El milagro de EE. UU. en el mercado de acciones Ben Carlson

Definiendo los mercado

El mejor cumplido que puedo dar a cualquier periodista o analista financiero es este:

Ojalá hubiera escrito eso.

He pensado en el trabajo de John Rekenthaler numerosas veces a lo largo de los años. Siempre he admirado su sentido común y su enfoque directo de la escritura de inversiones.

Hace pocos días, Rekenthaler escribió su columna de despedida para Morningstar. En lugar de proporcionar una retrospectiva sobre su propia carrera, escribió una oda al mercado de valores de los Estados Unidos.

Rekenthaler se unió a Morningstar en 1988. Escribió sobre cómo se ha dudado del mercado de valores desde entonces:

Entre los primeros números de Barron’s que leí, apareció un caballero llamado Bob Prechter, quien predijo que el Promedio Industrial Dow Jones pronto caería a 400. En ese momento, el DJIA estaba en 2.000. Ahora está en 44.000.

La afirmación de Prechter era extrema, pero su sentimiento era normal, entre los inversores por aquel entonces. Los argumentos en contra de las acciones eran legión. Después de 12 años de prosperidad republicana, un demócrata estaba en la Casa Blanca. Los inversores de capital eran irracionalmente exuberantes. La relación CAPE mostró que las acciones eran históricamente caras. La «Nueva Normalidad» de la economía global después de la crisis financiera mundial de 2008 deprimiría los precios de las acciones. La Reserva Federal había apaldado el mercado a través de su política de flexibilización cuantitativa. ¡Cuidado cuando se quitaron las ruedas de entrenamiento!

Ese es mi recuerdo profesional más destacado: la creencia perpetua de que los inversores se han perdido la fiesta. Sin embargo, nunca lo han hecho.

Había un mar de preocupaciones siempre presente durante toda la carrera de más de 37 años de Rekenthaler en el negocio de la inversión.

Podría acreditar a la Reserva Federal, las políticas de tasas de interés, el gasto del gobierno, el aumento de las valoraciones, etc. para esta carrera, pero mira los fundamentos:

Las ganancias fueron un diez. Los ingresos crecieron. Los pagos de dividendos crecieron. Así que los precios de las acciones subieron… mucho.

Rekenthaler llamó a su columna de despedida «un homenaje al milagro de las acciones estadounidenses».

Ahora podría golpearte en la cabeza con los maravillosos rendimientos durante los mercados alcistas y los mejores tiempos de la renta variable, pero los rendimientos verdaderamente milagrosos incluyen todas las cosas malas que han tenido lugar a lo largo de las décadas.

Revisé los rendimientos históricos de algunos de los peores puntos de partida en la historia del mercado de valores para ser un inversor:

Tomé los rendimientos del comienzo de cada año que incluyeron algunos de los eventos de mercado, económicos y geopolíticos más desfavorables de los últimos 100 años más o menos.

Los resultados han sido espectaculares incluso desde puntos de partida horribles. El tiempo cura todas las heridas en el mercado de valores.

Obviamente, las advertencias habituales siguen estando vigentes. Los ganadores son los que escriben los libros de historia. No sabemos si los próximos 100 años serán tan buenos como los últimos 100 años, bla, bla, bla.

Soy un fanático en celebrar tus victorias.

Pero todos deberíamos estar celebrando el milagro del mercado de valores de EE. UU.

Es la mejor máquina de creación de riqueza del planeta.

¿Puede vivir del trading? por Perry J. Kaufman

• ¿Cuánto capital necesita para vivir del trading? ¿Qué debe tener en cuenta? En este artículo, Perry J. Kaufman, en exclusiva para Hispatrading Magazine, nos cuenta algunos aspectos imprescindibles si quiere vivir de sus ganancias. 
• Artículo publicado en Hispatrading 53.

Nuestra hija hace trading, pero necesita ganar lo suficiente para vivir. Eso me molesta porque los retiros constantemente agotan la cuenta y hacen imposible capitalizar los rendimientos, la clave para acumular riqueza. Estoy seguro de que ella no es la única trader con ese problema. La pregunta que me gustaría lanzar en este artículo es, «¿cuánto dinero puede retirar y seguir operando?”.

Tomemos un ejemplo simple, usando el SPDR SPY. En el pasado reciente, ha tenido tres grandes mercados alcistas, la última parte de los años 90, 2003-2007 y 2010-2020, comenzando después de la crisis financiera de 2008. Es difícil quejarse demasiado de los rendimientos, 7.5% anual desde 2003, incluso después de todos los altibajos, incluido el mercado bajista actual. Sin embargo, veremos que mucho depende de cuándo comience a operar.

Cantidades fijas de retiro

Como punto de referencia, comenzamos con $1 millón el 1 de febrero de 1993 y calculamos los rendimientos compuestos de SPY para obtener un 7,26% anualizado, hasta el 14 de octubre de 2022. Si necesitamos $50.000 para vivir cada año, retiraremos $4.166,66 al el final de cada mes. Eso reduce la cantidad de capital que podemos invertir el mes siguiente. Cada mes aplicamos los rendimientos porcentuales de SPY al valor final del activo del mes anterior y restamos el retiro mensual. Calculamos el nuevo rendimiento mensual y lo combinamos de la forma habitual para obtener el NAV que se muestra en el gráfico 1, marcado como «W/D 50K».

El impacto de un retiro mensual de $4.166 no es tan malo. Si nuestra hija pudiera vivir con eso (hipotéticamente, por supuesto), la curva de capital aún crecería. Pero ella realmente quiere retirar $100K cada año, un importe de $8.333.33 por mes. Eso nos da la línea gris en el Gráfico 1, esencialmente eliminando todas las ganancias y manteniéndolas siempre igual que la inversión inicial y un poco menos en este mercado bajista. Eso deja poco margen para el error.

¿Y si necesitara aún más? Como puede ver en la línea amarilla en el gráfico 1, retirar $150.000 cada año ($12.500 mensuales) toma aproximadamente la mitad del tiempo para consumir toda la inversión, incluso volviéndose negativa en medio del mercado alcista de 2003-2007.

Retiros de porcentaje

El mercado ha sido bueno para muchos inversores, pero hay un límite a lo que puede producir. Puede pensar que retirar un porcentaje cada mes sería mejor, pero entonces la cantidad que retire variará considerablemente. Veamos lo que sucede.

El Gráfico 2 muestra la inversión pasiva en SPY (en azul), junto con los retiros mensuales de capital dados en base a montos anuales de 5%, 10% y 15%. Parece que tenemos básicamente el mismo patrón que con los retiros fijos en dólares. La opción del 5% permite que la cuenta crezca, el 10% elimina todas las ganancias y el 15% lo deja sin nada, aunque es más lento que retirar $150.000 cada año.

El beneficio de los retiros porcentuales se puede ver en el flujo de caja mensual. Un retiro mensual en dólares del 5% es de $4.166 en base a la inversión original. Si, en cambio, retira el 5 %, o el 0,4166 % del valor de la cuenta corriente cada mes, terminará con más dinero para gastar, como se muestra en la Figura 3. La razón es que, cu¡¡ando el SPY está corrigiendo, retira menos, así que cuando el mercado se recupera, tienes una mayor inversión. Durante el período de 1993 habría retirado un promedio de $ 7.509 cada mes en lugar de $ 4.166.

Pero esa imagen puede ser engañosa. Se basa en comenzar estos cálculos justo antes de un escenario de mercado alcista.

Comenzando en el momento equivocado

Aquellos que operaron en la década de 1990 deberían recordar la notable tendencia alcista que terminó a principios de 2000. ¿Qué hubiera pasado si hubiera comenzado en el peor momento posible, en lugar de en el mejor momento? Tomar un retiro anualizado (mensual) del 5 % aún habría sobrevivido a los dos mercados bajistas devastadores, y al actual, desde 2000. Pero más del 5 % reduce significativamente su capital, como se ve en la Figura 4.

El verdadero problema viene en el flujo de caja. En lugar de acumular ganancias a fines de la década de 1990 que le permitan retirar fondos durante los próximos 20 años, comienza una recesión. En ningún momento podrás retirar el 5% de la cantidad fija que quieras. De hecho, la mayor parte del tiempo, solo puede retirar la mitad de esa cantidad, y el promedio de todos los años desde el 2000 es de $2.943 por mes (consulte el gráfico 5), en lugar de los $4.166 que está buscando.

Conclusiones

En teoría, deberíamos poder retirar algo justo por debajo de los rendimientos anualizados a largo plazo de nuestra cartera de inversiones. Si empezamos en un buen momento, cuando la rentabilidad de la cartera se comporta mejor que la media, podemos acumular capital extra que nos ayudará por mucho tiempo. Si nuestro momento es malo y comenzamos antes de un mercado bajista, tanto nuestro capital como los retiros funcionan en nuestra contra y terminaremos con mucho menos de lo que queríamos.

Realmente no hay forma de saber qué hará el mercado. Estadísticamente, tiene más probabilidades de experimentar un mercado alcista que un mercado bajista. Quizás la mejor manera es retirar una cantidad menor, digamos 5%, hasta que acumule capital, luego aumente el tamaño de los retiros. Asegurará la longevidad.

Puede resultar que, cuando veamos tocar suelo en el mercado bajista actual, tengamos un lugar ideal para comenzar a vivir de las ganancias.

Cómo adelantarnos a los crash y rebotes en un mercado bajista por Jon Wolfenbarger

• Hay una amplia variedad de indicadores del mercado de valores para intentar determinar cuándo comienzan y terminan los mercados bajistas, así como cuándo comienzan y terminan las ventas masivas y los repuntes del mercado. ¿Le gustaría saber cuáles realmente funcionan? Siga leyendo para descubrirlo.
• Artículo publicado en Hispatrading 52.

En este artículo, hablaré sobre tres de los indicadores más básicos, y más importantes, para identificar cuándo comienzan las ventas masivas y los rebotes dentro de un mercado bajista. Esto puede ayudar a uno a operar a corto plazo dentro de un mercado bajista y así tratar de maximizar las ganancias. Además puede proporcionar el contexto adecuado para entender lo que está sucediendo en el mercado en un momento dado. Esto puede ayudarnos a «mirar a la vuelta de la esquina» e identificar lo que es probable que suceda a continuación en el mercado.

Cómo identificar las tendencias del mercado tanto alcista como bajista

Como recordatorio, aquí están mis criterios técnicos básicos para detectar un mercado alcista y bajista para cualquier activo financiero. En el último número de Hispatrading Magazine los expliqué más detalladamente.

Para reducir el riesgo de las “señales falsas» y suavizar las tendencias, generalmente utilizo las siguientes reglas técnicas para determinar cuándo existe una tendencia alcista. Tienen que cumplirse todas:

1. El precio está por encima de la media móvil de 250 días (250-dma).

2. La media móvil de 20 días está por encima de la media móvil de 250 días.

3. La media móvil de 60 días está por encima de la media móvil de 250 días.

4. La pendiente de la media móvil de 250 días es positiva.

Por el contrario, generalmente utilizo las siguientes reglas técnicas para determinar cuándo existe una tendencia bajista del mercado bajista:

1. El precio está por debajo de la media móvil de 250 días (250-dma).

2. La media móvil de 20 días está por debajo de la media móvil de 250 días.

3. La media móvil de 60 días está por debajo de la media móvil de 250 días.

4. La pendiente de la media móvil de 250 días es negativa.

Cómo detectar ventas masivas del mercado

Una vez que se ha identificado una tendencia del mercado bajista, podemos usar los siguientes indicadores técnicos para identificar cuándo está comenzando una venta masiva del mercado.

La primera pista de que se avecina una venta masiva del mercado es cuando las acciones se meten en terreno de «sobrecompra» a corto plazo, lo que sucede cuando el indicador estocástico lento sube por encima de 80. Luego, cuando cae por debajo de 80, eso puede indicar que está comenzando una venta masiva. El peligro con los indicadores estocásticos es que pueden ser relativamente volátiles y dar algunas señales falsas. Sin embargo, cuando el estocástico cotiza por encima de 80 en un mercado bajista, esa es una buena señal de que los inversores inteligentes deben prestar atención a las señales de que está comenzando una venta masiva.

La segunda pista es similar a la primera. Otra señal de que las acciones están «sobrecompradas» en un mercado bajista es cuando el RSI sube por encima de 50. En un mercado alcista, el RSI debería subir por encima de 70 para que las acciones se consideren sobrecompradas, pero en un mercado bajista, el RSI casi nunca sube por encima de 70. 

La tercera y más importante indicación de que podría comenzar una venta masiva del mercado es cuando el impulso de los precios a corto plazo se vuelve negativo, como lo indica la línea PPO que cae por debajo de su línea signal. En general, mientras la línea PPO esté por debajo de la línea signal, se está produciendo una venta masiva del mercado. Tenga en cuenta que la línea PPO es similar a la línea MACD, pero no está influenciada por los niveles absolutos de precios.

La figura 1 muestra el S&P 500 durante el mercado bajista de la Gran Recesión de 2008-2009. Etiqueté seis ventas masivas importantes durante ese mercado bajista, lo que generó pérdidas que oscilaron entre el 7% y el 36%. Marqué líneas verticales rojas al comienzo de esas ventas masivas. La cuarta ventana (inferior) muestra el estocástico lento. Dibujé círculos rojos alrededor de los períodos en que comenzaron las ventas. En general, las ventas masivas comenzaron cuando el estocástico lento estuvo sobrecomprado (más de 80) o había estado sobrecomprado recientemente. La tercera ventana muestra cómo el RSI también estuvo sobrecomprado normalmente (más de 50) alrededor del inicio de las ventas masivas. La segunda ventana muestra que el impulso de los precios fue negativo durante las ventas masivas, con la línea PPO (línea negra) por debajo de la línea signal (línea roja).

Cómo detectar repuntes del mercado

Naturalmente, los indicadores técnicos que ayudan a identificar cuándo se puede producir un rebote del mercado generalmente son los opuestos a los indicadores que indican cuándo está comenzando una venta masiva.

La primera indicación de que se avecina un repunte es cuando las acciones se meten en terreno de sobreventa a corto plazo, lo que sucede cuando el indicador estocástico lento cae por debajo de 20. Luego, cuando sube por encima de 20, eso puede indicar que está comenzando un rally. Una vez más, el estocástico pueden ser relativamente volátil y proporcionar algunas señales falsas. Sin embargo, cuando el estocástico cae por debajo de 20 en un mercado bajista, esa es una  buena advertencia de que los inversores inteligentes prestarán atención a las señales de que está comenzando un repunte.

Otra señal de que las acciones están «sobrevendidas» en un mercado bajista es cuando el RSI cae por debajo de 30.

La tercera y más importante señal de que un repunte del mercado bajista está comenzando es cuando el precio a corto plazo se vuelve positivo, como lo indica la línea PPO que se eleva por encima de su línea signal. En general, mientras la línea PPO esté por encima de su línea signal, podemos esperar un repunte del mercado.

El gráfico mostrado en la Figura 2 muestra nuevamente el S&P 500 durante el mercado bajista de la Gran Recesión de 2008-2009. Esta vez, etiqueté siete repuntes importantes durante ese mercado bajista, lo que impulsó unas ganancias que oscilaron entre el 10% y el 39%. Dibujé líneas verticales verdes al comienzo de esos rallys. La cuarta ventana (inferior), dentro del gráfico, muestra el estocástico lento y coloqué círculos verdes alrededor de los períodos en que comenzaron los rallys. En general, las ventas masivas comenzaron cuando el estocástico lento estuvo sobrevendido (menos de 20) o había estado sobrevendido recientemente. La tercera ventana muestra que normalmente el RSI también estuvo sobrevendido (menos de 30) cerca del comienzo del comienzo de los rallys. La segunda ventana muestra que hubo un impulso positivo del precio durante los repuntes, con la línea PPO (línea negra) por encima de la línea signal (línea roja).

Resumen

Mediante el uso de tres indicadores técnicos comunes (estocástico lento, RSI y PPO [o MACD]), se puede identificar cuándo es probable que se den ventas masivas y repuntes, durante un mercado bajista. Desde luego, esta información puede ser muy valiosa para los traders que desean obtener ganancias en lugar de perder dinero durante un mercado bajista.

El petróleo se prepara para una gran tendencia… por Alex Barrow

“…la intuición es nuestra brújula más valiosa en este mundo. Es el puente entre el inconsciente y la mente consciente, y es sumamente importante mantenernos en contacto con lo que la hace funcionar. Si nos enfrascamos tanto en un literalismo académico narcisista que descartamos la intuición como inexistente porque no la entendemos completamente, o si consideramos a la ligera que el inconsciente es una pieza de maquinaria que opera mística en un ámbito con el que no tenemos conexión, entonces perdemos la rica oportunidad de tener una comunicación abierta con la fuente de la creatividad.” ~ El arte de aprender

En el Dirty Dozen [CHART PACK] de esta semana, analizamos la debilidad en los semiconductores, hablamos de los diferenciales ajustados en el crédito, discutimos las estadísticas alcistas en las smallcaps, cubrimos algunas entradas del USD y revisamos la señal importante en el crudo, entre otros temas…

1. Semiconductores

En un mercado alcista fuerte y saludable, los sectores de mayor beta (semiconductores) dentro del mercado de mayor beta (QQQ) tienden a liderar el avance general. Ese no ha sido el caso para los semiconductores, que han estado rezagando en relación al SPY desde julio. Las divergencias negativas significativas como estas suelen preceder a correcciones más amplias del mercado. Pero, quizás esta vez la debilidad se deba a algunas tomas de ganancias en la operación de IA que avanzó demasiado, demasiado rápido.

2. Porcentaje de semiconductores sobre su media móvil de 200 días

Solo el 27% de los semiconductores están cotizando por encima de sus medias móviles de 200 días. Cuando este número cae por debajo del 20%, tendemos a ver un suelo pronto en el sector.

3. Diferenciales de crédito

Los diferenciales de crédito están en su nivel más ajustado desde julio de 2007.

4. Liquidez general

Pero la liquidez general está comenzando a ajustarse. Nuestro indicador de liquidez de MO, que ha oscilado entre el 90% y el 100% durante la mayor parte del año (indicando liquidez holgada), ahora ha caído por debajo del 80%, ya que las expectativas de crecimiento y tasas se han reajustado al alza tras las elecciones.

5. Estadísticas de SentimenTrader

Estas son estadísticas interesantes de SentimenTrader, que escribe: “La tabla a continuación muestra aquellas ocasiones en las que más del 20% de las acciones del Russell 2000 alcanzaron un nuevo máximo y el menor porcentaje de acciones cotizó por encima de sus medias móviles de 200 días. La conclusión fue clara: no hizo diferencia. De hecho, los rendimientos futuros en el Russell fueron ejemplares.”

6. Desempeño del Russell 2000

Y “El Russell 2000 está en camino de registrar su cuarto año consecutivo de bajo rendimiento en comparación con el S&P 500. Desde la creación del índice a finales de 1978, su racha de bajo rendimiento ha alcanzado cuatro años solo una vez, en 1997. Volvió a tener un rendimiento inferior en 1998, luego experimentó una fuerte recuperación relativa durante la siguiente década.”

7. USDCAD

El USDCAD completó su ruptura de un rango lateral de 2 años. Este es un régimen de compresión importante, lo que significa que probablemente nos espera una gran tendencia.

8. Posicionamiento en el CAD

Pero el posicionamiento está bastante saturado en el lado corto del CAD, por lo que es algo a tener en cuenta al dimensionar una posición inicial. Si esta ruptura alcista se mantiene, es posible que veamos algo de volatilidad primero a medida que se reduzca parte de este posicionamiento.

9. EURUSD

El EURUSD se acerca al fondo de su rango lateral de 2 años. Estaré buscando entrar en largo en una fuerte reversión alrededor de este nivel o en corto en una ruptura bajista confirmada a la baja.

10. Estacionalidad del EURUSD

El EURUSD pronto entrará en su período de estacionalidad más fuerte.

11. Compresión en el crudo

El petróleo crudo está en su régimen de compresión más ajustado desde finales de 2014, como se muestra aquí por el ancho de su Banda de Bollinger mensual. Esta señal es indeterminada en cuanto a la dirección. Pero nos indica que es probable que veamos el inicio gran tendencia. Jugaremos en cualquier dirección y solo estamos esperando que el mercado muestre su mano.

12. Niveles de interés en el crudo

Estos son los niveles aproximados que estoy observando para que la acción del precio los cruce y me interese.

Gracias por leer.

¿Pueden las imágenes de Twitter predecir la acción del precio durante los anuncios del FED? por Quantpedia

¿Estados Unidos se está quedando sin dinero? por Ben Carlson

Definiendo los mercados alcistas

• La deuda total del gobierno en Estados Unidos era de alrededor de $23 billones antes de la pandemia, por lo que los niveles de deuda han aumentado un 50 % solo en esta década.

También es cierto que los intereses que pagamos por la deuda gubernamental han aumentado considerablemente debido a la cantidad que hemos asumido y porque las tasas de interés son mucho más altas que en la década de 2010:

La gran preocupación es que los gastos por intereses crezcan tanto con el tiempo que terminen desplazando otros gastos prioritarios.

Una perspectiva sobre el presupuesto federal

Este es un desglose útil de JP Morgan sobre el presupuesto federal:

• Los gastos por intereses representan aproximadamente la misma cantidad que el gasto en defensa.
• Las prestaciones sociales (Seguridad Social y Medicare/Medicaid) siguen representando la mayor parte del presupuesto federal (46%).
• Sin embargo, los gastos por intereses están aumentando rápidamente.

Una de las razones por las que la deuda gubernamental preocupa a tantas personas es porque las cifras son enormes. ¡$35 billones es mucho dinero!

Pero no puedes analizar los niveles de deuda por sí solos. Debes evaluarlos en el contexto de una economía estadounidense de $30 billones.

Intereses como porcentaje del PIB

Aquí están los gastos por intereses como porcentaje del PIB:

La Reserva Federal reduciendo las tasas de interés debería ayudar marginalmente.

Gasto gubernamental como porcentaje del PIB

Aquí está el gasto gubernamental como porcentaje del PIB:

Esto no elimina el hecho de que hemos acumulado una enorme deuda, pero pone las cosas en perspectiva.

¿Por qué la deuda del gobierno no funciona como la de un hogar?

Lo que debes entender es que el gobierno de los Estados Unidos no opera como un hogar cuando se trata de deuda.

Cuando tú pagas tu hipoteca, lo haces con el tiempo y eventualmente eliminas esa deuda. Pero el presupuesto gubernamental no funciona de esa manera.

• Primero, el gobierno puede imprimir su propia moneda. Esto es útil en situaciones críticas y es la principal razón por la que nuestro gobierno no puede quedarse sin dinero.
• La inflación es la verdadera limitación cuando se trata de cuánto pueden gastar los políticos.

Mientras la economía siga creciendo, también debería crecer la deuda.

¿Es preocupante que la deuda crezca?

Lo mismo se aplica a la deuda de los consumidores:

Me preocuparía más si me dijeras que la deuda del gobierno y de los consumidores disminuyera en las próximas décadas. Eso significaría que algo anda muy mal con la economía.

La deuda crece porque los activos crecen. Recuerda que la deuda gubernamental es un activo en forma de bonos para los inversores. La deuda crece porque la economía crece. Los ingresos crecen. Los precios crecen. Por lo tanto, es lógico que la deuda también aumente.

Puedes criticar cómo los políticos gastan el dinero. Nadie estará completamente satisfecho en ese aspecto. Hay, ciertamente, áreas donde el gobierno podría recortar y ser más eficiente.

Pero mientras el “pastel” siga creciendo, tiene sentido que las deudas también crezcan.

El verdadero riesgo: la inflación

Tu mayor preocupación a largo plazo sobre el gasto gubernamental no debería ser un día de ajuste de cuentas en el que haya un nivel mágico que provoque una crisis financiera.

La mayor preocupación sobre el gasto gubernamental es el riesgo de inflación.

Después de vivir la inflación más alta en cuatro décadas, ahora sabemos que los precios que suben rápidamente no son políticamente beneficiosos.

Nuestro país no está quebrando, pero al público le desagrada tanto la inflación que podría actuar como la mayor limitación en los próximos años en lo que respecta al gasto gubernamental.

Conclusión

Cullen Roche se unió a mí en el podcast Ask the Compound esta semana para discutir esta pregunta:

• El impacto del déficit en el mercado de valores.
• Cómo funcionan los aranceles.
• La tendencia a largo plazo de las tasas de interés.
• Cómo solucionar los niveles de deuda gubernamental.

Damos energía a aquello en lo que nos enfocamos por Brett N. Steenbarger, Ph.D.

Perspectivas del S&P 500: Los Locos Años 20 y Estrategias de Inversión por Dr. Ed Yardeni

Estrategia I: Avance Impresionante

En el QuickTakes del domingo, Eric, Joe y yo aumentamos nuestras perspectivas para las ganancias del S&P 500, así como nuestros objetivos de precio para el índice. Esto lo hicimos porque creemos que Trump 2.0 representa un cambio de régimen significativo en comparación con Biden 1.0 (¿o fue Obama 3.0?). La tasa de impuesto corporativo se reducirá del 21% al 15%. Los ingresos personales provenientes de propinas, horas extra y Seguridad Social podrían no estar sujetos a impuestos. Se eliminarán muchas regulaciones onerosas para las empresas. Esto ya estaba en camino tras el fallo de la Corte Suprema a principios de este año, que permitió a las empresas impugnar los excesos regulatorios en los tribunales.

Además, las principales crisis geopolíticas actuales podrían resolverse antes de lo esperado. Esto se refleja claramente en la debilidad reciente de los precios del oro y el petróleo.

Esperamos que un mejor crecimiento económico impulse los ingresos del gobierno federal y que Elon Musk logre frenar el aumento del gasto público. Es posible que el crecimiento del PIB se mantenga al ritmo del aumento de la deuda gubernamental.

El recorte de la tasa de fondos federales (FFR) por parte de la Fed en 25 puntos básicos el 7 de noviembre, junto con el recorte de 50 puntos básicos el 18 de septiembre, sugiere que los funcionarios de la Fed parecen extrañamente ajenos a la fortaleza de la economía, el repunte en los rendimientos de los bonos y la perspectiva de más estímulos fiscales. Si la Fed sigue recortando la FFR, corre el riesgo de un repunte en las tasas de inflación y un aumento explosivo en el mercado de valores.

Concluimos la nota de QuickTakes con: “Así que estamos cambiando las probabilidades subjetivas de nuestros tres escenarios de la siguiente manera: Años 2020 rugientes (55%, frente al 50%), auge al estilo de los años 90 (25%, frente al 20%) y crisis geopolítica y/o de deuda doméstica al estilo de los años 70 (20%, frente al 30%).”

Estrategia II: Fuertes Ganancias

Hemos actualizado nuestra perspectiva de ganancias de YRI, publicada en nuestro sitio web, para reflejar nuestra creciente confianza en que nuestro escenario de Años 2020 Rugientes sigue en marcha y podría acelerarse:

1. Ingresos

Estimamos que los ingresos por acción de las empresas del S&P 500 en su conjunto totalizarán $1,950 este año, un aumento del 4.2% respecto al nivel del año pasado. Esperamos incrementos del 5.1% el próximo año y del 4.9% en 2026. Este es un pronóstico bastante convencional, siempre que la economía global continúe creciendo, con la fortaleza en Estados Unidos compensando la debilidad en otras partes del mundo, especialmente en China y Europa.

2. Ganancias

Estamos reduciendo nuestra previsión de ganancias por acción (EPS) del S&P 500 para este año de $250 a $240, principalmente debido a huelgas y huracanes. Eso aún representa un aumento interanual del 8.4%. Por otro lado, esperamos que Trump 2.0 impulse las ganancias en los próximos dos años. Por lo tanto, estamos elevando nuestra proyección de EPS para 2025 de $275 a $285 (un aumento del 18.8%) y nuestra estimación para 2026 de $300 a $320 (un aumento del 12.3%).

Esperamos que el porcentaje de empresas del S&P 500 con cambios porcentuales positivos a 12 meses en las ganancias futuras aumente significativamente desde la lectura actual de 77.1%, a medida que los analistas ajusten sus modelos por el recorte de impuestos corporativos de Trump 2.0. Desde principios de 2023, casi todo el aumento en las ganancias futuras agregadas del S&P 500 se ha debido al aumento en las estimaciones de ganancias de los “Magnificent-7”. Esperamos una ampliación de las empresas e industrias para las cuales los analistas eleven sus perspectivas en 2025.

3. Margen de beneficios

Hemos reducido nuestra proyección de margen de beneficios futuros del S&P 500 para 2024 al 12.3%, junto con nuestra estimación de ganancias mencionada anteriormente. Sin embargo, ahora estamos más seguros de que el margen de beneficios alcanzará nuevos máximos históricos del 13.9% en 2025 y del 14.9% en 2026. Los recortes de impuestos, la desregulación y un crecimiento más rápido de la productividad deberían hacerlo posible.

4. Valoración y objetivos de precios de las acciones

Estamos aumentando nuestro rango proyectado de P/E a futuro para el S&P 500 hasta finales de 2026 a 18-22, desde 16-21. En el Morning Briefing del 28 de octubre titulado “Valoración en una economía resiliente”, argumentamos que los múltiplos de valoración de acciones están impulsados por las expectativas de los inversores sobre la longevidad de las expansiones económicas. A medida que disminuyó el temor de una recesión liderada por la Fed en los últimos tres años, los múltiplos aumentaron. Los múltiplos pueden mantenerse elevados si los inversores concluyen que una recesión es menos probable durante el resto de la década ahora que la política monetaria se está flexibilizando mientras la política fiscal sigue siendo estimulativa.

Multiplicar nuestras estimaciones de EPS a futuro por nuestros rangos proyectados de P/E produce las siguientes proyecciones alcistas para el índice de precios del S&P 500 al final del año: 6100 en 2024, 7000 en 2025 y 8000 en 2026.

5. ¿S&P 500 a 10,000 para 2029?

Habíamos proyectado 8000 para el S&P 500 al final de la década. En las circunstancias actuales, esperamos que Trump 2.0 tenga el potencial de llevar el índice a 10,000 para entonces.

El impacto de las opciones metodológicas en las carteras de aprendizaje automático por Quantpedia

Los estudios que utilizan técnicas de aprendizaje automático para la previsión de rendimientos han demostrado ser prometedores. Sin embargo, al igual que en la fijación de precios de activos empíricos, los investigadores se enfrentan a numerosas decisiones sobre métodos de muestreo y la estimación de modelos. Esto plantea una pregunta importante: ¿cómo afectan estas opciones metodológicas al rendimiento de las estrategias de trading basadas en ML? Investigaciones recientes de Vaibhav, Vedprakash y Varun demuestran que incluso las decisiones pequeñas pueden afectar significativamente el rendimiento general. Parece que en el aprendizaje automático, el viejo adagio también es cierto: el diablo está en los detalles.

Este sencillo documento es un excelente recordatorio de que las decisiones metodológicas en las estrategias de aprendizaje automático (ML) (como el uso de la ponderación EW o VW, incluidos los micro topes, etc.) afectan significativamente los resultados. Es crucial considerar estas decisiones como estrategias tradicionales de factores transversales, y los profesionales como los gerentes de cartera siempre deben tener esto en cuenta antes de implementar dicha estrategia.

Las nuevas integraciones de las técnicas de IA (inteligencia artificial) y aprendizaje profundo (DL) en los modelos de fijación de precios de activos han despertado un nuevo interés en la academia y la industria financiera. Aprovechando el inmenso poder computacional de las GPU, estos modelos avanzados pueden analizar grandes cantidades de datos financieros con una velocidad y precisión sin precedentes. Esto ha permitido una previsión de rendimiento más precisa y ha permitido a los investigadores abordar incertidumbres metodológicas que antes eran difíciles de abordar.

Los resultados de más de 1152 combinaciones de elección muestran una variación considerable en los rendimientos promedio de las estrategias de ML. El uso de carteras ponderadas por valor con filtros de tamaño puede frenar una buena parte de esta variación, pero no puede eliminarla. Entonces, ¿cuál es la solución a los errores no estándar? Los estudios sobre la fijación de precios de activos empíricos han propuesto varias soluciones. Mientras que Soebhag et al. (2023) sugieren que los investigadores pueden mostrar resultados a través de las principales opciones de especificación, Walter et al. (2023) argumentan a favor de informar toda la distribución en todas las especificaciones.

Si bien los autores de este documento están de acuerdo con los resultados de informes a través de variaciones, es aconsejable recomendar una solución única para este problema. A pesar de una extensa carga de cálculo, es posible calcular e informar la distribución completa de los rendimientos de las carteras ordenadas por características, como en Walter et al. (2023). Sin embargo, cuando se utilizan métodos de aprendizaje automático, la documentación de la distribución en su conjunto probablemente impondrá una carga computacional extrema para el investigador. Aunque una distribución completa es más informativa que una parcial, los costos y beneficios de ambas opciones deben evaluarse antes de dar recomendaciones generalizadas.

¿Cuáles son las formas adicionales de controlar la variación metodológica mientras se impone una carga modesta al investigador? Las recomendaciones comunes favorecen la identificación de primero las opciones de alto impacto (por ejemplo, filtros de ponderación y tamaño) en un análisis a menor escala. Los investigadores pueden entonces, como mínimo, informar variaciones de los resultados a través de especificaciones de alta prioridad mientras mantienen el resto opcional.

Autores: Vaibhav Lalwani, Vedprakash Meshram y Varun Jindal

Título: El impacto de las opciones metodológicas en las carteras de aprendizaje automático

Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4837337

Resumen:

Exploramos el impacto de las decisiones metodológicas en la rentabilidad de las estrategias de inversión basadas en machine learning. Los resultados de 1152 estrategias muestran que las decisiones metodológicas inducen una variación considerable en los rendimientos de las estrategias. Los errores no estándar de las estrategias de machine learning suelen ser mayores que los errores estándar y permanecen significativos incluso después de controlar algunas decisiones de alto impacto. Aunque la eliminación de micro-capitalizaciones y el uso de portafolios ponderados por valor reducen los errores no estándar, su tamaño sigue siendo cuantitativamente comparable a los errores estándar tradicionales.

Como siempre, presentamos varias figuras y tablas emocionantes:

Citas notables del artículo de investigación académica:

“[H]ay amplia evidencia que sugiere que los investigadores pueden usar herramientas de ML para desarrollar mejores modelos de previsión de retornos. Sin embargo, un investigador necesita tomar ciertas decisiones al usar machine learning en la previsión de retornos. Estas decisiones incluyen, pero no se limitan a, el tamaño de las ventanas de entrenamiento y validación, la variable de resultado, el filtrado de datos, la ponderación y el conjunto de variables predictoras. En un caso de ejemplo con 10 variables de decisión, cada una ofreciendo dos caminos, las especificaciones totales son 2^10, es decir, 1024. Incluir decisiones más complejas puede llevar a miles de posibles caminos que el diseño de investigación podría tomar. Aunque la mayoría de los estudios integran algún nivel de pruebas de robustez, mantenerse al día con todo el universo de posibilidades es prácticamente imposible. Además, debido a la naturaleza computacionalmente intensiva de las tareas de machine learning, es extremadamente difícil explorar el impacto de todas estas decisiones, incluso si un investigador lo desea. Por lo tanto, algunas de estas decisiones suelen quedar a criterio del investigador.Aunque la sensibilidad de los hallazgos a incluso decisiones empíricas aparentemente inofensivas está bien reconocida en la literatura¹, solo recientemente hemos comenzado a reconocer la magnitud del problema. Menkveld et al. (2024) acuñan el término errores no estándar para denotar la incertidumbre en las estimaciones debido a diferentes elecciones metodológicas. Estudios como Soebhag et al. (2023), Walter et al. (2023) y Fieberg et al. (2024) muestran que los errores no estándar pueden ser tan grandes, si no mayores, que los errores estándar tradicionales. Este fenómeno plantea importantes preguntas sobre la reproducibilidad y fiabilidad de la investigación financiera. Subraya la necesidad de un enfoque posiblemente más sistemático en la elección de especificaciones metodológicas y la importancia de la transparencia al reportar metodologías y resultados de investigación.Dado que incluso elecciones aparentemente inocuas pueden tener un impacto significativo en los resultados finales, a menos que realicemos un análisis formal de todas (o al menos la mayoría) las elecciones del diseño juntas, será difícil saber qué decisiones importan y cuáles no mediante pura intuición.Incluso en estudios sobre fijación de precios de activos que utilizan una sola característica para clasificar, hay miles de posibles elecciones (Walter et al., 2023 utilizan hasta 69,120 especificaciones potenciales). Al extender el análisis a portafolios basados en machine learning, la lista posible de elecciones (y su posible impacto) se expande aún más. Los usuarios de machine learning deben tomar muchas decisiones adicionales para modelar la relación entre los retornos y las características predictoras. Con el número creciente de modelos disponibles (ver Gu et al., 2020 para un subconjunto), no sería injusto decir que los académicos en este campo están abrumados por las opciones disponibles.Como argumentan Harvey (2017) y Coqueret (2023), tal cantidad enorme de opciones podría exacerbar el sesgo hacia la publicación de resultados positivos.

El interés por las aplicaciones del Machine Learning en Finanzas ha crecido sustancialmente en la última década o más. Desde el trabajo seminal de Gu et al. (2020), se han utilizado muchas variantes de modelos basados en machine learning para predecir retornos sobre activos. Nuestra segunda contribución es a este creciente cuerpo literario. Se entiende bien que hay muchas decisiones al usar ML en la previsión de retornos. Pero ¿son las diferencias entre especificaciones lo suficientemente grandes como para justificar precaución? Avramov et al. (2023) muestra que eliminar ciertos tipos de acciones reduce considerablemente el rendimiento de las estrategias basadas en ML.Ampliamos esta línea de pensamiento utilizando un conjunto más amplio de opciones que incluye varias consideraciones que hasta ahora los investigadores podrían haber ignorado. Al proporcionar una comprensión general del panorama sobre cómo varía el rendimiento de las estrategias basadas en ML según los caminos decisionales tomados, realizamos una especie de análisis a gran escala sobre la sensibilidad y eficacia del machine learning en la previsión del retorno.Además, al analizar sistemáticamente los efectos de diversas elecciones metodológicas, podemos entender cuáles son los factores más influyentes para determinar el éxito o fracaso de una estrategia basada en ML.

Para resumir, encontramos que las decisiones respecto a la inclusión o exclusión de micro-capitalizaciones y acciones baratas, así como la ponderación aplicada a las acciones tienen un impacto significativo en los rendimientos promedio. Además, un aumento en la longitud del período muestral mejora el rendimiento general; sin embargo, no se necesitan ventanas grandes para estrategias basadas en Boosting.

Según nuestros resultados, argumentamos que los sectores financieros y servicios públicos no deberían ser excluidos del muestreo cuando se usa machine learning. Algunas elecciones metodológicas pueden reducir la variación metodológica alrededor del rendimiento estratégico; sin embargo, los errores no estándar siguen siendo considerables.”

El mercado está rompiendo por Alex Barrow

El sentimiento del mercado está en niveles elevados, pero las fuerzas internas del mercado siguen siendo fuertes, lo que sugiere que la tendencia alcista podría continuar.

BTCUSD ha roto su canal de compresión de 7 meses, y se espera que esta tendencia continúe al alza.

El dólar estadounidense muestra una acción de precios constructiva, con el potencial de un movimiento significativo.

Rupturas en abundancia

«Al observar las carteras, piensa profundamente en el proceso más que en el resultado. Si haces las cosas de la manera correcta suficientes veces, ganarás». ~ Dan Loeb

En el Dirty Dozen [CHART PACK] de esta semana, analizamos un sentimiento elevado mezclado con movimientos internos fuertes en las acciones, antes de profundizar en rupturas en BTCUSD, pares de USD y biotecnología, entre otros…

«Fue tan extraño el miércoles por la mañana. Todos los que salían del edificio parecían muy tristes, y sin embargo, todos los trabajadores que entraban a limpiar y arreglar cosas parecían realmente felices.» ~ Superintendente de Tribeca co-op

De SentimenTrader: «El rendimiento acumulado a un año del S&P 500 acaba de superar las 50 veces la desviación estándar de los rendimientos diarios, el segundo más alto en 25 años. Desafortunadamente, las condiciones agradables no han persistido por mucho tiempo durante ese período. Para todo hay una tiempo.»

Sentix señala que «la victoria electoral de Donald Trump desencadena un verdadero frenesí comprador. El sentimiento hacia las acciones estadounidenses alcanza un nivel fenomenal de +53 puntos porcentuales, marcando un nuevo máximo histórico (datos desde 2001). El optimismo está muy enfocado en los mercados estadounidenses. Otros mercados bursátiles están enviando señales preocupantes.»

Pero el indicador Bull & Bear de BofA aún está por debajo del nivel necesario para una señal clara de venta.

Y nuestros principales internos del mercado están mostrando una fuerte inflexión al alza… Así que no hay mucho que hacer más que seguir la tendencia y monitorear los internos y la acción del precio para detectar signos de debilidad que indiquen una corrección inminente.

BTCUSD rompió su canal de compresión de 7 meses la semana pasada. Estamos completamente largos y esperamos que esta tendencia se mueva significativamente al alza.

También estoy prestando mucha atención al dólar estadounidense. El gráfico a largo plazo sigue siendo constructivo y la acción del precio se está enrollando como un resorte.

El sentimiento está en el percentil cero, mientras que el posicionamiento agregado es bajista y el impulso del diferencial de rendimiento está acelerándose al alza.

Llevamos algunas semanas largos en USDJPY, pero también estoy buscando abrir una orden stop para comprar en USDCNH, para ver si nos arrastra a una posición larga.

USDCAD también parece estar rompiendo su régimen lateral de compresión de dos años. Si esta ruptura tiene seguimiento, podría ser el comienzo de una tendencia importante.

Estamos empezando a revisar el sector biotecnológico. El índice XBI está rompiendo un triángulo ascendente en el gráfico semanal.

Y, como señala RenMac, el sector está marcado por un sentimiento extremadamente bajista en este momento.

Superar el trading emocional en tiempo real por Brett N. Steenbarger, Ph.D.

• La clave para superar el «trading emocional» es reconocer y gestionar nuestras emociones en tiempo real.
• Es importante «evocar emociones opuestas»
• a las negativas en lugar de intentar suprimirlas.
• El uso de un «mood meter» ayuda a identificar y observar nuestras emociones, lo que nos permite tomar mejores decisiones.

Actualización: Mis colegas de la facultad de medicina y yo escribimos un capítulo para un texto de referencia estándar en psiquiatría que acaba de publicarse. Cubre investigaciones recientes y prácticas sobre enfoques a corto plazo para cambiar nuestra forma de pensar, sentir y actuar. Un hallazgo importante es que se necesita emoción para cambiar la emoción. Es más probable que internalicemos los cambios si realmente los sentimos. Una implicación clave para el tema que se aborda a continuación: podemos cambiar nuestras emociones de manera más eficiente y efectiva en tiempo real evocando la emoción opuesta, en lugar de intentar vaciar nuestra mente. Si estamos frustrados y autocríticos, en lugar de intentar meditar o vaciar nuestra mente, podemos evocar recuerdos de experiencias comerciales que nos dejaron satisfechos y agradecidos.

Este artículo es útil, pero no lo podemos tomar como entrenamiento. El entrenamiento real en psicología del trading debe darse en tiempo real, porque los desafíos del trading surgen solo cuando estamos en ciertos estados mentales y físicos. Por eso Jeff Holden y yo nos hemos unido para el programa de entrenamiento de SMB Capital, ayudando a los traders a entrenarse a sí mismos en medio de la acción. Esta será una colaboración de varias semanas, donde integraremos la discusión sobre mercados y operaciones con trabajo práctico sobre nuestras mentalidades.

Aquí está el video de nuestra primera clase.

Una idea clave de la sesión es que, antes de poder cambiar nuestro estado emocional, debemos ser conscientes de nuestro estado. Jeff presentó un «mood meter» que nos permite etiquetar lo que estamos experimentando. Como señalo en el video, el simple acto de identificar lo que sentimos nos permite ser observadores de nuestra experiencia, no alguien completamente inmerso en ella. Este jueves al mediodía discutiremos—en el contexto del mercado y las operaciones de esa mañana—qué hacer una vez que observemos nuestras emociones, para poder mantenernos comprometidos constructivamente con nuestro trading. Espero tener un video para esa sesión también.

Aquí hay un punto importante que rara vez encontramos. Proviene del libro que estoy escribiendo actualmente, el cual integra la psicología positiva con la psicología del trading:

La conciencia de nuestros estados emocionales positivos es tan importante para nuestro trading como la conciencia de nuestra frustración y negatividad.

Si somos conscientes de las señales emocionales que acompañan nuestras mejores operaciones—nuestros sentimientos de comprensión y confianza—esa conciencia nos ayudará a asumir mayores riesgos cuando el valor esperado de nuestras operaciones sea mejor. Tenemos desencadenantes positivos para nuestro mejor trading al igual que tenemos desencadenantes que activan nuestro peor trading. Reconocer nuestros desencadenantes positivos en tiempo real nos permite aprovechar al máximo las oportunidades que se presentan. Por eso es importante que nuestros «mood meters» capturen tanto lo mejor como lo peor de nuestra experiencia al hacer trading.

¡Más por venir!

Brett

Reacciones exageradas del mercado tras las elecciones por Ben Carlson

Definiendo los mercados alcistas

• Las reacciones del mercado tras las elecciones suelen ser exageradas y no siempre reflejan la realidad a largo plazo.
• Predicciones negativas sobre el mercado, como las que se hicieron tras las elecciones de Obama, Trump y Biden, han demostrado estar equivocadas.
• Es importante no dejarse llevar por las emociones ni por las reacciones inmediatas del mercado después de una elección.

Cuando Barack Obama fue elegido presidente, la economía y los mercados de EE.UU. estaban en una situación complicada. Desde el máximo en octubre de 2007 hasta el día de las elecciones, el S&P 500 ya había caído un 35%. Para cuando fue investido en enero de 2009, el mercado había bajado casi un 50% en total.

En marzo, un artículo de opinión de Bloomberg lo denominaba el «mercado bajista de Obama»:

«El presidente Barack Obama ahora tiene la distinción de presidir su propio mercado bajista. El Promedio Industrial Dow Jones ha caído un 20 por ciento desde el Día de la Inauguración, la caída más rápida bajo un presidente recién elegido en al menos 90 años, según datos compilados por Bloomberg.»

Michael Boskin, del Instituto Hoover de Stanford, escribió un artículo en el Wall Street Journal el 6 de marzo de 2009 con el siguiente titular: «El radicalismo de Obama está matando al Dow.» En él explicaba:

«Es difícil no ver las continuas ventas masivas en Wall Street y el creciente temor en Main Street como producto, al menos en parte, de la realización de que las políticas de nuestro nuevo presidente están diseñadas para reingeniar radicalmente la economía estadounidense basada en el mercado, no solo mitigar la recesión y la crisis financiera.»

El mercado tocó suelo tres días después.

Desde el día en que se publicó ese artículo hasta el final del mandato de Obama, el S&P 500 subió un 230% en total.

Los expertos se equivocaron rotundamente, principalmente porque estaban atrapados en un ciclo pesimista debido a la Gran Crisis Financiera.

Los expertos también se equivocaron cuando Trump asumió el cargo después de Obama.

Paul Krugman, del New York Times, hizo la siguiente predicción el día después de las elecciones:

«Aún así, supongo que la gente quiere una respuesta: Si la pregunta es cuándo se recuperarán los mercados, una primera respuesta sería nunca.»

«El desastre para Estados Unidos y el mundo tiene tantos aspectos que las ramificaciones económicas están muy abajo en mi lista de cosas a temer.»

Mark Cuban, propietario de los Dallas Mavericks, hizo una declaración similar antes de que Trump fuera elegido:

«En caso de que Donald gane, no tengo ninguna duda de que el mercado colapsará. Si las encuestas muestran que hay una posibilidad decente de que Donald pueda ganar, pondré una gran cobertura que supere el 100% de mis posiciones en acciones… eso me protegerá por si gana.»

El mercado bursátil funcionó bien durante la presidencia de Trump, ganando más del 90% en total desde su día inaugural hasta su último día.

El mismo Trump predijo que el mercado bursátil se desplomaría si Biden era elegido en 2020:

El mercado también se comportó muy bien bajo el mandato de Biden, subiendo más del 90% desde que asumió el cargo en enero de 2020.

Muchas veces estas predicciones están motivadas políticamente, pero también están impulsadas por la inercia del momento. Hay mucho comportamiento gregario tras una elección.

Lo cual nos lleva a las elecciones actuales. La reacción del mercado fue abrumadoramente positiva al día siguiente de que Trump fuera elegido:

Un resumen:

• El S&P 500 subió considerablemente (+2.4%)
• Las acciones de pequeña capitalización subieron masivamente (+5.6%)
• El dólar estadounidense subió (+1.6%)
• Las acciones extranjeras y emergentes bajaron (-1.7% y -1.4%)
• El oro bajó (-3.0%)
• Los bonos bajaron (-1.4%) porque las tasas subieron
• Bitcoin también alcanzó nuevos máximos históricos.

Esa fue ciertamente una gran reacción, considerando que el mercado bursátil ya había subido un 20% en total antes del día electoral.

Nadie parece estar haciendo predicciones sobre un crash en esta ocasión. Está (mayoritariamente) todo el mundo dentro del juego. Estoy casi seguro de que los mercados están sobrerreaccionando de alguna manera ahora, pero no puedo decir con certeza dónde está ocurriendo.

Las acciones de pequeña capitalización han dado a los inversores muchos falsos repuntes a lo largo de los años. Las tasas de interés han estado subiendo y bajando durante un par de años también. Parece casi seguro que bitcoin se beneficiará, pero la historia del cripto está plagada de auges seguidos por caídas.

Si tuviera que elegir una cosa sobre la cual creo que los inversores están demasiado preocupados es sobre el aumento en las tasas. Veremos qué pasa. No soy bueno prediciendo estas cosas.

Supongo que lo que estoy tratando de decir aquí es «no tomes como verdad absoluta» la reacción inicial del mercado ni lo que digan los expertos o economistas. Nadie sabe cómo resultará esto, para bien o para mal.

El problema con los políticos es que hacen muchas promesas durante sus campañas electorales, muchas de las cuales nunca llegan a cumplirse. Así que los mercados están adivinando lo que sucederá antes siquiera tener detalles concretos. Esto es lo que hacen los mercados, por supuesto. A veces aciertan, a veces se equivocan pero nunca dudan.

Hacer predicciones basadas en movimientos cortoplacistas es siempre una tarea inútil pero probablemente sea aún más importante evitar sobrerreaccionar después de una elección cuando «las emociones están a flor de piel».

Diez teorías macroeconómicas inútiles por Dr. Ed Yardeni

Es difícil contar la cantidad de teorías macroeconómicas convencionales que hemos desacreditado en los últimos años. Muchas relaciones y correlaciones que se han utilizado durante mucho tiempo han sido desmanteladas por el estímulo monetario y fiscal récord durante la pandemia, una ola de jubilaciones anticipadas de los Baby Boomers y las subidas de tasas de interés desde niveles ultrabajos. Hemos estado ocupados derribándolas desde principios de 2022. A continuación, se presenta un resumen de las 10 teorías macroeconómicas ampliamente aceptadas que no se han sostenido y las razones por las cuales han llevado a muchos por el camino equivocado:

• Teoría Monetaria Moderna. Melissa y yo hemos dicho antes que la Teoría Monetaria Moderna (TMM) no es moderna, no es monetaria y no es una teoría. La proposición de la TMM de que un gobierno que toma prestado en su propia moneda puede financiar su gasto a voluntad con más deuda perdió credibilidad cuando la inflación se disparó en 2022 y 2023. Sin embargo, parece que la TMM está funcionando ahora que la inflación ha disminuido. A pesar de que el déficit federal sigue siendo muy amplio, y el consenso es que después de las elecciones de noviembre continuará ampliándose, la inflación se ha moderado cerca del 2,0%.
• Curva de rendimiento invertida. Según nuestra teoría del Ciclo de Crisis Crediticia, la curva de rendimiento invertida del Tesoro indica que los inversores en bonos están preocupados porque las tasas de interés a corto plazo más altas provocarán una crisis crediticia y, por lo tanto, una recesión. Debido a que la Reserva Federal y el Tesoro evitaron que surgiera una crisis crediticia cuando colapsaron los bancos regionales en marzo pasado, la expansión pudo continuar.
• Desinversión de la curva de rendimiento. La curva de rendimiento del Tesoro se ha vuelto positiva en septiembre, con el rendimiento a 10 años ahora aproximadamente 15 puntos básicos por encima del rendimiento a 2 años. Históricamente, una recesión ha seguido poco después de tal desinversión, pero solo porque la Fed estaba recortando tasas rápidamente para frenar una crisis, lo que luego se transformaba en una recesión. Esta vez, la Fed está recortando tasas como medida preventiva.
• Índice LEI en caída. Los 10 componentes del Índice LEI están fuertemente ponderados hacia el sector manufacturero e incluyen elementos como la curva de rendimiento invertida. Eso ha llevado al LEI a predecir incorrectamente una recesión durante los últimos dos años. El consumo de bienes se ha estancado en niveles récord desde que la Fed aumentó los costos financieros y disminuyó la demanda de bienes tras dispararse durante la pandemia. La economía estadounidense depende más de los servicios que de los bienes en una proporción aproximada de 2:1, lo que hace que el LEI sea menos efectivo para predecir el desempeño económico.
• Curva de Phillips. El modelo de la Curva de Phillips se basa en la correlación inversa entre la inflación salarial y de precios frente a la tasa de desempleo. Sin embargo, ignora la relación inversa entre la tasa de desempleo y el crecimiento de la productividad. Así, la inflación pudo caer en este ciclo sin una recesión, en parte porque el mercado laboral ajustado promovió inversiones que mejoraron la productividad.
• Tasa neutral de interés. Los «palomas» en el Comité Federal del Mercado Abierto (FOMC) abogan por reducir la tasa de fondos federales (FFR) para mantener una tasa real neutral. Su preocupación es que a medida que cae la inflación, la tasa real FFR se vuelve más restrictiva y ejerce una presión innecesaria sobre la economía. Creemos que ajustar una tasa nocturna (que pocos consumidores o empresas realmente usan) según el cambio interanual en la inflación no tiene sentido. Empíricamente, a la economía estadounidense también le ha ido bien a pesar del aumento en la tasa real.
• Regla de Taylor. La Regla de Taylor es una fórmula mecánica para establecer la FFR basada en la tasa de desempleo (o crecimiento económico) y la inflación. A medida que ha caído la inflación, los defensores de esta regla sugieren que las tasas también deberían bajar. Sin embargo, esta regla depende de conocer cuál es el crecimiento potencial máximo de la economía y cuál es la tasa neutral de desempleo (la tasa que ni aumenta ni reduce la inflación). Por supuesto, ninguna de estas variables es medible con precisión. Creemos que un mayor crecimiento en productividad e inmigración ha elevado el potencial económico estadounidense, lo cual sugiere que este modelo aconsejaría una FFR más alta.
• Regla Sahm. La llamada Regla Sahm, un indicador de recesión basado en el promedio móvil de la tasa general de desempleo, se activó en julio cuando esta tasa subió al 4.3%. En ese momento descartamos esto como otra falsa señal de recesión. Esa resultó ser la decisión correcta ya que la tasa bajó del 4.2% en agosto al 4.051% el mes pasado. Además, un aumento rápido del desempleo suele estar asociado con crisis crediticias y recesiones, ¡no con un PIB real creciendo al 3%!
• Ahorros excesivos. El CEO de JP Morgan Chase, Jamie Dimon, advirtió en diciembre de 2022 que el agotamiento del exceso de ahorros y la inflación «descarrilarían» a la economía y causarían una recesión leve o severa. Nosotros dijimos que los salarios reales crecientes, mayores ingresos por tasas más altas y un efecto riqueza muy positivo permitirían a los consumidores seguir gastando. En particular, los Baby Boomers «desahorrarían» al jubilarse durante la pandemia, y los valores crecientes del hogar y las acciones les darían confianza para gastar.
• El dinero importa. La oferta monetaria M2 se contrajo desde noviembre de 2022 hasta marzo de 2024. Sin embargo, el mercado bursátil disfrutó un gran auge alcista y la inflación se moderó. Eso debería haber silenciado a quienes sostienen una visión monetarista estricta según la cual «la inflación es siempre y en todo lugar un fenómeno monetario». Quizás no sea tan importante para el crecimiento económico como creemos; factores como el aumento en productividad impulsado por el sector privado podrían ser más relevantes.

Estrategia de Retroceso de Fibonacci: Implementación en Python y Más por Quantinsti

¿Qué es la secuencia de Fibonacci?

La estrategia de retroceso de Fibonacci utiliza la secuencia de Fibonacci como su base. Primero, vamos a comprender qué es la secuencia de Fibonacci.

La secuencia de Fibonacci es una serie de números donde cada número es la suma de los dos anteriores. La secuencia es la siguiente: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, y así sucesivamente.

En términos matemáticos, la secuencia de Fibonacci se define de manera recursiva con la fórmula:

X(n) = X(n-1) + X(n-2)

Donde:

•X(n) es el enésimo número de la secuencia.

•X(n-1) es el número anterior en la secuencia.

•X(n-2) es el número dos posiciones anteriores en la secuencia.

En finanzas y trading, la secuencia de Fibonacci se utiliza ampliamente en el análisis técnico para identificar niveles potenciales de soporte y resistencia, y es una parte esencial de la estrategia de retroceso de Fibonacci.

¿Qué es la estrategia de retroceso de Fibonacci?

La estrategia de retroceso de Fibonacci es una herramienta popular en el análisis técnico utilizada para identificar posibles niveles de reversión en los mercados financieros. Basada en la secuencia de Fibonacci, esta estrategia implica trazar niveles clave de retroceso. Los niveles típicos o predeterminados son 23.6%, 38.2%, 50%, 61.8% y 78.6%, contra un movimiento de precio.

Estos niveles se derivan de las proporciones encontradas en la secuencia de Fibonacci y se cree que representan áreas de soporte o resistencia.

Los niveles de retroceso de Fibonacci ayudan a los traders a identificar los puntos de entrada y salida para las operaciones. Por lo tanto, se determinan los niveles de stop-loss y take-profit. Cuando el precio de un activo retrocede a uno de estos niveles de Fibonacci, puede indicar una posible reversión en la tendencia predominante.

Ejemplo de retroceso de Fibonacci: Si el precio de una acción ha subido de $200 a $250, es probable que retroceda a $230 antes de continuar su movimiento ascendente. Este nivel de retroceso de $230 se pronostica utilizando los ratios de Fibonacci.

La estrategia de retroceso de Fibonacci se aplica comúnmente junto con otros indicadores técnicos y técnicas de análisis para confirmar señales y mejorar las decisiones de trading. Además, se puede utilizar en varios instrumentos financieros y marcos temporales, lo que la convierte en una herramienta versátil para traders en diferentes mercados.

Cómo usar el retroceso de Fibonacci en el trading

Los niveles de retroceso se pueden utilizar para comprar una acción en la que no se ha podido entrar debido a un fuerte aumento en su precio.

En una situación así, se recomienda esperar a que el precio corrija hasta los niveles de retroceso de Fibonacci como 23.6%, 38.2% y 61.8% para luego comprar la acción. Los ratios 38.2% y 61.8% son los niveles de soporte más importantes.

Esta estrategia de retroceso de Fibonacci es más efectiva en intervalos de tiempo más largos, y como cualquier otro indicador, combinarla con otros indicadores técnicos como RSI, MACD y patrones de velas puede mejorar la probabilidad de éxito.

Cálculo de niveles de retroceso de Fibonacci usando Python

Como sabemos, los retrocesos son movimientos de precio que van en contra de la tendencia original. Para pronosticar el nivel de retroceso de Fibonacci, primero debemos identificar el movimiento total hacia arriba o hacia abajo. Para marcar el movimiento, necesitamos elegir el máximo y el mínimo más recientes en el gráfico.

Ejemplo con Python utilizando datos de Exxon Mobil:

# Importar los precios de las acciones
import yfinance as yf

# Para graficar
import matplotlib.pyplot as plt

# Obtener datos de Exxon Mobil desde Yahoo Finance
df = yf.download(‘XOM’, start=’2020-08-01′, end=’2024-04-08′)

# Graficar
fig, ax = plt.subplots()
ax.plot(df[‘Close’], color=’black’)

# Agregar etiquetas a los ejes x e y
plt.xlabel(‘Fecha’)
plt.ylabel(‘Exxon Mobil Corp (USD)’)
plt.xticks(rotation=45)
plt.show()

# Obtener el precio máximo y mínimo en el rango de fechas dado
precio_max = df[‘Close’].max()
precio_min = df[‘Close’].min()

print(«Precio Mínimo:», precio_min)
print(«Precio Máximo:», precio_max)

Resultado:

Precio Mínimo: 31.57
Precio Máximo: 121.37

import matplotlib.pyplot as plt

# Niveles de Fibonacci considerando la tendencia original como un movimiento al alza
diferencia = precio_max – precio_min
nivel1 = precio_max – 0.236 * diferencia
nivel2 = precio_max – 0.382 * diferencia
nivel3 = precio_max – 0.618 * diferencia

# Imprimir niveles de Fibonacci
print(«Nivel\tPrecio»)
print(«0\t», precio_max)
print(«0.236\t», nivel1)
print(«0.382\t», nivel2)
print(«0.618\t», nivel3)
print(«1\t», precio_min)

# Establecer límites en el eje y según el precio mínimo y máximo
plt.ylim(precio_min – 0.05 * diferencia, precio_max + 0.05 * diferencia)

# Graficar el precio de cierre
plt.plot(df.index, df[‘Close’], color=’black’, label=’Precio de Cierre’)

# Graficar líneas horizontales para cada nivel de Fibonacci
plt.axhline(precio_max, color=’red’, linestyle=’–‘, label=’Precio Máximo’)
plt.axhline(nivel1, color=’green’, linestyle=’–‘, label=’23.6%’)
plt.axhline(nivel2, color=’blue’, linestyle=’–‘, label=’38.2%’)
plt.axhline(nivel3, color=’purple’, linestyle=’–‘, label=’61.8%’)
plt.axhline(precio_min, color=’orange’, linestyle=’–‘, label=’Precio Mínimo’)

# Agregar etiquetas y leyenda
plt.ylabel(«Precio»)
plt.xlabel(«Fecha»)
plt.legend()
plt.xticks(rotation=45)

# Mostrar gráfico
plt.show()

Resultado:

Conclusión

La estrategia de retroceso de Fibonacci implementada en Python ofrece a los traders una metodología sistemática para navegar en mercados financieros volátiles. Al dominar esta estrategia, los traders obtienen una herramienta poderosa para identificar niveles potenciales de reversión de precios y tomar decisiones de trading informadas. A través de la programación en Python, se pueden calcular y visualizar los niveles de retroceso de Fibonacci con precisión, mejorando las capacidades de análisis técnico.

Si deseas aprender más sobre la estrategia de retroceso de Fibonacci, considera explorar cursos especializados que cubren estrategias de acción de precio y su implementación en los mercados en vivo. ¡Inscríbete y lleva tu trading al siguiente nivel!

Espero que esta traducción cumpla con tus expectativas y esté alineada con tus instrucciones. Si necesitas más contenido o alguna otra traducción, estaré encantado de ayudarte.

Allan Mecham y Arlington Value: Grandes lecciones sobre la Inversión en Valor por Brandon Beylo

No hay muchos inversores que obtengan rentabilidades de dos dígitos a lo largo de décadas y los que lo hacen ya son bien conocidos (es decir, ese tipo de Omaha). Sin embargo, en una pequeña oficina encima de una tienda de tacos, hay un hombre que dirige un fondo de cobertura llamado Arlington Value que ha demostrado la ventaja en la simplicidad, el pensamiento a largo plazo y el poder del interés compuesto cuando se trata de la inversión en valor.

Arlington Value no tiene un gran equipo de analistas. No ejecutan algoritmos avanzados de aprendizaje automático ni explotan datos satelitales esotéricos y no hay un solo diploma distinguido en sus paredes.

Sin embargo, Arlington Value ha ganado un 18,36 % durante 11,5 años y su principal fondo, AVM Ranger Fund, ha dado una rentabilidad alucinante del 37,9 % desde 2008. El hombre detrás de estos números es Allan Mecham.

Los Secretos Del Éxito De Allan Mecham: Lecciones Del Valor De Arlington

Pasé todo el fin de semana pasado analizando sus cartas (s/o a Focused Compounding para la publicación) y hay muchas joyas para poder compartir. He seguido adelante y he reducido las ideas de Mecham en cinco lecciones recurrentes de sus cartas (que van de 2008 a 2017) que vale la pena revisar. ¡Empecemos!

1. La Ventaja De Menos Información: Evitar El Ruido

«No estoy de acuerdo con la idea de que más información siempre es mejor». – Carta de 2008

Esto puede sonar muy bien, ya que estás leyendo esto de una «fuente de información» sobre inversiones, pero ten paciencia conmigo. Mecham es de la vieja escuela. Lee periódicos impresos y evita los sensacionalistas medios de comunicación financieros que se encuentran en la televisión y en Internet. Warren Buffett, Walter Schloss y muchos otros inversores de valor siguen prácticas similares (es decir, Buffett no tiene un ordenador en su oficina).

Sabemos que los inversores exitosos practican el arte de «menos es más», pero ¿por qué lo hacen exactamente? ¿Cuál es la ventaja?

Se encuentra en el pensamiento claro y una mente despejada. Nuestros cerebros solo tienen cierta capacidad de poder para tomar decisiones cada día. La eliminación de esa energía en numerosos puntos de venta (leer demasiados blogs, seguir a demasiados inversores, ver Mad Money) reduce la capacidad de nuestro cerebro para tomar decisiones con todo su poder sobre cuestiones importantes. Mecham aborda estos temas en su carta anual de 2010, diciendo:

El aumento constante de la información, junto con las presiones del rendimiento a corto plazo, pueden llevar la inversión racional a largo plazo al borde de la extinción. El fácil acceso a la información sugiere que disciplinar el temperamento de uno rivaliza con la necesidad de energía y acción.

Cuanta menos información consumas, más tiempo tendrás para reflexionar sobre los pocos fragmentos críticos que realmente importan.

2. Los Escollos De Vender Grandes Negocios

«La venta es difícil, y mi historial sugiere que suele ser un error». – Carta de 2010

En un mundo perfecto, encontramos negocios que amamos con equipos de gestión que saben cómo asignar bien el capital, y luego nos sentamos a esperar. Desafortunadamente, una pequeña fracción de las empresas públicas cumplen con ese criterio, e incluso entonces, es tremendamente difícil sentarse y tener paciencia. En su carta de 2010, Mecham abordó el tema de las ventas, diciendo:

Mi opinión sobre las ventas es similar al viejo adagio deportivo de que «la mejor defensa es una buena ofensiva»; para tener disciplina en esto de las ventas hay que tener antes la disciplina de hacer compras puntuales, que combina el análisis adecuado con un precio a niveles de ganga.

Mecham destaca su desdén por vender a través de su ejemplo de venta de Autozone en 2010 – la venta que admite fue un error.

En ese momento, Autozone (AZO) comprendía el 18 % de la cartera del Fondo (algo que trataremos más adelante). Mecham vendió a un precio promedio de 155,67 $/acción. Si Mecham hubiera mantenido sus acciones hasta fin de año, habría visto cómo los precios de las acciones subían a 272,59 dólares/acción (un aumento del 75 %). La retrospectiva es 20/20, por lo que no es el aumento del precio de las acciones lo que quiero destacar, sino el análisis post mortem de Mecham en AZO:

Hemos sido propietarios de AZO durante años y admiramos las cualidades intrínsecas del negocio: una posición líder en el mercado, características duraderas y anticíclicas, fuertes perspectivas de crecimiento y un impresionante historial gerencial de asignación de capital.

Mecham vendió un negocio con todas estas características (aunque para otro gran negocio en BRKB) y se arrepintió de haberlo hecho. Aférrate a los grandes negocios.

3. El Poder De La Inactividad Y La Paciencia

Estamos a favor de la acción (y los comentarios) poco frecuentes, esperando pacientemente oportunidades excepcionales. – Carta de 2010

Si no tienes la capacidad de ser paciente, no hacer nada y esperar oportunidades, nunca podrás aferrarte a los grandes negocios. Para lograr los poderosos efectos del interés compuesto, la inactividad no es la habilidad perfecta, es imprescindible.

Arlington Value: El Enfoque Único De Allan Mecham Para La Inversión En Valor

Aunque los inversores en valor hablan de la necesidad de largos períodos de inactividad, las razones para hacerlo no siempre están claras. Mecham (como la mayoría de los gestores de valor exitosos) compra solo a precios con gran descuento, normalmente expresados durante episodios de pesimismo extremo. En su carta de 2014, Mecham habla de su importante práctica de sentarse a esperar:

Nuestra oficina se siente más como una biblioteca abandonada con un par de vagos merodeando. Todavía no nos hemos visto insumados por las virtudes de los equipos de analistas y las reuniones de inversión. Somos de la vieja escuela. En su mayoría nos sentamos a leer, pensar y esperar. Una broma de Stanley Druckenmiller describe mejor nuestro proceso: «Me gusta ser muy paciente y luego, cuando veo algo, me vuelvo un poco loco.

La actividad frecuente no solo resulta en una reducción del rendimiento, sino que también se traduce en mayores costos de hacer negocios (es decir, comisiones e impuestos). Pero, ¿por qué la inactividad es tan difícil? = Me vienen a la mente dos razones principales: la seguridad laboral y el barómetro de medición.

Hay un aura de legitimidad al ver a alguien (o a un grupo de personas) frenéticamente involucrado en el trabajo. Si estás pagando a alguien para que haga un trabajo, es más probable que tu mente se sienta cómoda al ver a esa persona en el trabajo. Esto influye en la primera razón por la que es tan difícil permanecer inactivo: la seguridad laboral. La mayoría de los administradores de dinero son indexadores natos. En otras palabras, abrazan el índice lo más cerca posible para mantener el flujo de activos de los clientes. Y si te pones en la piel del administrador de dinero promedio, esto tiene sentido. Es una conversación mucho más fácil de tener con un cliente si sus activos se mueven en línea con el índice (sube o bajan). Es mucho más difícil hablar cuando el mercado está subiendo y su cartera está estancada.

Junto con esta muleta de seguridad laboral, la mayoría de los gestores se miden en un marco de tiempo demasiado corto. Por ejemplo, si los clientes esperan que usted supere el rendimiento trimestral o mensual, ¿cómo basará el gestor sus decisiones en las inversiones? Las mediciones trimestrales o mensuales conducen a un exceso de operaciones, a vender demasiado pronto y a entrar en posiciones más arriesgadas para perseguir rendimientos gradualmente más altos en un corto período de tiempo. Esta tercera conclusión se supone mejor con la siguiente cita de Phil Carret:

La rotación generalmente indica un fracaso de juicio. Es extremadamente difícil averiguar cuándo vender algo.

4. Adoptar El Pensamiento A Largo Plazo Para Rendimientos Sostenibles

Nuestras ideas y políticas están estructuradas con un objetivo en mente: cultivar una cultura que fomente la toma de decisiones racional que, en última instancia, conduzca a rendimientos sólidos ajustados al riesgo. – Carta de 2012

Mecham enfatiza rutinariamente la importancia de tener una mentalidad similar a la del propietario y su impacto en el éxito de la inversión a largo plazo. Una mentalidad similar a la del propietario no solo cambia el marco de tiempo como inversor, sino que te obliga a cambiar lo que te importa cuando miras las empresas. Centrarse en la inversión a largo plazo (es decir, mantener las empresas durante décadas, no durante segundos) conduce a una disminución natural en el nivel de importancia que le da a los resultados trimestrales (ganancias «beats»), vientos en contra a corto plazo y compresiones temporales en las ganancias y los márgenes. Cuando piensas a largo plazo, todo eso realmente no importa. Más que eso, si sigues pensando así, empezarás a preguntarte por qué otros incluso piden orientación trimestral.

Mecham lo deja muy claro cuando habla de la mentalidad a largo plazo en su carta de 2014, escribiendo:

En primer lugar, adoptamos la mentalidad de un propietario de un negocio que compra para mantener. Para nosotros, esto significa pensar en el poder de permanencia, las amenazas competitivas, la economía y comparar el precio con el valor… No creemos que los «beats» trimestrales sean pertinentes al valor intrínseco.

En otras palabras, cambiar el marco de tiempo en el que piensas en las inversiones te lleva a pasar la mayor parte de tu tiempo pensando en los elementos anteriores en lugar de en las métricas trimestrales en las que todos los demás están tan enfocados. Mecham lleva este punto a casa un par de páginas más tarde, afirmando:

Creo que la mayor diferencia (y nuestra principal ventaja) entre Arlington y el fondo promedio es nuestra capacidad para implementar un marco de análisis de empresas como los propietarios a largo plazo.

5. La Concentración Como Un Motor Clave Del Rendimiento

La quinta y última conclusión es (pobliblemente) la más importante para los inversores que buscan superar al mercado a largo plazo.

La concentración de los activos es tan contraconsenso fuera como dentro de la comunidad inversora. Como he mencionado antes, la mayoría de los administradores de dinero abrazan el índice, invirtiendo en 30, 40 o 100 acciones. Esta es la receta para lo promedio, algo que Allan reconoció al principio de la existencia de su Fondo.

Allan Mecham mantiene una cartera concentrada de alrededor de 12 a 15 empresas. No tiene miedo de asignar un gran porcentaje del capital de su Fondo a unas pocas acciones. Por ejemplo, vimos antes que Mecham asignó el 18 % de sus fondos a Autozone. Incluso el 18 % palidece en comparación con la mayor inversión de Mechem durante el transcurso de sus cartas. En 2011, Mecham hizo de Berkshire Hathaway una posición del 50 % en su Fondo. De hecho, Mecham llegó a ir con margen para comprar más acciones de Berkshire Hathaway (costo de margen del 1,5 %), apalancando en su posición más grande del Fondo. La mayoría de los gerentes corrientes estarían vigilando el suicidio profesional después de un movimiento como ese. Pero, como ilustra Mecham, tenía lógica:

La gestión convencional de fondos tiene un desdén dogmático por las posiciones altamente concentradas. No hace falta decir que tenemos un punto de vista diferente. Para nosotros, como propietarios de BRK, el desprecio por la concentración es muy ilógico, ya que BRK proporciona una amplia diversidad, con exposición a empresas, sectores y asignaciones de activos dispares.

Esta lógica está en línea con el viejo adagio de Buffett de una diversificación adecuada en el que describe ser dueño de algunos negocios locales en su ciudad como una diversificación adecuada. Si tienes algunas de las mejores operaciones de la ciudad, ¿no se consideraría adecuadamente diversificada? Por supuesto. De alguna manera, al aventurarse en los mercados financieros, esa misma filosofía vuela por la ventana. Una cartera de 10 a 15 empresas enérgicamente investigadas compradas a precios de ganga es una estrategia de inversión de riesgo tan baja como vienen. Mecham hace hincapié en esto en sus LP cuando escribe:

Si bien nuestra cartera concentrada a veces es criticada por la corriente principal financiera, creemos que los juicios carecen de sustancia. Somos un fondo reacio al riesgo que busca inversiones de bajo riesgo.

Si quieres vencer al mercado a largo plazo, necesitas hacer apuestas concentradas en empresas que crees que obtendrán mayores rendimientos de su capital que el mercado general, especialmente cuando se trata de inversiones de valor. Combina estas apuestas concentradas con un horizonte temporal a largo plazo y una determinación inquebrantable de no hacer nada y ya casi estás en camino de clonar a Allan Mecham.