevos máximos) y la debilidad (medida por nuevos mínimos) deben considerarse como variables relativamente independientes. Sin duda, las dos están relacionadas, desde 2016 (casi 2000 días de mercado), la correlación entre los nuevos máximos y mínimos de 1 mes es de -.54 y entre los nuevos máximos y mínimos de 3 meses es de -.46. Lo que esto significa es que solo alrededor del 25 % de la variación en nuevos mínimos se explica por el número de nuevos máximos y viceversa. (Todos los datos están sacados de Barchart.com).

Cuando examinamos los datos históricos desde 2016, podemos ver la importancia de considerar la fortaleza y la debilidad por separado. Por ejemplo, solo hemos tenido 24 días en ese tiempo en los que los nuevos máximos de tres meses superaron los 1000. Durante las siguientes 10 sesiones de negociación, el SPY promedió una pérdida del -,11%, en comparación con el +,23% para el resto de la muestra. Sin embargo, durante las siguientes 50 sesiones de negociación, SPY ganó un promedio de +3,81%, mucho más que la ganancia promedio de +2,39% para el resto de la muestra. De hecho, cuando hemos tenido una explosión de nuevos máximos, el mercado subió 21 veces, solo 3 en los próximos 50 días. Durante los siguientes 10 días, subió 11 veces, bajó 13.

Por el contrario, cuando los nuevos mínimos de tres meses están por debajo de 100 (N = 475), los rendimientos han sido superiores durante las próximas 20 sesiones de negociación, con una ganancia promedio del +1,99% frente a una ganancia promedio del +,59% para el resto de la muestra. En otras palabras, cuando los nuevos máximos se dan a niveles altos, hemos visto un impulso a lo largo de un horizonte temporal más largo; cuando los nuevos mínimos han sido en niveles bajos, vemos un impulso al alza a corto plazo. Cuando los nuevos máximos son altos *y* los nuevos mínimos son bajos, el patrón ha sido similar al de los nuevos máximos elevados: rendimientos débiles durante las próximas diez sesiones de negociación; rendimientos superiores en un horizonte de 50 días.

Sin duda, las noticias sobre la inflación y el crecimiento afectarán a los mercados de tasas y eso, a su vez, podría mover las acciones. Durante el aumento de los mercados de tendencia/impulso, me ha resultado útil buscar puntos de sobreventa a corto plazo en el mercado (puntos durante los cuales la mayoría de las acciones cierran por debajo de sus promedios móviles de 3 y/o 5 días) que se producen a precios más bajos. Esas caídas son oportunidades para participar en la tendencia más amplia y también crear puntos lógicos para poner nuestros stops si se rompe la tendencia alcista. Al menos por ahora, los mercados están tratando las noticias de la Reserva Federal como un cambio de juego. La evidencia histórica reciente sugiere que la marea creciente que levanta hace flotar a todos los barcos a menudo continúa, aunque no necesariamente a corto plazo.

La diversificación de sistemas, el verdadero Santo Grial del trading  por Kevin Davey

• ¿Cómo superar los posibles baches del mercado? La diversificación de sistemas es clave.
• Artículo publicado en Hispatrading 56.

La mayoría de los nuevos traders entran a la arena del trading con el símbolo del dólar reflejándose en sus ojos. Están buscando el “Santo Grial” que convertirá sus sueños en realidad. Este sueño está fuertemente promovido algunas firmas de trading sin escrúpulos, que solo muestran el lado positivo y la rentabilidad del trading. ¿No es sorprendente cuántas estrategias que se venden parecen estar libres de drawdown?

Por supuesto, la realidad para la mayoría de los traders es todo lo contrario. Los traders prueban un método o estrategia, ponen todo su capital en él y lo operan. Cuando el nuevo sistema inevitablemente llega a un drawdown, aquellos que tienen la suerte de escapar con algo de su capital simplemente pasan al siguiente «Santo Grial» que encuentran. Y la historia se repite, una y otra vez.  Este fenómeno es una de las muchas razones por las que la mayoría de los traders pierden dinero.

Entonces, esto plantea la pregunta: «¿hay un mejor enfoque para el trading, una alternativa a la búsqueda del Santo Grial?”. Afortunadamente, la hay, aunque la mayoría de la gente no habla mucho de ello.  La mejor manera se resume con una palabra: «diversificación». En otras palabras, sistemas de trading diversificados. Este artículo explica qué es la diversificación, por qué es tan valiosa y, lo que es más importante, cómo lograrla.

¿Qué es la diversificación en el trading?

En términos simples, crear un sistema de trading diversificado significa que el trader no se basa en un solo enfoque de los mercados. En el trading de acciones, por ejemplo, muchos traders diversifican operando acciones en diferentes industrias o con diferentes grados de correlación (valores beta) con el mercado de valores general. Los beneficios de este tipo de diversificación han sido bien documentados en la investigación académica durante décadas, por lo que la mayoría de la gente lo sabe.

En el trading de futuros, la diversificación se puede lograr de muchas maneras. Un trader podría incorporar varios estilos «macro» al mismo mercado. Por ejemplo, un trader podría operar con soja con un enfoque de trading de spreads basados en el calendario, aprovechando los cambios de precios entre los diferenciales de precios del año de cosecha anterior y el nuevo año de cosecha. También podría emplear una estrategia de venta de opciones, aprovechando los períodos planos para cobrar la prima.  El trader también podría operar en futuros de soja direccionalmente, con la esperanza de saltar a una tendencia.  Cada una de estas técnicas podría emplearse simultáneamente.  Aunque todas las estrategias hacen trading con soja o sus derivados, los resultados de cada estrategia pueden no estar correlacionados con las otras estrategias.  Eso proporciona diversificación.

Otra forma de diversificar en futuros es operar la misma estrategia con diferentes marcos de tiempo (tamaños de barra) o diferentes mercados. Un operador discrecional podría, por ejemplo, utilizar ese enfoque para operar en mercados no correlacionados. Un trader algorítmico puede emplear el mismo enfoque, operando la misma estrategia con diferentes mercados. O bien, podría operar en diferentes estrategias con diferentes mercados. Cada uno de estos enfoques también podría proporcionar la diversificación deseada.

La clave de la diversificación, sin importar cuál sea el mercado o el tipo de trader, simplemente se convierte en operar de múltiples maneras diferentes.

Por qué la diversificación es tan poderosa

La razón por la que la diversificación funciona tan bien se puede resumir en una frase simple: «las ganancias se suman, las pérdidas no». Un simple ejemplo ilustra este hecho.  Considere dos buenas, pero no excelentes, estrategias de trading de futuros, como se muestra en la siguiente figura. Una estrategia opera con Lean Hogs, una estrategia diferente opera con el mini S&P. Cada estrategia por sí sola es rentable, con, por supuesto, su propio dradown inevitable. Claramente, ¡ninguna estrategia es el Santo Grial por sí misma!

El verdadero poder de operar con estas dos estrategias está en operarlas juntas. La pérdida máxima para la cartera combinada de Hogs y mini S&P es en realidad menor que operar cada sistema por sí mismo, como se muestra en la tabla 1. Mientras que una estrategia está en pérdidas, la otra estrategia está alcanzando nuevos máximos de renta variable, y viceversa. Por lo tanto, con el tiempo, las pérdidas se suavizan, mientras que las ganancias de cada una simplemente se suman. Este es el beneficio de la diversificación.

¿Por qué diversificar?

Este efecto de suavizado del drawdown se puede mejorar aún más añadiendo estrategias de trading adicionales. Siempre que las estrategias no estén correlacionadas, o solo estén ligeramente correlacionadas, el drawdown general de la cuenta en términos porcentuales se puede disminuir agregando más estrategias.

Cómo diversificar

La clave para lograr la diversificación es operar simultáneamente en estrategias no correlacionadas. Pero ¿Cómo hace uno eso? Una forma de garantizar la diversificación es medir el coeficiente de correlación (R^2) entre 2 estrategias, como se muestra en la figura 2. Esto se puede hacer en Excel o con cualquier software. Cuanto menor sea el coeficiente de correlación, mayor será la diversificación que proporcionarán las estrategias.

Este efecto de suavizado del drawdown se puede mejorar aún más añadiendo estrategias de trading adicionales. Siempre que las estrategias no estén correlacionadas, o solo estén ligeramente correlacionadas, el drawdown general de la cuenta en términos porcentuales se puede disminuir agregando más estrategias.

Sin embargo, este método se vuelve engorroso al verificar la correlación de muchas estrategias. Cada estrategia debe verificarse con cualquier otra estrategia, y eso puede llevar mucho tiempo completar el análisis. Afortunadamente, existe una alternativa relativamente fácil.

Dado que el objetivo final de la diversificación es mejorar las características de la curva de renta variable, simplemente se podría medir la relación entre el beneficio y la pérdida máxima de la curva de renta variable resultante. Una estrategia que mejore el rendimiento general de las ganancias a la pérdida añadirá diversificación a la cartera, lo que resultará en un menor drawdown para una cantidad equivalente de ganancias.

Una nueva forma de ver la diversificación

Dos de las preguntas más importantes que surgen con la diversificación son:

1. ¿Cómo sé si una nueva estrategia está añadiendo o restando a la diversificación de mi cartera?

2. ¿Cómo sé cuándo tengo suficientes estrategias de trading para diversificarme completamente?

Dado que estas son preguntas que mis estudiantes hacen con frecuencia, decidí armar una gran herramienta nueva. Yo lo llamo el Diversificator™.

Esta herramienta de Excel, incluida sin costo en el taller de Strategy Factory, le da al trader la capacidad de:

A.  Obtener rápidamente datos de rendimiento de múltiples informes de Tradestation y visualizar las curvas de capital y drawdown de la cartera.

B.  Comprobar y ver si una estrategia se suma a la diversificación o resta diversificación.

C.  Determinar cuántas estrategias se necesitan para lograr la diversificación.

Esta herramienta hace mucho por usted con respecto a la diversificación. Con ella, puedes ver fácilmente cómo lograr y mejorar la diversificación de tu cartera.

Sistema de trading diversificado

¿Cómo puedes saber de antemano que una nueva estrategia no estará correlacionada con otras estrategias? La experiencia ha demostrado que simplemente hacer las cosas de manera diferente generalmente conduce a la diversificación. Por ejemplo, un trader puede incorporar al menos una, e idealmente muchas, de las siguientes diferencias para obtener una estrategia diversificada:

• Diferentes parámetros de la estrategia.
• Estrategia completamente diferente (diferentes enfoques para el seguimiento de tendencias) – Como ejemplo, mis libros de trading proporcionan muchas estrategias de ejemplo diferentes.
• Enfoque de estrategia diferente (contra tendencia o reversión a la media versus seguimiento de tendencia).
• Diferente longitud de barra (barras de X minutos en lugar de barras diarias)
• Diferentes mercados (trading de algunos granos, algunos futuros de energía, algunas divisas, etc.)

Cualquiera de estos por sí mismo puede proporcionar una estrategia no correlacionada a una estrategia existente. Cree una estrategia con dos o más de estas diferencias, y la diversificación puede ser aún más evidente.

Inconvenientes de la diversificación

Por muy buena que sea la diversificación, no está exenta de inconvenientes. Por ejemplo, operar en múltiples estrategias requiere más capital. Un trader con una cuenta de $5.000 simplemente no tiene suficiente capital para diversificarse bien. En segundo lugar, en tiempos de crisis, todos los mercados pueden llegar a estar temporalmente altamente correlacionados. Esto ocurrió durante la crisis financiera de 2008-9.  También podría ocurrir si sucediera algo dramático, como la devaluación del dólar estadounidense. En tal situación, todo podría ir en contra del trader a la vez.

Un inconveniente final de la diversificación es que el posible rendimiento alcista es limitado. Un trader concentrado en operar solo con una estrategia tiene muchas más posibilidades de tener un muy buen año que un trader diversificado, si la estrategia del trader concentrado tiene un año tremendo. El trader diversificado, por otro lado, probablemente tendrá algunos sistemas de bajo rendimiento en un año determinado, lo que limitará el total de su cuenta al alza. Pero, esto también significa que el trader concentrado también tiene un mayor riesgo de meterse en problemas, si su estrategia tiene un año realmente malo. Sin embargo, si no se requiere proteger las posiciones, un trader podría estar en mejores condiciones si permanece no diversificado y busca grandes ganancias.

Resumen

Muchos traders veteranos te dirán que diversificar es la mejor manera de hacerlo. La filosofía opuesta, «poner todos los huevos en la misma cesta», no es necesariamente el mejor camino a seguir, especialmente si la cesta se puede caer en cualquier momento. Poner los huevos en múltiples cestas, en otras palabras, diversificarse, disminuye la posibilidad de una pérdida catastrófica.  Si un trader opera con 20 estrategias, una o dos pueden dejar de funcionar sin destruir la cuenta en general. Desafortunadamente, un trader con una sola estrategia no puede decir lo mismo. Estar diversificado puede conducir a rendimientos más suaves y a un menor riesgo de ruina. Muchos traders consideran que esta es una situación ideal.

¿Un nuevo mercado alcista en las acciones de pequeña capitalización? por Alex Barrow

1. El SPX se encuentra en un régimen de mercado alcista neutral. Ya van siete semanas alcistas consecutivas, lo que es una rara demostración de fuerza. Nuestra puntuación de fragilidad de tendencia (una combinación de posicionamiento y sentimiento) ha aumentado desde sus mínimos del 24% a principios de noviembre hasta el 83 % de hoy, un signo de optimismo extremo, aunque todavía un 7% menos para desencadenar una señal de venta adecuada.

Esta semana entra en uno de sus períodos más fuertes de estacionalidad, aunque la cinta se encuentra en 2std+ de compra extrema a través de múltiples medidas.

2. La línea naranja es una acumulación del porcentaje de acciones del SPX que operan por encima de sus medias móviles de 10, 20, 50 y 200 días. Las lecturas extremas pueden indicar tanto sobrecompra como sobreventa y mostrar la fuerza/debilidad relativa del impulso subyacente a la tendencia.

En este momento, el 87 % de las acciones del SPX están operando por encima de las cuatro medias móviles, lo que históricamente es bastante fuerte (los círculos amarillos marcan casos anteriores).

3. En los últimos 20 años, ha habido 62 casos por encima del 85 %. 46 de estos mostraron rendimientos positivos en los siguientes 40 días con un rendimiento medio del 3,9 % (línea amarilla = promedio).

4. Por lo tanto, si bien los niveles de sobrecompra aumentan el riesgo a corto plazo de ver una consolidación/corrección, un mercado de sobrecompra es a menudo un signo de fuerza de la demanda que precede a nuevas ganancias. Se necesita más contexto para ayudar a distinguir entre los dos posibles escenarios.

Una entrada contextual que rastreamos regularmente son los sectores internos del mercado. Y continúan sugiriendo que la tendencia alcista está viva y bien y que el camino a seguir subiendo está en pie por ahora. Nos volveremos más cautelosos cuando estos se rolen y/o nuestra puntuación de TF supere el 90 %.

5. El Russell 2000 (RTY) está chocando tanto en la parte superior de su rango lateral de 18 meses como en su banda semanal de Bollinger. Es probable que lo veamos consolidarse en estos niveles, pero los datos recientes (a continuación) sugieren que pronto lo veremos salir al alza.

6. SentimenTrader señaló la semana pasada que «el porcentaje de acciones de Russell 2000 que registraron un máximo de 63 días aumentó al 48 %, alcanzando el quinto nivel más alto de la historia».

7. Y «cuando el porcentaje de acciones de Russell 2000 que registraron un máximo de 63 días aumentó por encima del 38 %, los rendimientos, las tasas de ganancia y las puntuaciones z para el índice de pequeña capitalización fueron sobresalientes. Un año después, el índice siempre cotizó a niveles más altos».

8. Hemos estado comprados en bonos durante las últimas semanas debido al posicionamiento/sentimiento, un patrón técnico confirmado, y nuestros indicadores de rendimiento que divergen a la baja, lo que sugiere que los rendimientos pronto seguirían ese camino (es decir, bonos hacia arriba).

Sin embargo la situación actual nos hace que ejecutemos algunas ganancias o, al menos, que ajustemos nuestros stops loss. Aquí podemos ver que nuestro indicador de rendimiento (línea roja) diverge fuertemente al alza.

9. Los futuros de las notas a 10 años (ZN1) se están enfrentando a su banda de Bollinger semanal superior. Esto no significa que sea hora de volverse bajista. Solo significa que las probabilidades de una corrección/consolidación en los bonos han aumentado, por lo que deberíamos gestionarlo en consecuencia.

10. Mira los sectores/industrias con los rendimientos consecutivos más fuertes en nuestro mapa de calor de rendimiento. Tenemos construcción de viviendas, constructores de viviendas, semiconductores y consumidores discrecionales.

Este no es el tipo de movimientos que ves si te diriges directo a una recesión. Esta es una acción de precios cíclicamente alcista, que se alinea con el peso más amplio de la evidencia que dice que la tendencia principal es para los activos de riesgo.

11. Hablando de acciones de pequeña capitalización, estamos viendo mucha fuerza técnica en los transportistas (petroleros, graneles secos, contenedores, etc.). Esto se alinea con los datos que sugieren que la economía mundial ya ha hecho mínimos y, por lo tanto, deberíamos ver una recuperación en el comercio mundial.

Hay varias gráficas con muy aspecto técnico en este sector y uno de los nombres que nos gustan es Navios Maritime Partners (NMM). El siguiente gráfico es semanal

12. La acción no solo se está rompiendo un patrón de cuña de 2 años, sino que también está cotizando a precios bajos… He aquí un vistazo a su valoración actual en relación con sus múltiplos históricos, así como a sus pares. (gráfico a través de Koyfin).

Gracias por leer.

La Reserva Federal: ¿Ajustar o simplemente normalizar? por Dr. Ed Yardeni

Según el informe de empleo de noviembre publicado el viernes, podemos concluir con seguridad que todavía no hay señales de recesión inminente. Nuestro escenario de aterrizaje suave (también conocido como recesión continua) permanece intacto, como lo ha estado desde principios del año pasado. Los partidarios incondicionales del aterrizaje forzoso siguen esperando una recesión, como lo han estado haciendo desde que la Reserva Federal comenzó a ajustar su política a principios de 2022. Pero ahora la esperan en 2024 y en su mayoría piensan que será una recesión superficial.

El escenario de recesión ampliamente anticipado se ha basado en una premisa muy simple y lógica: la Reserva Federal comenzó a aumentar agresivamente las tasas de interés el año pasado durante mayo. Las tasas a corto y largo plazo han aumentado al menos 500 puntos básicos durante el verano. Se piensa que ese impactante giro, después de un período muy largo de política monetaria ultralaxa, debería representar un shock terrible para la economía. Si bien los “largos y variables retrasos en la política monetaria” han resultado ser más largos y variables esta vez, seguramente se producirá una recesión en 2024, calculan los partidarios del aterrizaje forzoso.

Además, los hard landers señalan: la curva de rendimiento se ha invertido desde el verano de 2022. El Índice de Indicadores Económicos Líderes ha ido cayendo desde que alcanzó un máximo histórico en diciembre de 2021. La tasa de crecimiento interanual del M2 real ha sido negativa desde mayo de 2022 . La tasa real de los fondos federales se ha disparado del -8,46% durante marzo de 2022 al 2,09% durante octubre. Todos ellos han sido en su mayoría indicadores adelantados precisos de recesiones en el pasado.

Sin embargo, contrariamente a este argumento plausible, la economía se ha mantenido resistente y hasta ahora ha evitado una recesión. Estamos en diciembre de 2023 y la tasa de desempleo se mantiene por debajo del 4,0%. El empleo a tiempo completo se encuentra en un nivel récord. También lo es el empleo asalariado, que es uno de los cuatro componentes del Índice de Indicadores Económicos Coincidentes (IEC). Es el primero que se publica cada mes y sugiere que el CEI alcanzó otro nuevo récord en noviembre, confundiendo a los seguidores del LEI.

En los últimos meses, hemos proporcionado varias explicaciones de por qué los defensores del aterrizaje duro y sus indicadores han estado equivocados hasta ahora. (Véase, por ejemplo, “Capitán América”, título de nuestra sesión informativa matutina del 8 de noviembre de 2023). Aquí hay una nueva: quizá la Reserva Federal no haya estado endureciendo la política monetaria sino más bien normalizándola. Las tasas de interés han vuelto a la antigua normalidad. Han vuelto a donde estaban antes del período de Nueva Anormalidad entre la Gran Crisis Financiera y la Gran Crisis del CoronaVirus, durante el cual la Reserva Federal fijó las tasas de interés cerca de cero.

La teoría de la normalización implica que la Reserva Federal podría no reducir las tasas de interés el próximo año tanto como se esperaba. Esto se debe a que la economía no requeriría tanta flexibilización para revertir el ajuste una vez que el ajuste haya hecho su trabajo de reducir la inflación. Si la economía sigue siendo resiliente pero la inflación continúa cayendo más cerca del objetivo de la Reserva Federal del 2,0% el próximo año (esperamos ambas cosas), entonces la Reserva Federal podría reducir la tasa de fondos federales dos veces el próximo año, 25 puntos básicos cada vez, en lugar de cuatro veces o más de lo que se esperaba. Después del informe de empleo del viernes, esto era menos esperado.

Perfil de Volumen, Subasta de Mercado y Flujo de Ordenes: Barridas de Stop: El caso del pez piloto (Parte III) por Demian Pack

• En este artículo, integramos práctica y conceptualmente una visión que nos brinda una ventaja competitiva a la hora de enfocar los mercados.
• Artículo publicado en Hispatrading 19

Si pensamos a los mercados como un océano, podemos destacar la figura de los tiburones como un grupo dominante dentro del ecosistema. Jugando con la analogía, podemos extender esta figura de depredadores identificándola con los grandes operadores. Es decir, aquel grupo con mayor experiencia y recursos, que le valen operar en volumen importante y con resultados consistentes a lo largo del tiempo. 

Esto no implica teoría conspirativa alguna, sino fundamentalmente una manera de caracterizar cierta dinámica que se da en torno a cualquier mercado, en la cual encontramos –al menos- un grupo que tiene la capacidad de generar una mayor presión en el mercado, lo cual representa una ventaja competitiva y una decidida influencia en el proceso de formación de precios. El Dinero Inteligente, es uno de los grupos que caracterizamos dentro de este proceso.

En la depredación hay un individuo perjudicado, que es la presa, y otro que es beneficiado, el depredador, pasando la energía en el sentido presa a depredador.

Siguiendo con la analogía, en el océano encontramos también otro grupo: las presas. Este grupo es vulnerable debido a que cuenta con menores recursos y tiende a ser cazado por el depredador. Al Dinero Tonto lo caracterizamos entonces como aquel grupo con menores recursos (conocimiento, tecnología, experiencia y capital, entre otras cosas) que tiene las de perder.

El caso del pez piloto, resulta bastante interesante. Este animal resulta famoso porque acompaña a los tiburones, alimentándose de los restos de comida. Su relación con los tiburones es prácticamente simbiótica: es rarísimo que un tiburón se coma a un pez piloto, y se ha visto a peces piloto entrar en la boca de tiburones para limpiar los restos de comida de sus dientes.

Desde lo conceptual, nuestro trabajo en los mercados apunta a movernos como peces pilotos. A partir de descifrar el modus operandi del Dinero Inteligente, nos enfocamos en trabajar junto a éste y no su contra.

¿DONDE? – AREAS CLAVE: UBICANDO  LA OPORTUNIDAD

A través de los elementos que ofrece el perfil de volumen y demarcamos el ámbito de la operatoria y utilizamos la información que nos proveen los principios de subasta de mercado para interpretar el proceso de formación de precios, dentro del cual el actuar del Dinero Inteligente resulta particularmente relevante. 

En primera instancia, individualizamos anticipadamente áreas clave del mercado en donde tenemos una alta probabilidad de obtener una reacción en el precio.  La relevancia de las mismas, viene dada por las acciones en torno a estos niveles, de aquellos operadores más experimentados, los cuales que manejan el mayor volumen en el mercado.

Identificadas con antelación en nuestro análisis, estas áreas y niveles representan ámbitos de alta probabilidad en donde resulta posible que el precio experimente algún tipo de reacción en las mismas.

Seleccionar en forma precisa los niveles en los cuales decimos involucrarnos nos permite establecer el contexto en el cual desarrollaremos nuestra operatoria y predeterminar niveles de referencia en los cuales estaremos interesados en operar. 

Volviendo a la analogía presentada al principio, establecemos el ámbito de dominio de los depredadores y vemos como estos desarrollan su comportamiento en el marco de su hábitat. 

¿Cuándo? ¿Cómo? – LECTURA DEL FLUJO DE ÓRDENES  

El presente nos muestra la convicción en la cual el Dinero Inteligente manifiesta su interés. De esta forma, incorporamos el análisis del flujo de órdenes como elemento clave, el cual refleja las intenciones de los participantes del mercado.  

La relevancia que nos ofrece la lectura del flujo de órdenes en nuestro proceso de análisis radica en mostrarnos la convicción del mercado en tiempo real, ya que éste refleja la sumatoria de órdenes que se encuentran ejecutándose en tiempo presente al precio del mercado 

Si bien hemos profundizado éste y otros conceptos durante artículos publicados previamente, nos interesa señalar algunas cuestiones importantes.

La lectura del flujo de órdenes nos brinda una serie de ventajas respecto de otros métodos de análisis técnico. En primer lugar, nos permite ver el proceso de evolución que experimentan los mercados a partir de la lectura del libro de órdenes. El orderbook, refleja el posicionamiento de compradores y vendedores en el mercado: quién se encuentra comprado/vendido y a qué nivel se ha realizado dicha compra/venta. 

Esta información resulta extremadamente valiosa y resulta clave al momento de la toma de decisiones en términos de estrategia y operatoria:

• Nos brinda una visión del mercado que nos permite identificar en forma precisa los niveles de precio en los cuales se encuentran ubicados compradores y vendedores.
• Permite ver el proceso de formación de precio, individualizando la profundidad del mercado, tanto presente, como (su comportamiento a) futuro. 
• Identificar el nivel de agresividad con el cual se encuentran operando compradores y vendedores
• Identificar la interacción entre oferta y demanda en forma clara y precisa.
•  Analizar las estrategias y comportamiento del Dinero Inteligente. 

En términos de la analogía presentada nos permite evaluar el comportamiento de los tiburones, su estrategia de depredación y patrones de movimiento.

BARRIDAS DE STOP: Transmisión de la energía en el sentido presa a depredador

Un ejemplo de esta dinámica lo representan las barridas de stop. 

Desde nuestra óptica, este fenómeno responde a la forma de trabajar del Dinero Inteligente. Recordemos que este grupo se caracteriza por mover grandes volúmenes, para lo cual es necesario realizarlo en un intervalo de tiempo significativo. 

Miremos el oro a través del mercado de futuros del CME en Chicago, por ejemplo. Pensemos en el caso en que el Dinero Inteligente busca vender. Para poder vender, es necesario que una contraparte se encuentre dispuesta a comprar, de manera que, para lograr su cometido,  necesita crear demanda (recordemos que este grupo se caracteriza por trabajar con importante volumen). 

Con el objetivo obtener esta demanda, el Dinero Inteligente  apela a sus mayores recursos, a su mayor poder de fuego. Este grupo de operadores conoce su relevancia y saben que los participantes más pequeños tienden a proteger su posiciones con ordenes stop-loss (barreras) a una distancia determinada, representada por un numero de ticks, las cuales serán ejecutadas provisto que sean alcanzadas por la acción de precio.

Pensemos entonces en un operador profesional que quiere vender. Como señalamos anteriormente, para poder vender, es necesario tener una contraparte que se encuentre dispuesta a comprar. Debido al mayor volumen que este maneja, deberá tener del otro lado muchos participantes dispuestos a comprar. 

¿Cómo generar la demanda necesaria?

Una manera de obtener contrapartes es partir de las barridas de órdenes stop-loss. Moviendo el mercado en contra de las posiciones vendidas, El Dinero Inteligente presiona al Dinero Tonto hasta el límite en donde se ejecutan dichas órdenes con el objetivo de cerrar la posición ante la perdida. 

Recordemos: el depredador en busca de su presa. 

Los stops ejecutados a partir de una posición vendida se materializan en órdenes de compra. Es decir, demanda en grandes cantidades, con importante liquidez.

Esto es justamente lo que necesita el Dinero Inteligente para vender: un número importante de contrapartes que le permitan absorber el gran volumen de venta con el cual opera. Una manera de obtener esto, es comprando agresivamente un mercado a ciertos niveles de precio con el objetivo de presionar al grupo de menores recursos, el cual no cuenta con la  posibilidad de resistir dicho movimiento. Esta compra es anterior al nivel en que el Dinero Inteligente se encuentra interesado en vender y busca impulsar el precio en forma significativa para crear demanda  -a través de la ejecución de órdenes de compra producto de una barrida de órdenes stop-loss– que le permita vender a niveles de precios atractivos. 

Desde nuestra perspectiva, esta es la dinámica fundamental que impulsa a los mercados. Las diversas corrientes de compra y venta que se suscitan como el reflejo del proceso de depredación a través del cual el Dinero Inteligente utiliza sus recursos para presionar agresivamente al Dinero Tonto en busca de beneficios.

Esta es definitiva, la transferencia de energía que representa el resultado mismo de la depredación con la cual dimos comienzo a nuestro articulo. Mantenernos en el rol del pez piloto es entonces nuestro desafío/objetivo como operadores.

Demián Pack.

Una caída del 25% en el petróleo no ha sido nunca motivo para vender por Sentimentrader

• El petróleo crudo cayó un 25% desde sus máximos recientes, lo que generó la alarma entre los inversores.
• Estas macroevaluaciones podrían tener sentido teórico, pero las caídas del petróleo no tienen ningún historial de avisos sobre el futuro del mercado o la economía.
• Después de grandes caídas del petróleo, las acciones tendieron a tener un comportamiento bastante bueno y rara vez terminaron conduciendo a recesiones económicas.

El petróleo ha perdido una cuarta parte de su valor

La gente realmente quiere ser bajista. Buscarán cualquier excusa, por extravagante o mal apoyada que sea. No es ningún secreto que los inversores prestan mucha más atención a las historias interesantes que a los datos convincentes, y parece que la situación está empeorando.

Tomemos este tweet, por ejemplo. Me gusta Charles, y no tiene nada que ver con criticar a nadie; es más un reflejo del compromiso de la audiencia de FinTwit; solo lea el comentario encima de la imagen. ¿Qué tiene que ver una caíd del petroleo con la economía?

Lo que nos dice el estudio

Observar a qué prestan atención los inversores a menudo nos ha brindado la oportunidad de observar datos reales y determinar si existe una desconexión entre la realidad y una buena historia.

Hay cierta evidencia de que los inversores se han sentido bastante cómodos con la idea de una continuación del repunte, pero anecdóticamente, es extraño ver cuánta atención se presta a lo que puede salir mal. La caída del petróleo crudo es un excelente ejemplo de cómo los catastrofistas macroeconómicos aprovechan algo que podría tener sentido en teoría pero que, en la práctica, no tiene valor. Las grandes caídas del petróleo no tienen ningún valor predictivo a la hora de advertir de peligros en la economía o el mercado de valores.

¿Qué sucede después de un 20 % de subida del año en el mercado de valores? por Ben Carlson

Un lector pregunta:

Claro que es algo muy bueno que el S&P 500 haya subido un 20 % este año, pero ¿no estamos fijando los inevitables recortes de tasas de la Reserva Federal en 2024? ¿Realmente deberíamos esperar que el mercado vuelva a subir el próximo año después de sorprender al alza este año? Puedes catalogarme como escéptico. Displacer: Soy naturalmente bajista y tomo una postura ante el mercado un poco anti-Ben.

¡Mira, esto es lo que hace un mercado!

Es justo que anti-Ben pregunte si el mercado de valores está fijando los recortes de tasas para el próximo año. Después de todo, el mercado de valores está pendiente de este evento.

Me encanta estudiar los rendimientos históricos del mercado. Mirar el historial del mercado nunca te ayudará a predecir el futuro, pero puede ayudarte a entender mejor la forma en que el mercado de valores funciona en general.

Por ejemplo, mirar los rendimientos anuales en el mercado de valores no te dirá lo que sucede el próximo año, pero puede ayudarte a prepararte para una serie de resultados para establecer una especie de escenario base.

Una de mis estadísticas de mercado favoritas es el hecho de que el mercado de valores de EE. UU. ha subido más años en más de un 20 % que años en los que hemos tenido un rendimiento negativo desde la década de 1920. Es verdad.

Desde 1928, ha habido 34 años naturales en los que el S&P 500 ha terminado subiendo un 20 % o más frente a 26 años en los que hemos visto una caída.

Esto significa que el mercado de valores ha subido un 20 % o más el 36 % del tiempo y ha bajado un 27 % del total de todos los años. Esa es una compensación bastante buena, especialmente cuando se tiene en cuenta que el promedio del año de caída es una pérdida de ~13%.

La pregunta que anti-Ben parece estar haciendo es: ¿Qué sucede después de una ganancia del 20 %?

Aquí están todos los años con subidas del 20 % junto con los rendimientos del siguiente año:

No está tan mal. Seguro que hay más verde que rojo. Aquí están las estadísticas resumidas:

• El mercado de valores subió 22 de los 34 años después de una ganancia del 20 % (65 % de las veces).
• El mercado de valores bajó 12 de los 34 años después de una ganancia del 20 % (35 % de las veces).
• El rendimiento promedio después de una subida del 20 % en el año fue del 8,9 %.
• La ganancia media fue del +18,8 % en años anteriores.
• La pérdida media fue del -9,1% en años de baja.
• Hubo 19 años más de dos dígitos.
• Solo hubo dos años de dos dígitos de baja (1936 y 2022).

Este año está al borde de otro 20 % de subida anual. Veremos si Papá Noel viene a por nosotros a finales de año o no, pero hasta ahora todo bien.

También es importante preguntarse cuántos rendimientos en un año realmente afectan a los rendimientos en el año siguiente. Aquí hay un vistazo a los rendimientos promedio después de un año gran año alcista, un año alcista, un año bajista y un gran año bajista:

Así que tal vez el punto de partida del 20 % importa menos de lo que uno asumiría.

Estoy seguro de que podrías cortar y cortar los datos para ofrecer un poco más de visión, pero no parece haber mucha correlación de un año a otro.

La mayoría de las veces las acciones suben, pero a veces bajan.

Ciertamente es posible que el mercado de valores haya estado fijando los precios de los recortes de tasas de la Reserva Federal a principios del próximo año. El S&P 500 no va a esperar a que Jerome Powell lo explique. La tasa de inflación está cayendo, las tasas de interés están cayendo y el crecimiento de los salarios está cayendo, por lo que tiene sentido que la Reserva Federal comience a recortar en algún momento de la primera mitad de 2024.

Pero no puedo fingir ser lo suficientemente inteligente como para saber cuánto de eso tiene un precio en el mercado de valores o qué viene después.

Las cifras históricas de rendimiento pueden ayudar a establecer expectativas, pero también es cierto que las cosas suceden en los mercados todo el tiempo que nunca antes habían sucedido.

No sé si nos estamos preparando para un nuevo mercado alcista o un mercado plano o un nuevo mercado bajista.

Los mejores inversores entienden que es imposible predecir el tipo de entorno de mercado que se avecina. Lo mejor que puede hacer es prepararse para una amplia gama de resultados para evitar permitir que los movimientos a corto plazo en el mercado afecten su comportamiento.

Abordamos esta pregunta en el último Ask the Compound:

El experto en impuestos Bill Sweet se unió una vez más para responder preguntas sobre los rendimientos de los fondos de bonos, la venta de grandes posiciones de acciones individuales, la indexación directa y cuándo pagar su hipoteca antes de tiempo.

Un gran Impulso en las acciones financieras [Dirty Dozen] por Alex Barrow

En el Dirty Dozen [CHART PACK] de esta semana damos un vistazo a la estacionalidad, los aspectos internos, el impulso de amplitud en las acciones financieras, el debilitamiento de los datos de empleo de EE. UU. y una entrada alcista en el maíz, entre otras cosas…

1. El SPX tiene una tendencia estacional a caer en los próximos ocho días de negociación antes de formar un suelo.

2. El sentimiento y el posicionamiento se están volviendo más alcistas, pero no están en niveles que normalmente marcan mayores retrocesos. La amplitud es fuerte, aunque se acerca a la sobreextensión y los elementos internos del mercado siguen apoyando una tendencia ascendente de mayor calado.

3. El Nasdaq ha completado un gran patrón de taza con asa de 24 meses. Este es un patrón alcista.

4. Estamos largos y añadiremos más a nuestra posición en un cierre diario por encima de su rango lateral actual.

5. La semana pasada, el sector financiero experimentó un aumento de amplitud. SentimenTrader escribe que «un compuesto de amplitud que contiene seis indicadores con varias longitudes de duración subió al nivel más alto en más de dos años, lo que desencadenó una señal de compra para el grupo. La señal anterior generó una alerta en noviembre de 2020, lo que llevó a una ganancia de casi el 16 % en los siguientes tres meses».

6. Y «siempre que la amplitud compuesta del S&P 500 Financials aumenta por encima del 67 %, los rendimientos, las tasas de victorias y las puntuaciones z para el sector financiero son excelentes en todos los horizontes temporales. La señal llevó a ver ganancias en algún momento durante los tres meses siguientes en 38 de las 39 señales precedentes».

7. Aquí hay una instantánea de los rendimientos a tres meses del KRE Regional Banking Trust ETF (KRE) a través de la excelente plataforma de análisis, Koyfin. CUBI, GBCI, BOH, EWBC y CADE tienen el mejor rendimiento de 3 m del grupo.

8. Uno de mis principales indicadores favoritos del mercado laboral es la ayuda temporal a nivel interanual. La economía de EE. UU. ciertamente no está en recesión en este momento, pero este gráfico vale la pena ver si sigue bajando.

9. «Lo que convierte la narrativa ‘suave’ de hoy en ‘difícil’… a través de BofA.

10. La IED de China se ha vuelto negativa por primera vez. El largo de USDCNH nos está dando otra configuración con el par en la banda inferior de Bollinger.

11. El maíz recientemente superó la segunda sobreventa de sus medias móviles de 20 y 50 días, y casi 1,5 por debajo de sus 200 dma. Las posiciones grandes y pequeñas son bajistas. Nuestro indicador de sentimiento está saliendo del percentil 0, así como su puntuación de valoración. Y está a punto de entrar en su período más fuerte de estacionalidad.

12. El gráfico ha formado una bonita cuña descendente. Buscaremos comprar en la confirmación de ruptura.

¡La construcción está en auge! por Dr. Ed Yardeni

La economía estadounidense ha mostrado una resiliencia notable frente al agresivo endurecimiento de la política monetaria por parte de la Reserva Federal desde principios del año pasado. Uno de los sectores que explica esa resiliencia es la industria de la construcción. En el pasado, el aumento de las tasas de interés siempre deprimió la construcción, lo que exacerbó las recesiones resultantes (Gráficos 1 y 2). Esta vez, la debilidad de la construcción residencial ha sido compensada por una construcción pública y privada no residencial relativamente sólida (Fig. 3 y Fig. 4).

Le muestro más:

(1) Construcción residencial privada. Si bien la construcción de viviendas unifamiliares ha sido débil, esa debilidad se ha visto parcialmente compensada por un gasto récord en construcción multifamiliar y un gasto casi récord en mejoras de viviendas, que son casi tan grandes como el gasto en construcción unifamiliar (Fig. 5 y Figura 6).

(2) Construcción privada no residencial. Muchos de los componentes del gasto en construcción no residencial están en o cerca de sus máximos históricos, incluidos educación, carreteras y calles, diversión y recreación, comercio y oficinas (Fig. 7 y Fig. 8). Sorprende la fortaleza de las dos últimas categorías. Podrían debilitarse con un retraso (tal vez en 2024) en respuesta al endurecimiento de las condiciones crediticias durante 2022 y 2023. Pero por ahora, son una fuente de fortaleza económica.

Fuera de serie está el gasto en construcción de instalaciones manufactureras debido al aumento de la deslocalización debido a los incentivos federales (Fig. 9). En dólares corrientes, ha aumentado nada menos que un 71,6% y un 136,8% a uno y dos años.

(3) Construcción pública. La mayoría de las principales categorías de gasto en construcción pública también se encuentran en niveles récord o cerca de ellos (Figura 10). Estas son sus tasas de crecimiento interanual hasta octubre: energía (55,9%), alcantarillado y eliminación de residuos (27,2), oficinas (18,1), educación (16,5), suministro de agua (15,3), carreteras y calles (12,7) y transporte. (8.6).

(4) Empleo en la construcción. El empleo asalariado en la industria de la construcción ha sido ocasionalmente un indicador económico líder y, a menudo, ha sido un indicador coincidente del ciclo económico. Por eso tiende a caer durante las recesiones. Actualmente no hay señales de una recesión en el empleo en la construcción. Ha ido alcanzando nuevos máximos históricos desde mayo de 2022 (Fig. 11). El empleo es fuerte en todos los principales sectores de la construcción, incluidos los residenciales, no residenciales y la ingeniería civil y pesada (Fig. 12).

(5) Índices bursátiles relacionados. Desde el mínimo del 27 de octubre en el S&P 500, el índice de precios de las acciones de su sector inmobiliario se ha recuperado muy bien. También lo han hecho los índices de precios de las acciones de los distintos REIT del S&P 500 (Fig. 13). Mostramos su desempeño desde entonces hasta el cierre del viernes: Oficina (26,1%), Torre de Telecomunicaciones (25,1), Industrial (21,5), Residencial unifamiliar (18,2), Self-Storage (17,9), Hotel & Resort (17,7), Sector inmobiliario (17,3), Retail (16,5), Broadline (15,1) y Data Center (15,1).

Nuevas métricas del riesgo y sus aplicaciones en portfolios de sistemas (Parte 2) por Andrés García

• El control del riesgo es uno de los aspectos fundamentales en toda operativa. Más allá de las simples señales de entrada y salida tenemos un universo de opciones que podrán determinar la mejora o fracaso estrepitoso de un sistema con esperanza matemática positiva. Con este segundo artículo completaremos la serie dedicada al estudio de nuevas métricas del riesgo. Lea el primer artículo de esta serie.
• Artículo publicado en Hispatrading 19.

2.- EL VALOR EN RIESGO CONDICIONAL (CVaR)

Puede definirse como la media de las observaciones en la cola de la distribución; es decir por debajo del VaR al nivel de confianza especificado. Este es el motivo de que el CVaR se conozca también como ES (Expected Shortfall), AVaR (Average Value at Risk) o ETL (Expected Tail Loss).  

El cálculo del CVaR es algo más complejo y no  existe una metodología única: Puede ser calculado como la media aritmética de los VaR con niveles de significación igual o mayor que el inicial (Heras, 2010), se pueden utilizar medias ponderadas (Acerbi, 2002) o se puede utilizar el promedio entre el VaR y el CVaR⁺ (Rockafellar y Ursayev, 2000).

De manera más formal (Sarykalin y Ursayev, 2008) el estimador se define como:

CVaR_α =

 Donde:

0 con z < VaR_α(x)

=  

((z)-α) / (1-α) con z ≥ VaR_α (x)

Gráficamente podemos representar el CVaR del siguiente modo:

El CVaR tiene mejores propiedades matemáticas que el VaR. Es una medida coherente del riesgo (Wang et al, 1997) que cumple los criterios de:

– Monotonicidad: Si un activo tiene mejor rendimiento que otro en cualquier horizonte temporal su riesgo también es menor.

– Homogeneidad positiva: Proporcionalidad entre tamaño de la posición y riesgo.

–  Invariancia a translaciones:   Al añadir capital a una posición su riesgo disminuye en proporción directa al capital añadido.

– Subaditividad: La diversificación en activos disminuye el riesgo de la posición global. Esta última propiedad es importante y está relacionada con la optimización de carteras: Siempre se puede encontrar balanceando el portfolio una proporción óptima de activos que minimice el riesgo.  

Otras dos ventajas del CVaR (Pflug, 2000) son la continuidad con respecto al nivel de confianza y la convexividad con respecto a la posición en el portfolio, lo que permite resolver una enorme variedad de problemas de optimización.

Para El cálculo del CVaR por Montecarlo seguimos los mismos pasos que con el VaR, pero con la salvedad de que el número de escenarios simulados debe ser mucho mayor. Con un nivel de confianza del 99% y 100 simulaciones solo encontramos un elemento por debajo del VaR. A partir de 1.000 simulaciones ya se puede estimar el CVaR de manera muy precisa.

3.- DRAWDOWN EN RIESGO CONDICIONAL (CDaR)

Esta nueva métrica, introducida por Chekhlov, Uryasev y Zabarankin (2000), no es más que un CVaR aplicado a la distribución de drawdowns (DD) de la cartera. En determinados procesos de optimización y gestión monetaria el máximo DD se considera una medida demasiado conservadora del riesgo y el DD medio demasiado laxa. El CDaR se presenta como respuesta a este problema, y se define como el DD medio en la cola de la distribución para un nivel de confianza dado. 

En el caso de los portfolios de sistemas puede ser calculado por simulación de Montecarlo en la forma que ya hemos visto. El DD de Montecarlo y el VaR aplicado a la distribución de DDs. son lo mismo. El CDaR conserva las ventajas matemáticas ya mencionadas y permite analizar con mayor precisión los riesgos en las colas. Con todo, es una métrica que tiene las mismas ventajas y propiedades favorables que el CVaR. En la imagen inferior podemos ver los resultados de una simulación de Montecarlo aplicada al DD.

4.- TOMA DE DECISIONES EN CARTERAS SISTEMÁTICAS CON EL CVaR 

Uno de los usos más interesantes del CVaR es que nos permite obtener información estática y dinámica del portfolio que estamos analizando. Supongamos que queremos saber si un sistema o cartera sigue funcionando según lo previsto. Para ello podemos utilizar:

– Medidas estáticas del riesgo basadas en el DD: 

Por ejemplo, detener la operativa cuando el DD real excede el DD de Montecarlo del modelo (serie out-sample) a un determinado nivel de confianza.

– Medidas estadísticas: 

Estas medidas se basan en la forma de la distribución. Analizamos las series real y modelo, utilizando estadísticos como el T-Test o la prueba de Chi, para determinar si ambas series pertenecen a la misma población o si, por el contario, son distintas.

– Medidas estáticas del VaR y CVaR:

Estas métricas nos indican el rendimiento que debería tener el sistema o portfolio en un horizonte temporal y para un determinado nivel de confianza. Nuevamente comparamos los datos obtenidos en la simulación de Montecarlo de  la serie out-sample con los datos de la serie real. En la imagen inferior mostramos el VaR y CVaR de un portfolio sistemático calculados a un año. La cartera ha sido diseñada para un beneficio medio de 60.000€ anuales:

Una vez realizada la simulación de Montecarlo con las estadísticas de  la serie Out-sample comprobamos que no hay curvas perdedoras para el horizonte establecido y calculamos, a partir de la distribución del retorno, el VaR y CVaR para diferentes niveles de confianza (eje X). Si analizamos esta imagen con las últimas recomendaciones de Basilea sobre estos estimadores (BCBS, 2014), VaR al 99% y CVaR al 97,5%,  los resultados serían 16.200 para el VaR y 14.100 para el CVaR. En este caso las proyecciones anuales para los peores escenarios no tienen rentabilidad negativa. Sin embrago, son un 73% y un 77% peores que el beneficio medio anual previsto en el modelo.

– Medidas dinámicas del riesgo y curvas de mínimo rendimiento (CMR).

Con el VaR y el CVaR no solo podemos acotar escenarios estáticos de riesgo, también nos permiten responder a la siguiente pregunta: De cumplirse las peores previsiones, ¿cuánto debería estar ganando (o perdiendo) el portfolio  en cualquier intervalo del marco temporal evaluado? La respuesta está en las CMR para distintos niveles de confianza del estimador empleado.

Estas curvas se trazan partiendo de una simulación de Montecarlo del retorno de la cartera o sistema y requieren simular en cada intervalo t (ej. días) un número elevado de escenarios hipotéticos. Se obtiene la distribución de retornos de cada corte temporal a evaluar y se calculan el VaR y el CVaR para los niveles de confianza deseados. El resultado lo podemos ver en la imagen inferior:

Con este tipo de gráficos ya estamos preparados para responder a las preguntas de qué debería estar haciendo nuestro portfolio y si este evoluciona según lo previsto. También nos permiten establecer el breakeven  de la cartera; es decir, el punto de equilibrio a partir del cual los escenarios de riesgo convergen hacia soluciones positivas. En este caso podemos ver que en los peores escenarios existe riesgo de retornos negativos los primeros 120 días. Con duraciones mayores de la inversión ya no deberíamos estar perdiendo dinero.

Como gestores nos interesa monitorizar la evolución de la cartera para asegurarnos de que la operativa real está dentro de los parámetros prescritos por el modelo. Para ello podemos diseñar un protocolo basado en las curvas de mínimo rendimiento. 

Seguimos estos pasos:

1) Partiendo del modelo (serie out-sample) simulamos por Montecarlo una matriz de 252 días (año laboral) x 1.000 escenarios hipotéticos. 

2) Establecemos como estimadores del peor escenario el CVaR al 95% y al 99%

3) Calculamos sendos estimadores en ventanas acumulativas de 10 días.

4) Construimos la tabla del rendimiento mínimo esperado que contendrá los valores del CVAR_95%, CVaR_99%  y beneficio acumulado del portfolio real para cada corte temporal especificado. 

5) Comparamos en cada corte temporal el rendimiento mínimo esperado (RME) según el modelo con el valor real del portfolio. 

6) Valores inferiores al CVaR_95% serán nuestra primera señal de alarma. La capacidad de generar beneficios del portfolio se aleja peligrosamente de la prevista en el modelo.

7) Valores inferiores al CVaR_99% serán la señal de rechazo: El portfolio se ha salido de los límites, ya no es capaz de ofrecer la rentabilidad mínima esperada.

La señal del rechazo implicará para el gestor bien que la cartera se ha roto bien que el modelo de partida era erróneo. En una cartera muy diversificada en estrategias y mercados, antes de llegar a esta situación de ruptura del portfolio los sistemas individuales irían dando sucesivas señales de alarma. Y ahí es donde la gestión activa de la operativa (protocolos de monitorización, parada y reemplazo de estrategias) tendría que demostrar su eficacia. En la mayoría de los casos, un portfolio no se rompe por cuestiones meramente coyunturales, como las condiciones del mercado o el mal funcionamiento de algunas estrategias, sino por una gestión ineficiente de la operativa. 

Por último, y desde el inversor, las curvas de rendimiento mínimo son una herramienta útil en la toma de decisiones ya que le permiten responder con mayor objetividad numerosas preguntas relativas al riesgo, beneficio esperado, mantenimiento de la inversión y salida, cuando aguantar la posición en cualquier producto financiero empieza a ser un mal negocio.

5.- REFERENCIAS BIBLIOGRÁFICAS.

― Acebi, C. (2002) Spectral Measures of Risk: A Coherent Representation of Subjective Risk Aversion, Journal of Banking and Finance (26), 1505-1518.

― Artzner, P., Delbaen, F., Eber, J. y Heath, D. (1999); Coherent Measures of Risk. Mathematical Finance, (9)-3, 203-228.

― BCBS. Comité de Basilea (2014) Fundamental Review of the Trading Book: A Revised Market Risk Framework.

― Heras Martínez, A.J. (2010) Medidas del Riesgo y sus aplicaciones actuariales y financieras, Economía Española y Protección social (2) 69-103.

― Jorion, P. (1996); Valor en Riesgo: El Nuevo Paradigma para el Control de Riesgos con Derivados. Universidad de California, Irvine. McGraw-Hill.

― JP Morgan-Reuters (1996) RiskMetricsTM—Technical Document (1996). En la actualidad para todo lo referente a Riskmetrics:  http://www.msci.com/

― Kupiec, P. (1995); Techniques for Verifying the Accuracy of Risk Management Models. Journal of Derivatives (3) 73-84.

― Letmark, M. (2010) Robustness of Conditional Value at Risk (CVaR) When Measuring Markets Risk across different assets clases, Royal institute of Technology (En Internent: http://www.math.kth.se/matstat/seminarier/reports/M-exjobb10/100308a.pdf)

― Markowitz, H. (1952) Portfolio Selection, Journal of Finance (7), 77-91.

― Pflug, G.C. (2000) Some remarks on the value-at-risk and the conditional value-at-risk. (en S. P. Uryasev,ed. Probabilistic Constrainted Optimization: Methodology and Applications) Kluwer, Norwell, 278–287.

― Rockafellar, R.T., Uryasev, S. (2001); Conditional Value at Risk for General Loss Distributions. Journal of Banking and Finance (26) 1443-1471.

―Sarykalin S. et. al. (2008) Value-at-Risk vs. Conditional Value-at-Risk in Risk Management and Optimization, Tutorials in Operations Research, 270-293.

― Sharpe, W. (1964) Capial Asset Prices: Atheory of Market Equilibrium under Conditions of Risk, Journal of Finance (19)-3, 425-442.

― Taleb, N. (2007) El cisne negro. El impacto de lo altamente improbable, Paidós, Barcelona.

– Wang, S. Young, V. y Panjer, H. (1997) Axiomatic Characterization of insurance Prices, Insurance: Mathematics and Economics (21)-2, 173-183.