Construyamos una cartera sistemática con acciones «innovadoras» por Quantpedia
La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com
El objetivo de este artículo es múltiple. Su objetivo es responder a la pregunta de la investigación: ¿una cartera compuesta por las acciones más innovadoras supera al índice S&P 500? Para abordar esta pregunta, se desarrolla una estrategia de inversión a largo plazo con las principales empresas innovadoras de acuerdo con su clasificación, y su rendimiento se compara con el del índice. Basado en la creencia común de que una mayor innovación conlleva un mayor riesgo, tiene como objetivo evaluar la volatilidad asociada con las acciones innovadoras. Además, tiene como objetivo analizar el impacto de los factores del sector en el rendimiento de la cartera. Por último, lleva a cabo un análisis comparativo entre el rendimiento de la cartera y el del ETF de Innovación ARK (ARKK), que se centra específicamente en invertir en empresas relevantes en el tema de la innovación disruptiva.
El profundo impacto de la innovación: antecedentes teóricos
En el mundo de los papers empresariales, hay un consenso generalizado sobre una cosa: la importancia de que una empresa sea innovadora. Ser creativo y llegar a nuevas ideas y soluciones se considera crucial para que una empresa no solo sobreviva, sino también para prosperar y hacerlo bien. Al principio, la investigación sobre la innovación se centró principalmente en la invención y los esfuerzos empresariales. Schumpeter (1942) pensó que para que las economías crezcan y se desarrollen, es crucial que las nuevas innovaciones reemplacen a las antiguas a través de un proceso que él llamó «destrucción creativa». Es la teoría de la extracción de ganancias de Schumpeter (1942), según la cual la innovación permite a las empresas mantener temporalmente una posición de cuasi monopolio, dándoles la capacidad de extraer rentas. Esta teoría se cita a menudo como una justificación para la conexión favorable entre la innovación de una empresa y su rendimiento.
¿Qué dice la literatura?
En línea con este punto de vista, la investigación de marketing sugiere que la innovación produce resultados positivos en diversas métricas de rendimiento. Estos incluyen la posición en el mercado de una empresa, la situación financiera y el rendimiento en el mercado de valores[4,7]. Investigaciones anteriores han revelado un espectro de impactos de la innovación en el valor de la empresa, que van desde inexistentes[1] hasta modestos y aplicables solo en situaciones específicas[3] hasta positivos y sustanciales[4]. Los ejecutivos a menudo ven la innovación como una estrategia crucial para lograr el crecimiento y el éxito financiero, a pesar de que conlleva riesgos inherentes. Según el estudio[7], en el que los autores distinguen entre innovación de avance e incremental en términos de creación de valor de la empresa, la innovación incremental aumenta los beneficios normales sin afectar el riesgo o las rentas económicas, mientras que la innovación de avance está vinculada a mayores rentas económicas y niveles de riesgo. Sin embargo, los autores concluyen que, a pesar del aumento del riesgo, los accionistas se benefician de un aumento en el valor de la equidad.
Después de haber establecido el marco teórico y profundizado en la literatura relacionada sobre la innovación y su impacto, nuestro artículo está estructurado de la siguiente manera: primero detallamos el proceso de recopilación de datos. A continuación, centramos nuestra atención en la metodología empleada en nuestro análisis, aclarando el enfoque adoptado en la construcción de nuestra cartera, el análisis de factores y el análisis de regresión. Después de eso, presentamos nuestros resultados, realizamos comparaciones de rendimiento con puntos de referencia relevantes y, finalmente, sacamos nuestras conclusiones.
Datos
Debido a que no existe una sola mejor medida mutuamente acordada de una innovación firme, para elegir las empresas a investigar, analizamos la lista de Fast Company de las 50 empresas más innovadoras del mundo. Esta lista se ha publicado anualmente desde 2008. Reconoce a las organizaciones que han introducido productos innovadores, implementado estrategias comerciales innovadoras, promovido un impacto social positivo y transformado las industrias a través de sus enfoques revolucionarios. Los editores y escritores de Fast Company evalúan cada aplicación de la empresa más innovadora basándose en cuatro criterios: Innovación, para determinar si la empresa tiene una innovación distintiva y claramente demostrada; Impacto, para evaluar el impacto medido en la empresa y la industria; Puntualidad, para considerar si la innovación ocurrió en los últimos 12 meses o si ha habido avances iterativos; y Relevancia, para examinar qué tan bien la empresa explica la conexión de la innovación con los eventos actuales o los problemas más amplios de la industria y la sociedad.
En cada lista, identificamos las 10 principales empresas que cotizan en bolsa, con la excepción de la lista de 2015, donde solo encontramos 9 de esas empresas, y obtuvimos sus datos de precios de Yahoo Finance. Más específicamente, obtuvimos el precio de cierre ajustado, que se ajusta por divisiones de acciones, dividendos y otros eventos relevantes. Tuvimos que considerar cuándo se hicieron públicas las empresas. Por ejemplo, en el ranking de 2013, Uber está en el sexto lugar. Sin embargo, ha cotizado en bolsa desde 2019, por lo que no podemos incluirlo en nuestra cartera de 2013. Por lo tanto, nuestro conjunto de datos de precios comenzó el 30 de junio de 2013 o la fecha de inicio de las empresas que se publicaron más tarde. Estábamos interesados en determinar el número de empresas que cotizan en bolsa en cada lista y, en promedio, había 13,4 empresas que cotizan en bolsa al año. Sin embargo, nuestro enfoque principal fue en las 10 principales empresas. De todas las empresas enumeradas en los últimos 10 años, hemos indicado a 55 como candidatos adecuados para nuestro análisis. Estos hallazgos estadísticos, representados en la Figura 1, revelan que, si bien en 2021 y 2017 había 17 empresas que cotizaban en bolsa, en 2015 solo había 9 empresas que cotizaban en bolsa.
Figura 1 Número de empresas que cotizan en bolsa
Del mismo modo, también recopilamos datos de precios ajustados para el SPDR S&P 500 ETF Trust (SPY) del 30 de junio de 2013 y el ARK Innovation ETF (ARKK) desde su creación el 31 de octubre de 2014.
Metodología
El ranking de las empresas más innovadoras se estrenó en 2008 y se ha actualizado constantemente cada año alrededor de abril. Después de identificar a las mejores empresas innovadoras y obtener sus datos de precios, calculamos su rendimiento mensual. Para crear lo que denominamos «Cartera Innovadora», cada mediados de año, establecemos una cartera, manteniendo acciones de empresas identificadas en la lista de ese año y reequilibrando la cartera en junio del año siguiente. En otras palabras, compramos acciones de las empresas más innovadoras de acuerdo con la calificación de 2012 el 30 de junio de 2012 y las mantenemos hasta junio de 2013 (y luego compramos acciones de las empresas más innovadoras de acuerdo con la calificación de 2013 el 30 de junio de 2013). A continuación, comparamos el rendimiento de esta estrategia con el rendimiento del índice S&P 500 como punto de referencia, junto con otras características como la volatilidad y la relación Sharpe.
Además, creamos una cartera long-short, al ir largos en Innovative Companies y cortos en SPY. Como estábamos interesados en identificar los sectores que contribuyen al rendimiento de la cartera long-short, realizamos un análisis de factores, que abarca nueve sectores clave: Energía (XLE), Servicios Públicos (XLU), Tecnología (XLK), Materiales (XLB), Staples de Consumo (XLP), Discrecional del Consumidor (XLY), Industrial (XLI), Cuidado de la Salud (XLV) y Finanzas (XLF), con exclusiones para Bienes Raíces (XLRE) y Servicios de Comunicación (XLC). Después de obtener sus precios diarios ajustados, calculamos su rendimiento mensual y deducimos los resultados del rendimiento mensual del mercado. La variación entre el rendimiento mensual del mercado y el rendimiento mensual de cada ETF del sector sirve como factor del sector. Enriquecimos estos factores con 3 más: Tamaño, Valor y Factores Beta de Mercado, introducidos por Fama y French (1992). El tamaño se calculó comparando el rendimiento mensual de las acciones de pequeña capitalización en iShares Russell 2000 ETF (IWM) con el índice S&P 500 de gran capitalización (SPY). El valor se calculó comparando el rendimiento mensual de las acciones de valor en iShares S&P 500 Value ETF (IVE) con las acciones de crecimiento en iShares S&P 500 Growth ETF (IVW). Por último, Market Beta se calculó comparando el rendimiento mensual del Índice S&P 500 (SPY) con el rendimiento mensual de un activo libre de riesgo, representado por el ETF de la Bota del Tesoro (BIL) a corto plazo y 1-3 meses. En total, derivamos 12 factores.
A continuación, llevamos a cabo un análisis de regresión de Mínimos Cuadrados Ordinarios (OLS), que, al utilizar la cartera de diferenciación como variable dependiente y los factores de sector y estilo como variables independientes, identificó sectores y factores de estilo que impulsan las distinciones de rendimiento entre la Cartera de Innovación y el índice S&P 500.
Nuestro último paso fue comparar el rendimiento mensual de nuestra cartera con el ETF de innovación de ARK. Una vez más, calculamos el rendimiento mensual del índice a partir de los datos de precios de Yahoo Finance y calculamos la correlación entre ellos.
Resultados
Cartera innovadora vs SPY
En primer lugar, evaluemos el rendimiento de nuestra cartera long-only durante el período 2013-2023 en comparación con el índice. Como se indica en la Tabla 1, la Cartera Innovadora logró un rendimiento anualizado superior (18,24%) durante este período, superando al S&P 500 ETF Trust (12,75 %). La figura 2 ilustra que la cartera innovadora supera notablemente a la SPY durante 2019 a 2021. A finales de 2021, la Cartera Innovadora experimenta un pronunciado máximo de rendimiento seguido de un fuerte descenso. Su éxito a cambio viene con mayores fluctuaciones de precios, evidenciadas por la volatilidad de Innovative Portfolios del 26,12 %, en comparación con la volatilidad del SPY del 14,90 %. La cartera innovadora experimentó una pérdida máxima más significativa del -60,40 %, en contraste con el -23,93 % de SPY. En términos de rendimiento ajustado al riesgo, el SPY demostró superioridad con una relación de Sharpe más alta de 0,86, lo que indica un equilibrio más favorable entre el rendimiento y el riesgo en comparación con las carteras innovadoras de 0,70. El Ratio de Sortino, una variación del ratio de Sharpe, confirma esta tendencia en la que el 0,53 del SPY supera las carteras innovadoras 0.30, lo que apunta a un mejor rendimiento ajustado al riesgo. Además de analizar las métricas de rendimiento, presentamos una representación gráfica del alfa de la Cartera Innovadora durante el período de estudio. La figura 3 muestra visualmente el exceso de rendimiento generado por nuestra cartera en comparación con el índice S&P 500.
En general, según nuestro análisis, aunque la cartera innovadora demostró un rendimiento anual superior, también exhibió una mayor volatilidad y una reducción máxima más sustancial. Por el contrario, el SPY mostró un peor rendimiento ajustado al riesgo, evidente en sus relaciones más bajas de Sharpe y Sortino.
Coche
volatilidad
Ratio de Sharpe
Sortino
Máximo DD
Cartera innovadora
18,24%
26,12%
0,70
0,30
-60,40%
SPY
12,75%
14,90%
0,86
0,53
-23,93%
Tabla 1 Características de la cartera innovadora frente a las características de SPY
Figura 2 Rendimiento tanto de Innovative Portfolio como de SPY
Figura 3 Portafolio innovador Alfa
Análisis de factores de cartera innovadora frente a SPY
En la Tabla 2, los resultados de la regresión de OLS para el análisis de factores revelan que, entre los factores considerados, el factor de tamaño influye significativamente en el rendimiento de la cartera, como lo demuestra una notable estadística t de 4,71.
Coeficientes
Error estándar
t Estadística
Intercept
0,0037
0,0041
0,9071
Mercado
0,1216
0.1104
1.1008
Industrial
-0.5503
0.2423
-2,2713
Valor
-0.5321
0,3106
-1.7130
Financiero
-0.3571
0.2435
-1,4669
Alimentos básicos para consumidores
-0.3098
0.2163
-1,4324
Discrecional del consumidor
-0.2764
0.2432
-1,1366
Energía
-0,2143
0,0847
-2,5313
tecnología
-0,1812
0,3745
-0.4839
Servicios
-0,1603
0.1329
-1.2062
Cuidado de la salud
-0,1108
0.2273
-0.4874
Materiales
0,1316
0,1669
0.7888
Size
0,8447
0.1793
4,7119
Tabla 2 Resultados de regresión de OLS
Para representar visualmente el impacto de los 9 factores del sector y 3 de estilo en la diferencia de rendimiento entre la cartera innovadora y el índice SPY, se presenta la Figura 4. Los valores positivos a lo largo del eje x significan un rendimiento superior, con los factores de mercado, materiales y tamaño que muestran tendencias positivas. En particular, el tamaño (t = 4,71) se destaca como estadísticamente significativo, mientras que la energía (t = -2,53) y la industrial (t = -2,27) también juegan un papel significativo, sin embargo, en el lado negativo. El principal impulsor del rendimiento superior de la cartera es el factor de tamaño, que hace hincapié en el papel crucial de las acciones de menor capitalización en la generación de rendimientos positivos. El valor R al cuadrado de 0,4881 indica que aproximadamente el 48,81 % de la variabilidad en la variable dependiente (disparidades de rendimiento entre la Cartera Innovadora y el índice SPY) se puede explicar por las variables independientes (9 factores de sector y 3 de estilo). En otras palabras, los factores considerados colectivamente representan casi la mitad de la variación observada en el rendimiento de la cartera en relación con el índice SPY. La variabilidad de rendimiento restante se atribuye al riesgo idiosincrásico. Para una comprensión más explícita de cómo los diferentes sectores y factores de estilo contribuyen a los rendimientos generales de la cartera, consulte la Figura 5, que muestra la contribución acumulativa de factores dados.
Figura 4 Análisis de factores
Figura 5. Contribución acumulativa de la cartera innovadora frente al factor espía
Cartera innovadora vs ARKK
Por último, nos gustaría compartir los resultados de la comparación de nuestra cartera con el ARK Innovation ETF. ARK Innovation ETF (ARKK) es un fondo gestionado activamente que invierte en empresas relacionadas con la innovación disruptiva, centrándose en la genómica, la automatización, la transformación energética, la IA, Internet de próxima generación y la tecnología financiera. La «innovación disruptiva», tal como la define ARK, se refiere a la introducción de nuevos productos o servicios tecnológicamente habilitados que podrían cambiar la forma en que funciona el mundo. Busca ideas de alta convicción dentro de este tema, con las principales participaciones que incluyen Coinbase, Roku, Tesla y Zoom. Dirigido por Cathie Wood, CIO de ARK, se dirige a sectores de alto crecimiento, pero se enfrenta a riesgos, como se ve en los desafíos de 2022 en medio de las crisis económicas y la respuesta de la Reserva Federal a la inflación, que impactan a las acciones de alto crecimiento en la cartera de la Sra. Wood.
El alto coeficiente de correlación de 0,83 entre el rendimiento de la Cartera Innovadora y el ARK Innovation ETF sugiere una fuerte relación lineal positiva. En términos prácticos, esto indica que las dos carteras tienden a moverse en la misma dirección con el tiempo, como se puede ver en la Figura 6. Puede sugerir que ambas carteras están influenciadas por factores similares: factores de mercado o condiciones económicas similares. Sin embargo, ARKK se basa en la discreción, mientras que nuestra estrategia es sistemática, basada en un conjunto de datos disponible públicamente.
En cuanto a la posible explicación del desarrollo del rendimiento, el aumento del ARK Innovation ETF podría atribuirse al impacto acelerado de las tendencias tecnológicas, incluido el trabajo remoto y el comercio electrónico, impulsados por la pandemia de COVID-19. Sin embargo, el ETF se enfrentó a una caída significativa en los últimos dos años debido a la incertidumbre económica y al endurecimiento de la política monetaria. Los esfuerzos de la Reserva Federal para combatir la inflación a través de los aumentos de las tasas de interés tuvieron un impacto significativo en ARKK, dada su fuerte concentración en acciones de crecimiento, que son sensibles al aumento de las tasas de interés.
Figura 6 Cartera innovadora vs ARKK
Conclusión
La innovación es crucial, ya que fomenta la competitividad y fomenta el crecimiento económico. Nuestro estudio se suma a la literatura existente al explorar el impacto de la innovación de la empresa en el rendimiento de las acciones, contribuyendo con información valiosa a este campo dinámico.
En la primera parte de nuestro análisis, nos centramos en evaluar el rendimiento de una estrategia centrada en mantener a las principales empresas innovadoras, a las que llamamos la «Cartera Innovadora». Nuestro objetivo principal era responder a la pregunta de si dicha cartera podría generar un alfa (superar) un índice de base amplia, en nuestro caso, el índice S&P 500. Nuestros resultados indican que, de hecho, esta cartera supera al índice, pero a costa de una mayor volatilidad. En resumen, mientras que la Cartera Innovadora logró un mayor rendimiento anual (18,24 % frente al 12,75 %), se acompañó de una mayor volatilidad (26,23 % frente al 14,9 %) y una mayor reducción máxima (-60,40 % frente a -23,93 %). Por el contrario, el SPY mostró un mejor rendimiento ajustado al riesgo, reflejado en sus mayores ratios de Sharpe y Sortino. Este hallazgo se alinea con la suposición teórica de que un mayor nivel de innovación conduce a un mayor valor de la empresa en términos de rendimiento de una empresa en el mercado de valores. También se alinea con la noción de que los mayores rendimientos vienen con una mayor volatilidad.
A continuación, examinamos los sectores que influyen en el rendimiento de la cartera innovadora. De los 12 factores de sector y estilo considerados, el Factor de Tamaño surgió como el motor clave detrás del rendimiento superior de la cartera. Todos los factores considerados explican colectivamente casi la mitad de la variación de rendimiento observada del índice SPY, dejando el resto atribuible al riesgo idiosincrásico, refiriéndose a factores específicos de la empresa.
Por último, comparamos el rendimiento de nuestra cartera con el rendimiento del ARK Innovation ETF, que invierte en acciones de crecimiento. Descubrimos que sus rendimientos comparten una alta correlación positiva y muestran un comportamiento similar, incluida una rápida caída del valor durante los últimos dos años debido al aumento de la inflación y al endurecimiento de la política monetaria.
¿Alguien puede desafiar el dominio económico de los Estados Unidos? por Ben Carlson
Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL
Al salir de la Gran Crisis Financiera, hubo una narrativa de que la economía de los Estados Unidos era la camisa sucia más limpia de la cesta de la lavandería.
Sí, nuestra recuperación económica fue tibia, pero el resto del mundo era un desastre.
La Unión Europea se estaba desmoronando. Los mercados emergentes estaban en desorden. China parecía que quería luchar por nuestro asiento económico en el trono, pero nunca hizo un intento serio de desplazar al poderoso rey.
Estados Unidos también ha liderado el camino para salir de la pandemia, pero esta vez no solo estamos ganando porque todos los demás están perdiendo.
Estados Unidos está dominando el resto del mundo, financieramente hablando.
Axios presentó el crecimiento económico de 2023 junto con las proyecciones de 2024:
Estados Unidos tuvo un crecimiento más alto que sus competidores más cercanos en 2023 y parece que debería hacer lo mismo este año.
Goldman Sachs tiene un desglose del tamaño económico por PIB nominal:
China se está acercando, pero el hecho de que tengan 1.400 millones de personas para nuestra población de 330 millones hace que el tamaño de nuestra economía sea aún más impresionante.
Si bien China está cerca en términos de PIB, ningún otro país está en el mismo estadio cuando se trata del tamaño de nuestros mercados de acciones y bonos:
Los Estados Unidos tienen muchas ventajas sobre el resto del mundo: la moneda de reserva global, vecinos amigos del norte y del sur, abundantes recursos naturales, poder militar, océanos en dos de nuestras costas, etc.
Pero el gran tamaño, la amplitud y la liquidez que tenemos en nuestros mercados financieros es una gran ventaja cuando se trata de comercio, innovación, emprendimiento y creación de riqueza.
Es increíble cómo Estados Unidos solo ha extendido su liderazgo cuando se trata de la capitalización de los mercados financieros a pesar de la globalización generalizada.
Miré las mayores participaciones del Vanguard Total World Stock Market Index Fund. Veintiún de las 25 principales participaciones tienen su sede en los EE. UU. Las 13 empresas más grandes del índice tienen su sede en los EE. UU.
Las acciones de EE. UU. representan un poco más del 60 % de todo el índice mundial.
En conjunto, aquí hay un diagrama de God Bless America Venn de Goldman:
También tenemos la demografía más favorable de cualquier país desarrollado del mundo en el futuro:
China está en grandes problemas en este frente.
Uno de los desarrollos de liderazgo más sorprendentes para los EE. UU. está en el frente de la energía.
Esto proviene de un artículo reciente en el Washington Post:
Petróleo, gas natural, energías renovables: la producción de casi todas las principales fuentes de energía ha alcanzado recientemente máximos históricos. De hecho, la producción de cada uno se ha duplicado aproximadamente desde el año 2000.
Para poner esto en perspectiva, Estados Unidos está produciendo más petróleo que cualquier otro país de la historia.
Eso me suena bastante bien. Mira estos máximos históricos:
Ahora somos esencialmente independientes de la energía o estamos cerca de ella.
¿Tenemos problemas en este país? Por supuesto. Y siempre los habrá.
Podría enumerar todos nuestros problemas, pero ya los conoces porque estás inundado de negatividad constante en las noticias, Internet y las redes sociales todos los días.
Hoy en día, todo el mundo se centra casi exclusivamente en lo negativo porque causa una reacción.
Pero si das un paso atrás del constante diluvio de pesimismo, hay muchas cosas buenas sucediendo en los Estados Unidos de América.
Es una pena que mucha gente esté ciega a lo positivo en este momento.
Dicen que los ganadores escriben los libros de historia.
Algunas personas señalan el sesgo de supervivencia cuando se observa el crecimiento de la producción económica y los mercados financieros en los Estados Unidos en los últimos 100 años más o menos.
No puedo garantizar el mismo nivel de producción de aquí en el futuro.
Pero estoy bastante seguro de que Estados Unidos también será uno de los autores de los libros de historia en el futuro.
Emisión monetaria, inflación y Gaps de apertura por Raúl Gómez
Estudiante del Master en Finanzas Cuantitativas de la Universidad Nacional de Educación a Distancia, ygran apasionado del mercado de valores, con especial interés por los patrones, anomalías de mercado.
Raúl Gómez Sánchez
Este estudio demuestra que es posible reducir a unas pocas fórmulas, la relación entre los gaps de apertura y variables macro como el PIB, el agregado M1 o la inflación. Curiosamente dichas fórmulas incorporan los números de Tesla, lo que nos permite ver una aplicación de los mismos para determinar la evolución de los mercados.
En el artículo titulado El Gap de apertura como elemento equilibrador de los mercados, publicado en el Nº 54 de esta revista, y con una muestra de índices para el periodo 2009-2023. Se concluía que los mercados pasados eran los causantes de la generación de gaps de apertura en los mercados siguientes, sirviendo el gap como elemento equilibrado del precio entre contado y futuro. Se finalizaba el artículo con un apartado en el cual se mostraba como las fórmulas que regían la generación de gaps de apertura, era igualmente válida para para determinar la evolución del PIB del país del índices de bolsa empleado. Ampliando esa fórmula e igualándola para los 3 países que se analizaba, se obtiene el siguiente resultado.
+9 Ti=–+
De manera gráfica, y volviendo a recalcular la fórmula para EEUU, se denota la necesidad de sumar 9 veces la evolución del Ti, para cuadrar gráficamente la evolución del PIB con los gaps de apertura de su índice de referencia al contado y futuro, sucediendo lo mismo para el caso del DAX40 de Alemania y el Nikkei225 de Japón.
Figura 1. Réplica del PIB de EEUU con los efectos del S&P500
Figura 3. Réplica del PIB japonés con los efectos del NIKKEI225
Figura 2. Réplica del PIB de Alemania con los efectos del DAX40
Poder replicar con una sola fórmula el PIB de las tres economías más representativas de su zona geográfica, la cual solo emplea los gaps de apertura de los índices de bolsa al contado y futuro, y el componente market de la divisa(revalorización de la divisa de ese país, restándole la evolución de efecto del gap). Se trata de un hecho resulta curioso, al igual que se requiera tener en cuenta 9 veces la evolución del tipo de interés de ese país, para que se pueda ver ese grado de ajuste gráfico.
Relación entre los gaps de apertura,el agregado M1 y el IPC
Las relaciones antes vistas, nos llevan a relacionar a los gaps de apertura con otras variables macroeconómicas fundamentales, como lo son la inflación (IPC) o el agregado monetario M1. Descubriendo altos grados de correlación entre estas y el componente gap
Figura 4. Correlaciones entre la Macroestructura, IPC y M1 por países
Por ello se decide realizar el mismo tipo de análisis que se llevó a cabo con el PIB, y se iguala Inflación y M1 con los gaps de apertura. Todo ello en un intento de volver a obtener en una sola fórmula, la relación que se produce entre las 3 variables en diferentes países/índices de bolsa (Recalcar que se utiliza el CSI300 chino en lugar del Nikkei225 japonés, debido a la intercambio de componentes gap y market en el contado futuro y contado del Nikkei225. Siendo uno de uno de los dos componentes tendiente a 0%, e impidiéndonos equiparar gap del contado y futuro con la inflación y el M1). Los resultados de igualar gráficamente el IPC y M1 al componente gap son los siguientes:
Figura 5. Contado del S&P500, IPC y M1
Figura 6. Futuro del S&P500, IPC y M1
Figura 7. Gaps del DAX40, IPC y M1
Figura 8. Contado CSI300, IPC y M1
Figura 9. Futuro CSI300, IPC y M1
De manera gráfica se corrobora la alta correlación existente entre los gaps de apertura, la inflación y el agregado monetario M1. Pero de nuevo sorprende el hecho que para conseguir el ajuste gráfico se requiera como en el caso del PIB, el empleo del número 9 en EEUU, el 6 en China y el 3 en Alemania. Reducidas estas relaciones a fórmulas obtenemos los siguientes resultados:
Alemania (DAX40)
=IPC =
China (CSI300)
=IPC=
EEUU (S&P500)
= IPC=
Figura 10. Velocidad del dinero.
Existiendo valores que se puedan aproximar más, resulta extraño que estos valores se repitan en el PIB, M1 e Inflación, y sean necesarios para cuadrar su evolución con la de 3 gaps tan diferentes como los son el del DAX40, S&P500 y CSI300. Aún con ello, y sin poder dar una explicación al por qué del hecho, solo resaltar que se tratan de los famosos números de Tesla, que como veremos a continuación, también tienen su aplicación práctica en el trading, y su posible aplicación teórica en el cálculo de la inflación.
Los gaps de apertura y la Teoría Cuantitativa del Dinero
La existencia de diferentes divisores en las anteriores relaciones, nos lleva a pensar que solo una tercera (Alemania), sexta (China) o novena (EEUU) parte del agregado monetario M1 se transforma en inflación. Los resultados podrían tener su lógica si analizamos los resultados finales de inflación y M1 acumulada por los tres países. Ya que Alemania (3) tiene más inflación que China (6) o EEUU (9). Además de que la gigantesca emisión de dinero durante la pandemia sanitaria de 2020,hizo que EEUU con menor denominador (9), superar la inflación acumulada de China (6)
Figura 12. IPC acumulado de China, EEUU y Alemania
Figura 11. IPC acumulado de China, EEUU y Alemania
En este sentido, existe una fórmula que reúne en si el PIB, el agregado M1, la inflación y la velocidad de circulación del dinero. Se trata de la formula Irving-Fisher, representante de la Teoría Cuantitativa del Dinero (TCD), la cual sostiene en sus bases que la inflación, es fruto de la emisión monetaria por encima de lo que aumenta la producción.
M * V = P *Q
Dónde:
M = Agregado monetario M1
V= Velocidad de circulación del dinero
P = Nivel de precios
Q =Cantidad producida
P * Q = Producto interior Bruto (PIB)
Teniendo todos los componentes de la formula ya equiparados con el gap, solo nos quedaría V, que por la facilidad de obtener el dato en base mensual y de una fuente oficial, solo se repetirá para EEUU, y donde empleando el número 3, se obtiene una réplica de V de calidad. Esto lleva a pensar que aunque sin ser perfecta, ya que la TCD y la fórmula de Irving-Fisher posee muchas críticas y mejoras, una parte de la emisión monetaria sí que se transforma en inflación. Y esa parte podría ser las 3 fórmulas que igualaban el gap, la inflación, la emisión monetaria M1 a través de los números de Tesla.
Los resultados de aplicar estas fórmulas, son siempre menores a la inflación real que obtuvieron los 3 países, lo que implicaría que los resultados de las tres fórmulas, sí que podría encajar con el concepto de “parte de la inflación generada por la emisión monetaria o M1”. Proporcionando unos valores finales, que nos indicaría que en EEUU el 79,41% de toda la emisión monetaria se ha transformado en inflación, el 75,01% en China, y el 65,52% en Alemania.
Figura 13. Resultados finales de inflación aculada de las fórmulas
Utilidad del modelo en el trading
La utilidad práctica del modelo reside en queel agregado monetario M1 o IPC, multiplicados por los números 3, 6 y 9 (los números de Tesla), o la serie de Fibonacci (1, 2, 3, 5, 8, 9, 13…), puede marcar la evolución de un activo en el tiempo. Trazando una especie de soportes o resistencias dinámicas, sobre las cuales podemos ver como evoluciona el S&P500, en lo que a mínimos, máximos y tendencia se refiere.
Figura 14. Bandas GSR_M (Inflación) del DAX40
Por otro lado, y dado que la evolución de un activo es la suma del componente gap y del componente market, estos componentes los cuales también se encuentran altamente correlacionados, también fluctuaran sobre esas mismas bandas o niveles de IPC o M1, multiplicados o dividido por los números de Tesla y la serie de Fibonacci. Y en la cual también observamos como esas bandas actúan como puntos de giro de la evolución de los 3 componentes, tal cual lo haría in soporte o resistencia tradicional, mientras que estas representan la evolución del IPC o M1
Figura 15. Bandas GSR_M (Agregado M1) del futuro del CSI300
Remarcar finalmente que este concepto ha sido comprobado para los 10 índices más líquidos del mundo, obteniendo similares resultados tanto para la evolución del mercado en conjunto o separado en gap y market.
7 ideas para hacer que mejorar nuestro trading en 2024 por Timothy Sykes
Conocido como el trader de las penny stocks. Después de ganar un millón de dólares en su primer año de Universidad comenzó su popularidad. En 2007 publicó su famoso libro “An American Hedge Fund: How I Made $2 Million as a Stock Operator & Created a Hedge Fund”. Además, es conocido por sus obras benéficas.
Timothy Sykes / timothysykes.com
¿Será este el año en que tu trading vaya a nuevos niveles y finalmente veas que todo ese trabajo duro y sacrificio valen la pena?
Antes del comienzo del nuevo año, me gusta sentarme, reflexionar y empezar a pensar en lo que quiero centrarme para convertirme en un mejor trader, mentor y ser humano en general.
Para mí, se reduce a siete ideas que me gustaría compartir contigo.
Si bien no todas podrán aplicarse a todo el mundo, cada uno tiene el potencial de mejorar significativamente sus habilidades.
Los pequeños hábitos diarios se suman con el tiempo.
Si trabajas en la creación de una lista de vigilancia todas las noches, examinas tus operaciones y estudias las últimas tendencias de manera consistente… te sorprenderá la diferencia que marcar esto.
Llegarás a un punto en el que puedes identificar claramente lo que está funcionando para ti y lo que no.
Todo se está construyendo hacia un futuro positivo.
#3: Evita la negatividad y las personas negativas
Siempre habrá enemigos y escépticos… desafortunadamente, a veces son nuestra familia y amigos.
Si nuestro objetivo es convertir el trading en un flujo de ingresos significativo, entonces rodéese de personas que han logrado ese objetivo o que aspiran a hacerlo.
No pases tiempo tratando de convencer a aquellos que no creen en ti.
La vida es corta, y los mejores resultados se producen con una mentalidad sana y positiva.
#4: Es un maratón, no un sprint
La maestría no se alcanza de la noche a la mañana.
Muy rara vez puedes saltarte pasos. Dicho esto, tienes que adoptar una mentalidad a largo plazo.
2024 podría ofrecer tremendas oportunidades… y podría tener una serie de nuevos estudiantes millonarios debido a ello.
Si eso sucede, casi puedo prometerte que estos no son estudiantes nuevos, sino estudiantes que están en el segundo, tercer, cuarto o incluso quinto año.
Todo ese aprendizaje, tiempo frente a la pantalla y experiencia comienza a dar sus resultados con el tiempo.
Es por eso que es TAN CRÍTICO que des todos los pasos antes de empezar a ver los resultados.
Logan es uno de los principales autores de Seeking Alpha. Sus artículos cubren temas relacionados con estrategias de cartera, la inversión en valor y finanzas conductuales.
Logan Kane / Seeking Alpha
La Reserva Federal mantuvo las tasas de interés estables y señaló que un recorte de las tasas de marzo es poco probable.
El modelado de la regla de Taylor muestra que la postura de la Reserva Federal es sorprendentemente agresiva. Las acciones cayeron alrededor del 1,6 % en las noticias.
Esto sugiere la preocupación de la Reserva Federal por inflar una burbuja del mercado de valores o por ser visto como un intento de influir en las elecciones presidenciales de noviembre en los Estados Unidos.
La composición de la votación de la Reserva Federal también ha cambiado, con más miembros halcones que rotan en 2024.
En la reunión del FOMC, la Reserva Federal votó a favor de mantener las tasas de interés estables y señaló que es poco probable que se produzca un recorte en las tasas de interés en marzo. Jerome Powell luego dio una conferencia de prensa bastante hawkish. Esto una vez más tomó por sorpresa a los toros del mercado que habían apostado fuertemente por un giro rápido de la Reserva Federal hacia un entorno de bajas tasas de interés. Entre líneas, se están desarrollando varias historias interesantes al mismo tiempo que pueden dar pistas sobre lo que está pasando con la Reserva Federal y la economía. Pero no se equivoquen, esta Reserva Federal es sorprendentemente hawkish. El S&P 500 (SPY) cayó un 1,6 % en las noticias.
En la reunión, se le preguntó de nuevo a Powell sobre la Regla de Taylor, un modelo bien conocido que está diseñado para aproximar la tasa correcta de los fondos de la Reserva Federal para cualquier tasa determinada de inflación y desempleo. La sorpresa vino aquí: después de años de tasas por debajo de la recomendación de la Regla de Taylor, la política de la Reserva Federal ahora es claramente restrictiva. Powell reconoció el modelo, pero reafirmó que la Reserva Federal mantendría las tasas estables.
Resultados de la regla de Taylor de enero de 2024 (Atlanta Fed)
De los 30 datos, 18 sugieren un recorte (rojo) y 12 sugieren mantener (blanco). La Regla de Taylor sugiere que la Reserva Federal podría decidir entre bajar y mantener los tipos. Dada la historia de aumentos de inflación sorpresa en el pasado, la Reserva Federal es prudente.
Sin embargo, Powell fue más allá y sugirió que un recorte en marzo sería poco probable. Aquí es donde las cosas se ponen interesantes. ¿Por qué iría en contra del modelo? La historia es una guía. ¡Paul Volcker se quemó por reducir las tasas demasiado pronto y tuvo que llevarlas aún más altas para acabar con la inflación a principios de la década de 1980! Más recientemente, se ha debatido el papel de Alan Greenspan en la burbuja tecnológica de la década de 1990: la Reserva Federal redujo las tasas para evitar una crisis de la gestión de capital a largo plazo, pero los participantes del mercado tomaron la pelota y corrieron con ella, cuánto esto alimentó la enorme burbuja de activos que se siguió es algo que ahora se está debatiendo.
Es casi seguro que la Reserva Federal está preocupada entre bastidores por inflar aún más una burbuja de activos si comienzan a reducir las tasas. El Banco de Inglaterra no tiene que ser tan circunspecto: están declarando públicamente que están preocupados por las valoraciones excesivas de las acciones tecnológicas de los Estados Unidos. Si es así, tener en cuenta las condiciones financieras es algo así como un nuevo enfoque para la Reserva Federal, mientras que el enfoque de la vieja escuela es simplemente ignorar las burbujas de activos.
La Reserva Federal ha señalado que está dispuesta a ir en contra de los modelos económicos convencionales para garantizar los objetivos de inflación. Debajo de la superficie de una reunión de simplemente mantener las tasas de interés estables, esas son algunas cosas increíblemente hawks. La composición de votación de la Reserva Federal también es diferente en 2024: algunos de los miembros palomas, cuya idea es bajar los tipos, de la Reserva Federal no votarán en 2024, mientras que en 2025 obtendrán votos.
No está claro de inmediato por qué es esto, pero tengo varias teorías:
La teoría que discutí anteriormente es que la Reserva Federal mantiene las tasas altas para evitar alimentar una burbuja del mercado de valores y continuará haciéndolo mientras los precios de los activos se mantengan elevados.
Una segunda teoría que merece cierta consideración es que la Reserva Federal quiere evitar ser vista como una influencia en las elecciones presidenciales de los Estados Unidos de noviembre. Es probable que la reducción de las tasas en cada reunión de 2023 a partir de marzo alimente el descontento republicano con la Reserva Federal, y si los republicanos ganan, esto podría reflejarse en la reducción de la independencia de la Reserva Federal.
Una tercera teoría es que la Reserva Federal tiene una fuerte burocracia y tiene dificultades para girar sin que una crisis la obligue a hacerlo. La Reserva Federal fue demasiado lenta para aumentar las tasas en 2021, lo que alimentó la inflación, y puede ser demasiado lenta para reducirla en 2024, incluso si comienza a ocurrir un efecto dominó en el mercado laboral, donde los despidos comienzan a conducir a más despidos. Esta teoría también es plausible.
¿Qué pasa aquí? No puedo decirlo con certeza, pero la Reserva Federal está adoptando un enfoque diferente ahora al del pasado.
Reacción e implicaciones del mercado
Las acciones cayeron alrededor del 1,6 % en las noticias, lo que no fue demasiado sorprendente para mí, dado que el sentimiento fue máximo alcista durante semanas.
La acción en bonos fue quizás más interesante, con los Tesoros recibiendo una oferta de refugio seguro después de que el New York Community Bank (NYCB) registró una pérdida y recortara su dividendo. El New York Community Bank compró los activos de Signature Bank (OTC:SBNY) cuando Signature fue cerrada por la FDIC en marzo pasado, por lo que algo está sucediendo aquí que preocupa al mercado.
Futuros de los fondos federales (Noticias de la hipoteca diaria)
Probablemente no estemos viendo una repetición de la crisis bancaria del pasado mes de marzo, pero no me sorprendería ver que los reguladores fusionan silenciosamente más prestamistas. Si esto sucede, es probable que vea que la Reserva Federal informa de un aumento repentino en los préstamos de la ventana de descuento en sus actualizaciones semanales del balance.
La Reserva Federal está dispuesta a seguir ejerciendo mucha presión sobre la economía con el nivel actual de la tasa de fondos de la Reserva Federal. Tal vez se estén dando espacio para evitar cometer si la guerra u otros factores hacen que la inflación vuelva a surgir, pero honestamente me sorprende que la Reserva Federal no haya salido y haya señalado un montón de recortes de tasas. Dicho esto, las políticas de la Reserva Federal están trabajando sutilmente para volver a equilibrar los mercados.
Los precios de las casas nuevas han bajado alrededor de un 20 %, lo que comenzará a ejercer presión sobre el mercado de reventa en breve.
Los precios de los coches usados están retrocediendo de manera similar de su pico de burbuja en cerca del 25 %.
Precios al por mayor de coches usados (Mannheim)
Y, si no te gusta el ambiente actual fuera de la franja del mercado de valores, el efectivo sigue pagando un 5,4 % sin riesgo.
La Reserva Federal acaba de indicar que lo van a mantener así durante un tiempo, a menos que haya algún tipo de explosión financiera.
Balance final
La Reserva Federal no redujo las tasas, y Powell indicó que tampoco es probable que reduzcan las tasas en marzo. Estas tasas ajustadas a la inflación son bastante restrictivas, y no me sorprendería ver que el desempleo comience a aumentar como resultado. Cualquiera que sea la justificación de la Reserva Federal para mantener las tasas altas, la situación sigue siendo la misma: las valoraciones de las acciones son inusualmente altas, mientras que el efectivo y otras inversiones de bajo riesgo están pagando más del 5 %. Cuanto más tiempo mantenga las tasas altas la Reserva Federal, más importante será la disparidad entre el mercado y la economía en general.
Establecer objetivos para nuestros trades por Brett N. Steenbarger
Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University
Recientemente, he escuchado a varios traders sobre el desafío de establecer objetivos efectivos para sus trades. Lo que ha estado sucediendo en la mayoría de estas situaciones es que un trade debería ir por el camino que quiere el trader y resultar ser ganadora. Eso lleva al trader a esperar más ganancias y, a veces, incluso a aumentar la posición. En ese momento, la operación se invierte y deja al trader sin ganancias o en pérdidas. La frustración causada por tales condiciones de mercado «enfrentadas» puede alimentar las decisiones deficientes y las pérdidas excesivas posteriores.
Esta es una de esas situaciones en las que la mejor estrategia psicológica es también la mejor estrategia de trading. Es imperativo estudiar los mercados e instrumentos que está negociando e identificar claramente hasta dónde es probable que vayan los movimientos en varios regímenes de volumen y volatilidad. Si está operando con un índice bursátil, como el ETF SPY o los futuros de ES, el mercado VIX estará altamente correlacionado con el tamaño promedio de los movimientos en cualquier período de tiempo. Del mismo modo, el volumen del instrumento estará bastante correlacionado con el tamaño de los movimientos del mercado. Si el SPY está negociando un promedio de, digamos, 70 millones de acciones por día, puede hacer una investigación muy básica y reconocer que los movimientos diarios de mucho más del 1 % serán difíciles de lograr con tal volumen. Para un operador diurno, si el volumen de hoy no es significativamente mayor que el volumen reciente y obtiene un movimiento de ruptura de más del medio por ciento en un mercado de 12 VIX, sabe que la probabilidad condicional de que el movimiento vaya mucho más lejos a su favor es bastante baja. Si el VIX fuera superior a 20 y el volumen superara los 100 millones de acciones, estaría en una base más firme para obtener más ganancias.
Una cosa que me pareció muy útil en mi propia operativa es saber cuál es el tiempo medio que suelo mantener una operación y saber, con precisión, cuánto movimiento direccional se puede esperar durante ese período a través de diferentes segmentos del día en una determinada sesión de mercado. Un período para mantener una operación en durante una hora daría lugar a mayores movimientos en las acciones durante las primeras horas de la mañana, por ejemplo, que al mediodía. Al estudiar el tamaño de los movimientos del mercado para determinados períodos, niveles de volumen y volatilidad, y para la hora del día, puedo establecer objetivos racionales y razonables para mis ganancias. Eso hace que el proceso de salida sea automático, y evita la principal trampa de tomar decisiones de ejecución en el calor de la batalla.
La clave es hacer que el trading sea planificado y no sea reactivo. Una vez que tengas un plan, puedes ensayarlo mentalmente y basar tu salida en un objetivo razonable, no en un deseo. El trading se vuelve emocional cuando actuamos sobre la esperanza y los miedos y no sobre la información difícil. Las salidas debe tener en cuenta lo que el mercado normalmente le está dando; esperar más es perfeccionismo y una configuración perfecta para la frustración.
Jason Goepfert es presidente y CEO de Sundial Capital Research. Editor de SentimenTrader.com, una web de referencia internacional con suscriptores en más de 50 países.
Jason Goepfert / SentimenTrader
Puntos clave:
El S&P 500 ha subido desde octubre y ha alcanzado máximos históricos.
Podemos ver cómo reaccionaron los inversores después de una acción del precio similar en el S&P.
Los resultados muestran cierta debilidad a corto plazo, pero una fuerte tendencia a aumentar durante el año siguiente.
Máximos récord después de un rally de varios meses
El índice más conocido del mundo ha subido desde octubre y se sitúa en máximos históricos. Los alcistas no podrían pedir nada mejor.
Cada vez que somos testigos de un patrón curioso, tendemos a hacernos dos preguntas:
¿Ha pasado esto alguna vez?
Si es así, ¿cómo se comportaron los inversores después?
En primer lugar, hablaremos sobre las implicaciones de este comportamiento en el S&P 500.
¿Qué significa?
El siguiente gráfico muestra las últimas veces que se activó este patrón. Estos son momentos en los que el S&P 500 cerró al menos en un máximo de 3 años, y los últimos 61 días de negociación tuvieron una correlación de +0,95 con la acción de los precios que hemos visto desde el 27 de octubre. Básicamente, subidas de precios casi sin retrocesos.
Las flechas y los puntos verdes muestran la entrada, y las flechas y los puntos rojos se muestran dónde estuvo el mercado un mes después.
Estos no fueron buenos momentos para subirse al rally. Desde 1930, el S&P continuó ganando el 47 % del tiempo (8 ocasiones ganadoras frente a 9 perdedoras) durante el siguiente mes, con un rendimiento medio del -0,9 %.
Mirando los diferentes rendimientos en el tiempo en el mercado, podemos ver que los rendimientos a corto plazo fueron bastante débiles en general, pero se fortalecieron a partir de los tres meses. Durante el año siguiente, el S&P 500 cotizó en positivo el 88 % de las veces, con un rendimiento medio del +12,4 %. Las dos señales fallidas fueron en 1983 y 2007.
En el gráfico de correlación, podemos desplazarnos hacia atrás y ver cómo estos repuntes directos terminaron antes de las correcciones inmediatas después del rebote inicial del suelo del mercado en 2009.
Lo que nos dice el estudio
Debido a que el SP500 ha subido casi sin parar durante meses y ha registrado múltiples récords, los contrarians quieren asumir que debemos volver a caer. A veces, eso ha pasado. Pero históricamente, cuando la acción de los precios ha sido similar a la de los últimos meses, ese no ha sido el caso, al menos no de una manera significativa. Los rendimientos de hasta un mes después fueron negativos, pero inconsistentes.
En particular, el año siguiente fue positivo en 15 de 17 ocasiones cuando los inversores impulsaron las acciones del S&P 500 como lo han hecho desde finales de octubre. El impulso es una fuerza poderosa, que podemos ver en esta prueba. Los tiempos en los que el S&P logró pasar meses con apenas correcciones y registró al menos un máximo de 3 años mostraron una fuerte tendencia a ver resultados positivos durante el año siguiente.
Commitments of Traders (COT): estrategia de trading para la soja por Ernest P. Chan
El doctor Ernest P. Chan, es fundador de PredictNow.ai Inc. La carrera de Ernie desde 1994 se ha centrado en el desarrollo de modelos estadísticos y algoritmos informáticos avanzados. Ha aplicado su experiencia en aprendizaje automático en IBM T.J. El grupo de tecnologías del lenguaje humano del Centro de Investigación Watson, en el Grupo de Minería de Datos e Inteligencia Artificial de Morgan Stanley y en el Grupo de Trading Horizon de Credit Suisse. También es el fundador y miembro gerente de una empresa de gestión de inversiones cuantitativas, QTS Capital Management, LLC. Ernie ha sido mencionado por el Wall Street Journal, el New York Times, Forbes y la revista CIO, y entrevistado en el programa Closing Bell de CNBC, y la revista Technical Analysis of Stocks and Commodities.
QTS Capital Management, LLC.
En nuestra idea para extraer alfa de datos que no sean los precios, nos encontramos con esta fuente: Commitments of Traders (COT) sobre futuros. Este indicador es bien conocido por los operadores de futuros desde 1923 (ver www.cmegroup.com/education/files/COT_FBD_Update_2012-4-26.pdf), pero a menudo hay patrones que funcionan a pesar de que pasen décadas en los mercados que se niegan a ser arbitrados. Vale la pena echarle otro vistazo, sobre todo porque los datos se han enriquecido a lo largo de los años.
En primer lugar, algunos datos sobre COT:
1) La CFTC recopila los informes del número de contratos de futuros y opciones a largo y corto («interés abierto») en poder de diferentes tipos de empresas para los martes, y los informa todos los viernes a las 4:30 CT.
2) Las posiciones de opciones se añaden a COT como si fueran futuros, pero se ajustan por sus deltas.
3) Los COT se dividen en contratos en poder de diferentes tipos de empresas. Los tipos más familiares son «Comercial» (por ejemplo, una planta de etanol) y «No comercial» (es decir, especuladores).
4) Otros tipos son «Spreaders» que tienen diferenciales de calendario, «operadores de índices», «gestores de dinero», etc. Hay 9 tipos en total.
Dado que solo tenemos datos históricos de COT de csidata.com, y no recopilan datos sobre todos estos tipos, tenemos que restringir nuestro análisis actual solo a comerciales y no comerciales. Además, tenga cuidado de que csidata etiquete un informe COT antes de la fecha de recopilación de datos del martes. Como se señaló anteriormente, esa información no se puede procesar hasta el siguiente domingo por la noche, cuando el mercado vuelva a abrir.
Una estrategia simple sería calcular la relación entre COT largo y corto para los traders no comerciales. Compramos la soja cuando esta relación es igual o superior a 3, saliendo cuando la relación cae a o por debajo de 1. Vendemos en corto el próximo contrato cuando esta relación es igual o inferior a 1/3, saliendo cuando la relación sube a 1 o lo supera. Por lo tanto, es una estrategia de impulso: operamos en la misma dirección que los especuladores. Como la mayoría de los operadores de futuros rentables son operadores de impulso, no sería sorprendente que esta estrategia pudiera ser rentable.
Durante el período comprendido entre 1999 y 2014, la aplicación de esta estrategia en los futuros de la soja CME devuelve alrededor del 9 % anual, aunque su mejor período parece estar ya detrás de nosotros. He trazado los rendimientos acumulativos a continuación .
He aplicado esta estrategia a algunos otros productos agrícolas, pero no parece funcionar en ellos. Por lo tanto, es muy posible que el resultado positivo de la soja sea una casualidad. Además, es muy insatisfactorio que no tengamos datos sobre los gestores de dinero (que incluyen todos los CPO y CTA importantes), ya que es probable que sean una fuente importante de alfa. Por supuesto, podemos ir directamente a cftc.gov, descargar todos los informes históricos en formato .xls y compilar los datos nosotros mismos. Pero ese es un proyecto para otro día.
Sistema de trading basado en pautas estacionales por Quantpedia
La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com
A pesar de que la teoría económica afirma que los mercados financieros son eficientes y los inversores son racionales, una gran cantidad de estudios se centran en anomalías, donde el resultado difiere de la expectativa teórica. ¿Cómo podemos aprovechar estas ventajas?
Aunque el término anomalías en los mercados financieros puede parecer demasiado complicado, hemos elegido anomalías estacionales simples pero funcionales. Cada estrategia funciona bien por sí sola. Al principio las examinaremos una por una, pero también mostraremos que esas estrategias podrían y probablemente deberían considerarse como componentes básicos de una estrategia más grande. Por lo tanto, este artículo lo dividiremos en dos partes: en la primera parte analizaremos las estrategias estacionales: efecto TOM o de cambio de mes en índices de acciones, el efecto de la reunión del Comité Federal de Mercado Abierto en acciones, el efecto semana de vencimiento de opciones y el efecto del día de pago. Como sugieren los nombres, las anomalías son estacionales. Otra posibilidad es que podamos considerarlas como anomalías de calendario, por lo que el análisis podría hacerse de forma sencilla y, en nuestra opinión, las estrategias son una forma ideal de profundizar en el mundo de las anomalías en los mercados financieros.
En la segunda parte trataremos sobre la estrategia compuesta hecha de bloques de construcción. Este enfoque puede ser simple, pero también es eficiente y funcional. Aunque algunos modelos matemáticos complicados pueden parecer más sofisticados, la combinación de estrategias simples puede conducir a resultados extraordinarios, y nuestro objetivo es demostrar que si se combinan las estrategias elegidas por nosotros, funcionan de esa manera. Además, para cada estrategia o la compuesta, el inversor sólo necesita invertir en el índice S&P500, que mediante un ETF (por ejemplo, SPY) se puede realizar fácilmente. Por último, pero no menos importante, nuestro objetivo es presentar las estrategias desde el punto de vista del profesional.
Efecto cambio de mes o Turn of the month
El cambio de mes es un efecto bien conocido en los índices bursátiles, con una idea simple de que los precios de las acciones generalmente aumentan durante los últimos cuatro días y los primeros tres días de cada mes. Este patrón fue identificado por varios estudios distintos durante varios períodos de tiempo tanto en el Dow Jones Industrial Average como en el índice S&P500. Aparte del período de backtesting ampliado y de demostrar que una estrategia tan simple con una ejecución fácil todavía funciona en el presente, creemos que esta estrategia se puede simplificar aún más comprando el ETF SPY al cierre de fin de mes y vendiéndolo en cierre del primer día del mes siguiente.
A pesar de la simplicidad de esta anomalía, constituye un enigma para el mundo académico. La estrategia Turn of the Month es un gran desafío para el mundo académico que intenta explicar las posibles razones de su funcionalidad. El motivo de la funcionalidad no se basa en el riesgo, ya que un mayor riesgo no parece explicar el efecto de cambio de mes. Sin embargo, según la otra rama de la literatura académica, el efecto puede explicarse simplemente por la regularidad en las fechas de pago en Estados Unidos, porque los inversores reciben una preponderancia de compensación por empleo, dividendos e intereses a fin de mes. En consecuencia, a medida que los inversores buscan invertir estos fondos, los precios de las acciones aumentan.
Figura 1. Efecto cambio de mes.
Como muestra el gráfico de la estrategia para los años 1993-2019, el cambio de mes es rentable y este patrón sigue vivo incluso en el presente. Un dólar invertido en 1993 se duplicaría hasta alcanzar los 2,11 dólares en el año 2019, con un rendimiento anual del 3,01 %. Dicha estrategia tiene un drawdown máximo del 11,97%.
Efecto de la reunión del Comité Federal de Mercado Abierto
Según estudios anteriores, los rendimientos diarios promedio del índice S&P 500 son sobresalientes durante las reuniones del Comité Federal de Mercado Abierto (FOMC) desde 1980 (o el año desde que la FED comenzó a ser menos secretista y más transparente sobre sus planes y acciones futuras): los retornos son 5 veces mayores que durante otros días promedio en el mercado. Dado que las fechas de las reuniones de la FED son públicamente conocidas y están disponibles, dicho efecto podría utilizarse fácilmente en la estrategia estacional que resultaría en comprar el índice S&P 500 durante estas reuniones de la FED. Como mencionamos anteriormente, la ejecución sencilla de esta estrategia podría realizarse comprando el ETF SPY al cierre del día anterior a la reunión y vendiéndolo al cierre después de la reunión.
Una explicación sencilla podría relacionarse con la sabiduría del mercado que dice: «No luches contra la Reserva Federal». Dado que los principales objetivos de la FED son abordar los pánicos bancarios, mantener la estabilidad del sistema financiero, contener el riesgo sistémico en los mercados financieros y fortalecer el crecimiento económico, es muy poco probable que las conclusiones de las reuniones del FOMC sean muy negativas para las acciones. Además, en realidad, las acciones de la FED son todo lo contrario y, en promedio, esas acciones son positivas para las acciones, lo que es la principal causa de una deriva positiva.
Figura 2. Efecto de la reunión del Comité Federal de Mercado Abierto.
El gráfico muestra que también esta anomalía está viva y funcionando en el presente. Un dólar invertido en 1993 habría dado como resultado 1,77 dólares en 2019, con un rendimiento anual del 2,30%.Aunque el rendimiento puede no parecer impresionante, es importante tener en cuenta que la estrategia se invierte sólo unos pocos días durante el año y la estrategia puede funcionar de esta manera con una pérdida máxima relativamente pequeña del 7,17%.
Efecto de la semana de vencimiento de opciones
Como sugiere el nombre, este efecto es otra anomalía del calendario. Está relacionado con la semana de vencimiento de las opciones: una semana antes del vencimiento de las opciones (el viernes antes de cada tercer sábado de cada mes). Los estudios sugieren que las acciones con gran capitalización de mercado, que han negociado activamente opciones, tienden a tener rendimientos semanales promedio sustancialmente más altos durante estas semanas. Esto conduce a la construcción de una estrategia de sincronización de mercado simple, donde un inversor compra el ETF SPY al cierre cada viernes antes del segundo sábado de cada mes y lo vende nuevamente al cierre el jueves de la siguiente semana.
Según los estudios, los patrones semanales intramensuales en la actividad relacionada con las opciones de compra contribuyen a los patrones en los rendimientos promedio semanales de las acciones y este debería ser el principal impulsor de la rentabilidad. El reequilibrio de cobertura simplificado de los creadores de mercado de opciones que negocian las acciones más grandes que tienen las opciones negociadas más activamente debería ser la razón principal de los rendimientos anormales de estas acciones más grandes. Además, durante las semanas de vencimiento de las opciones, se produce una pérdida considerable en el interés abierto de las opciones, porque las opciones a corto plazo se acercan al vencimiento y después de eso, simplemente expiran. Esta pérdida en el interés abierto de las opciones de compra debería estar asociada con una pérdida en la posición neta de opciones de compra de los creadores de mercado, lo que implica una disminución en las posiciones cortas en acciones que mantienen los creadores de mercado para cubrir el delta sus posiciones de opciones de compra.
Figura 3. Efecto de la semana de vencimiento de opciones.
De nuestras estrategias estacionales, esta es la que tiene la mayor rentabilidad. Un dólar invertido en 1993 resultaría en 3,36 dólares en el año 2019. Por lo tanto, la estrategia tiene un rendimiento anual de 4,93%. El drawdown máximo de la estrategia es del 20,39%. Desafortunadamente, el alto rendimiento también está relacionado con un mayor riesgo representado por el máximo drawdown, pero esto podría mejorarse, como demostraremos más adelante.
El efecto del día de pago
El efecto del día de pago es similar a la anomalía del cambio de mes (TOM). Para el TOM, los estudios han vinculado la rentabilidad anormal con los días de pago. Después de los días de pago, los inversores buscan invertir estos fondos, lo que hace subir los precios de las acciones. Sin embargo, muchas empresas pagan a sus empleados dos veces al mes, el día 15 y al final del mes, por lo que es natural que, siempre que el efecto del día de pago sea válido para los días de cambio de mes, también debería haber un patrón reconocible a mediados de mes. Los estudios confirman la hipótesis antes mencionada y realmente existen retornos anormales a mediados de mes. Por lo tanto, la estrategia simple que utiliza este efecto consiste en comprar el ETF SPY al cierre del día 15 de cada mes y venderlo al cierre del día siguiente.
El motivo de esta funcionalidad probablemente esté profundamente relacionado con los cheques de pago.
Si los empleados cobran, muchos de ellos invierten automáticamente una parte de su sueldo en el mercado a través de contribuciones a su plan de jubilación o se les anima a hacerlo al tener un excedente de fondos con el nuevo sueldo. Esto provoca una subida temporal de los precios de las acciones; además, es lógico aprovechar esa situación temporal invirtiendo en el S&P500, ya que estas acciones deberían subir. Por último, pero no menos importante, según los estudios, el día 16 del mes es el tercer mejor día del mes en general, por lo que es interesante añadirlo al conjunto de estrategias y diferentes días calendario.
Figura 4. El efecto del día de pago.
De acuerdo con el estudio que se ha realizado, la estrategia del efecto día de pago es obviamente rentable y esto sigue siendo cierto incluso en el presente. El dólar invertido en 1993 se traduciría en aproximadamente 1,68 dólares en 2019. La estrategia tiene un rendimiento anual del 2,08% y es capaz de funcionar de esta manera con una pérdida máxima del 8,62%.
Estrategia compuesta
Como mencionamos anteriormente, nos gustaría formar una estrategia más completa a partir de estas más pequeñas que podrían representar bloques de construcción. Aunque hay muchas opciones para formar dicha estrategia, un enfoque simple de invertir toda la cartera en SPY durante los días de «anomalía» parece sencillo, pero también es lógico. Si algunos días se superponen, no apalancamos nuestra cartera. Considerando esta estrategia compuesta, probablemente se pensaría también en el riesgo de la estrategia y no sólo en los rendimientos. La mayoría de las estrategias no tienen pérdidas máximas exageradamente altas; sin embargo, existe una opción para reducir esta pérdida máxima. La solución es añadir el factor de tendencia a la estrategia, donde la forma más sencilla de hacerlo es operar solo si el precio de SPY es superior a su media de 200 días. Esta regla extra reduciría la pérdida máxima del 24,02% al 10,14% con sólo una pequeña rebaja de los beneficios.
Figura 5. Resultados estrategias compuestas, con el factor tendencia y sin él.
Claramente, la estrategia compuesta sin tendencia con un rendimiento anual del 9,06% es la más rentable. Pero surge una pregunta, ¿merece la pena? ¿Qué sucede con la relación entre rendimiento y riesgo? La estrategia a la que añadimos el factor tendencia tiene un rendimiento anual del 7,47%, pero al rebajar el máximo drawdown, el ratio rentabilidad vs drawdown es 0,74. El ratio rentabilidad vs drawdown de la estrategia resumida simple sin la tendencia es de sólo 0,38. Por tanto, como estrategia final, propondríamos la estrategia a la que se ha añadido el factor tendencia.
Atención a este metal pesado [Dirty Dozen] por Alex Barrow
Cofundador de Macro Ops, www.macro-ops.com. Global Macro fanático, ex francotirador profesional y miembro de la inteligencia de los EE. UU.
Alex Barrow / MACRO OPS
En el Dirty Dozen [CHART PACK] de esta semana hablamos de los brotes alcistas del crudo, el buen retroceso del índice Nikkei, el debilitamiento de las tendencias de la fuerza laboral, la dinámica del ciclo de recorte de tasas, un patrón alcista de un productor de estaño y mucho más…
1. Tenemos la ruptura alcista en crudo que dijimos hace dos semanas que venía .
2.Planteamos una operación, que llamamos configuración estilo «Trifecta» con los datos macro, tecnologías y sentimiento/posicionamiento que inclinan las probabilidades a favor de una mayor alza. El posicionamiento está en un extremo bajista… nuestro promedio de sentimiento de los gestores de dinero está en el percentil 0 (el crudo ve rendimientos anuales promedio del 16 % cuando el sentimiento cae < 10 %). La valoración está en el percentil inferior, y la estacionalidad está a punto de aumentar con fuerza.
Además, el deterioro de la situación en el ME aumenta las probabilidades de que un evento de cola aumente significativamente los precios del crudo.
3.El Nikkei 225 (contrato en yenes) está haciendo un buen retroceso ordenado hacia su línea media de la banda de Bollinger. Esto nos da un buena zona para poner una orden tipo stop de compra por encima de los máximos del viernes, lo que nos permite piramidar nuestra posición (aviso: estamos largos).
4. Este gráfico de flujos laborales de Ironside Macro muestra que la tasa de búsqueda de empleo (flujos del desempleo al empleo) fue la «segunda más baja en la historia de los datos de flujo en diciembre». Si rascas por debajo de la superficie de las cifras de empleo principales, te das cuenta rápidamente de que las tendencias actuales del mercado laboral no son tan optimistas como muchos piensan. Más sobre esto pronto…
«Lo que quizás sea más interesante es que la regresión de los rendimientos relativos de las acciones frente al crecimiento relativo de los ingresos no tuvo ninguna importancia estadística. Los mercados de valores de más rápido crecimiento no obtuvieron al mismo tiempo los rendimientos de capital más altos dentro de cada año… No parece haber una fuerte relación año tras año entre el crecimiento y los rendimientos de las acciones. Eso se debe a que los precios miran hacia el futuro. Para apostar con éxito por el alto crecimiento de los ingresos, habría que proyectar con precisión este alto crecimiento relativo en el transcurso de varios años en el futuro (por ejemplo, prediciendo que EE. UU. tendría el mayor crecimiento de los ingresos en la próxima década, a partir de 2014)».
6. De Brandon Beylo (Macro Ops Value): GLEN, como cualquier productor/comercializador minero, es un juego apalancado sobre los precios de los productos básicos subyacentes, específicamente el cobre y el carbón. Si crees que los precios del cobre serán más altos en 18-24 meses de lo que son hoy, GLEN es muy barato. Operan a ~5 veces el EBITDA de NTM con un rendimiento de los accionistas de ~19 % (dividendos + recompras + pago de la deuda).
Las acciones cotizaron a la baja con el escándalo contable de ADM. Pero parece que obtendremos una ruptura fallida en el gráfico semanal. Estas es una muy buena zona para entrar, con muy bajo riesgo.
7. De Octavio (Macro Ops Quant): El mercado de valores tiene un promedio de +15% y renta 12 millones después del primer recorte de tasas. Gráficos de @edclissold de NDR.
8. De Octavio (Macro Ops Quant): Pero no todos los cortes son iguales… Depende del contexto y del tipo de corte que sea. Bajar las tasas durante la normalización = aumento del mercado un promedio del +13%, reducir en medio de una recesión = caída del -11% y un recorte en medio de una caída fuerte = +17%. Estadísticas y gráfico de @RyanDetrick.
9. De Octavio (Macro Ops Quant): Vemos un comportamiento similar en otros mercados de acciones. En los últimos 3 ciclos de reducción de tasas, México ha visto rendimientos promedio del +18% 12 meses más tarde y del +44% dos años después del primer recorte. Este ciclo actual podría desencadenar una expansión múltiple y volver a su múltiplo promedio a largo plazo. (Fuente GBM).
10.Hay muchas razones por las que seguimos siendo muy alcistas en México. Aquí hay una más de @RobinBrooksIIF «México está viendo actualmente un auge de la inversión a un tamaño sin precedentes. Antes de la COVID, México estaba en una caída de crecimiento e inversión, pero eso claramente ha terminado. En todo el universo de mercados emergentes (gris), México tiene actualmente la mayor contribución de crecimiento al PIB a partir de la formación de capital…»
11.En MO somos muy alcistas en relación al material pesado, estaño y creemos que este metal utilizado en semiconductores, paneles solares, producción química, etc… está entrando en lo que será un enorme mercado alcista.
Algunas estadísticas recientes notables: El año pasado, China agregó más capacidad de energía solar en 2023 de lo que todo el mundo hizo en 22′ y más de lo que EE. UU. ha añadido en toda su historia. Los paneles solares fueron una vez solo una fracción de la demanda de estaño, pero se espera que crezcan para compensar casi el 20 % de la demanda mundial en la próxima década.
12. Nuestra acción favorita para tocar este tema es el productor de estaño Alphamin Resources (AFM:TSX), que actualmente opera a 3,5x NTM EV/EBITDA. El siguiente gráfico es semanal (aviso: estamos largos).
El mejor escenario económico desde los años 90 por Ben Carlson
Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL
A medida que los millennials llegan a la mediana edad (mano arriba), prepárate para que al leer este artículo te invada una ola de nostalgia ¿recuerdas cómo vivíamos en 1990?
¿Recuerdas MTV? ¿Recuerdas la vida antes que los teléfonos inteligentes y las redes sociales? ¿Recuerdas a los grupos de rap? ¿Recuerdas la vida antes de que todos se vieran obligados a preocuparse por la política? ¿Recuerdas Salvado por la Campana? ¿Recuerdas ir a Blockbuster un viernes por la noche para elegir una película?
La gente del sector de finanzas también tiene afinidad por la economía de los años 90. ¿Recuerdas lo bonitas que eran las cosas?
¿Y si la economía de los 90 volviera de nuevo?
La economía acaba de crecer a una tasa real del 3,3 % en el cuarto trimestre después de un crecimiento real anualizado del 4,9 % en el tercer trimestre:
Así que estamos hablando de un 2 % de crecimiento de los salarios reales y del 6 % de crecimiento económico nominal. La gente estaba preocupada por ver una repetición, en cuanto a la economía, de la década de 1970. El entorno actual se parece más a la economía de la década de 1990 que a la de la década de 1970.
Obviamente, hay muchas diferencias entre el entorno actual y los tiempos de auge de la década de 1990. Algunos malos, otros buenos.
La tasa de desempleo sigue por debajo del 4 %, un nivel que nunca superó en la década de 1990:
La tasa de desempleo promedió casi el 6 % en la década de 1990. Cerró la década con un 4 %, pero nunca estuvo por debajo de ese nivel en la década.
La deuda pública está mucho más alta ahora de lo que era en ese entonces. 34 billones de dólares es mucho dinero.
Pero mira los gastos por intereses como un porcentaje del PIB:
Está subiendo rápidamente porque la Reserva Federal aumentó las tasas de interés, pero fue mucho más alta en la década de 1990. Necesitamos controlar nuestros gastos en algún momento, pero esta no es la crisis que algunas personas te harían creer.
Una imagen similar surge cuando se observan los niveles de deuda del consumidor:
Los balances de los consumidores están en un lugar mucho mejor ahora que en la década de 1990 cuando se trata de los niveles de deuda.
¿Qué pasa con el déficit?
Explotó durante la pandemia, por supuesto, pero ahora ha vuelto a los niveles que se están acercando a lo que vimos en la década de 1990 (gráfico a través de Cullen Roche):
La mayor diferencia entre ahora y la década de 1990 es que teníamos música y películas mucho mejores en ese entonces. Por suerte, hoy en día tenemos mejores programas de televisión y la capacidad de verlos en televisores gigantes de alta definición.
La segunda mayor diferencia entre ahora y la década de 1990 es probablemente el sentimiento:
La gente estaba eufórica en la década de 1990.
Los números de sentimiento se han recuperado en los últimos meses, pero es salvaje ver que los números en 2022 son más bajos que los de la Gran Crisis Financiera o la década de 1970.
Obviamente, esta situación no durará para siempre. Como Brian Flanagan dijo una vez tan elocuentemente: «Todo termina mal, de lo contrario no terminaría».
La expansión económica actual terminará mal. La economía se ralentizará. A algún momento tendremos una recesión.
De hecho, el mercado laboral ya está empezando a ralentizarse. El Wall Street Journal publicó una historia recientemente sobre la dificultad que algunos solicitantes de empleo están teniendo ahora para encontrar un nuevo puesto:
Aquellos que en realidad están buscando trabajo, están descubriendo que tienen menos influencia que en el pasado reciente. Las empresas están ofreciendo a las nuevas contrataciones un salario y una flexibilidad menos generosa que hace uno o dos años, sugieren los datos de las bolsas de trabajo. También están manteniendo la línea en las negociaciones sobre beneficios como el tiempo de vacaciones adicional, dicen los solicitantes.
En LinkedIn, hay una oferta de trabajo disponible por cada dos solicitantes. Hace un año, los puestos de trabajo superaban en número a los solicitantes de dos a uno.
«El péndulo ha vuelto atrás, y el poder está en manos de los gerentes de contratación», dice Catherine Fisher, vicepresidenta de LinkedIn que sigue las tendencias laborales.
Esta podría ser una buena noticia para la Reserva Federal en términos de inflación, pero es una mala noticia para los trabajadores.
La buena noticia es que la Reserva Federal tiene algo de espacio para bajar las tasas de interés en caso de que el mercado laboral se enfríe considerablemente.
Lo extraño de la perspectiva de recortes de tasas de la Reserva Federal es que el mercado de valores está en máximos de todos los tiempos.
Por lo general, la Reserva Federal está reduciendo las tasas cuando el mercado de valores está mal.
La última vez que la Reserva Federal redujo las tasas fue durante la pandemia, cuando el mundo se estaba desmoronando. También cortaron en 2018, cuando tuvimos un mercado de mini-osos hacia finales de año. Antes de eso, la Reserva Federal redujo las tasas al 0 % durante la Gran Crisis Financiera.
Esta vez, la Reserva Federal estaba subiendo las tasas a medida que el mercado de valores se desplomaba y ahora es probable que las bajen después de que las acciones se hayan recuperado.
La última vez que la Reserva Federal estaba reduciendo las tasas de interés durante un momento en el que el mercado de valores estaba subiendo fue, lo has adivinado, en la década de 1990.
Todo iba bien, pero Rusia incumplió su deuda en 1998, lo que llevó a una crisis de los mercados emergentes y al desastre de LTC. Además, la gente estaba preocupada por el Y2K por alguna razón, por lo que la Reserva Federal redujo las tasas.
En 1999, el crecimiento del PIB fue de más del 4 %, la tasa de desempleo fue del 4 % y la inflación fue inferior al 3 %. Sin embargo, la Reserva Federal redujo brevemente las tasas de interés.
Ese fue un entorno diferente en muchos sentidos, pero ciertamente ayudó a impulsar el mercado de valores a volar los niveles más altos en la burbuja de las puntocom.
No sé qué va a pasar si la Reserva Federal reduce las tasas de interés este año, pero nadie puede.
Por mucho que el telón de fondo económico actual me esté dando nostalgia, no hay crisis de la que hablar en este momento. No hay ningún precedente real en la historia reciente que podamos señalar.
Sin embargo, será curioso ver si la Reserva Federal puede reducir las tasas a un nivel que mantenga la máquina económica avanzando.
Esperemos que la economía entre en 1995 en lugar de 1999.
Michael y yo hablamos sobre la economía, la Reserva Federal, los máximos históricos en las acciones y mucho más en el vídeo de Animal Spirits de esta semana:
Suscríbete a The Compound para que no te pierdas ni un episodio.
Momentum Monday: Atención a los resultados empresariales por Howard Lindzon
Howard Lindzon es cofundador y presidente de StockTwits, la mayor plataforma social que une a inversores de todo el mundo. Ha escrito varios libros de gran éxito como «The Wallstrip ™ Edge» y «the next apple». En el verano de 2006, creó Wallstrip, comprado un años después por CBS.
Howard / howardlindzon.com
Buenos días a todos.
Microsoft y Google publican resultados hoy. Google llegó a un máximo histórico la semana pasada (la tengo en cartera)…
Un par de gráficos de impulso interesantes que me llamaron la atención antes de llegar al programa de esta semana incluyen el desastre que está sucediendo en China. Uno del que todo el mundo se ha olvidado en los últimos cinco años… hasta la semana pasada.
A continuación, a medida que las tensiones se calientan con Irán esta semana y el ritmo de la guerra continúa en Ucrania y Gaza, las acciones de defensa están justo en un punto que me interesan como índice (gracias al Informe de Rotación)
Un último gráfico interesante antes del Momentum Monday de esta semana es… «Costco of Commodities»:
Puedes ver el episodio de esta semana de Momentum Monday y el episodio de la semana pasada de Trends with Friends en mi canal de YouTube. Es fácil suscribirse y, si lo haces, siempre recibirás una alerta cuando se publique el programa.
¡Fiesta como si estuviéramos en 1999! por Dr. Ed Yardeni
El Dr. Ed Yardeni es una de las principales voces de LinkedIn en economía y finanzas. Colaborador habitual de los principales medios internacionales, actualmente dirige Yardeni Research una firma de consultoría que ofrece estrategias de inversión global, análisis y recomendaciones a clientes institucionales. Es autor de los libros «Predicting the Markets: A Professional Autobiography» y «Fed Watching for Fun & Profit”.
Dr. Ed Yardeni / Yardeni Research
¿Es posible que la fase de fusión del mercado alcista (que comenzó el 12 de octubre de 2022) ya haya comenzado, después de la corrección desde el 27 de octubre de 2023? Sí, es posible.
Desde ese reciente mínimo, los inversores se han preocupado mucho menos por cuestiones macroeconómicas adversas como la recesión, las tasas de interés más altas, la inflación persistente y el déficit del gobierno federal. En cambio, están entusiasmados con la probabilidad de que la Reserva Federal recorte las tasas de interés este año a medida que la inflación continúa disminuyendo. También están entusiasmados con el impacto potencial de la inteligencia artificial (IA) en las ganancias de las empresas de tecnología.
Su locura por la IA comenzó cuando OpenAI presentó ChatGPT el 30 de noviembre de 2022. Desde entonces, las acciones de Nvidia han subido un 252 % porque es el principal fabricante de semiconductores de chips de IA (Fig. 6). Ha llevado al índice de precios de las acciones S&P 500 Semiconductor a una ganancia del 108% desde entonces.
El desempeño del precio de las acciones de Nvidia está empezando a recordarnos el ascenso parabólico de las acciones de Cisco durante la burbuja tecnológica de la década de 1990 (Fig. 7). La empresa fabricó equipos clave necesarios para expandir Internet y el precio de sus acciones se multiplicó por ocho desde finales de 1997 hasta marzo de 2000. Luego, las acciones se desplomaron a pesar de que Internet continuó proliferando rápidamente.
¿Es Nvidia el Cisco de hoy? Es posible. Si es así, entonces tiene muchas más ventajas antes de colapsar… si es que colapsa.
El presidente de la Reserva Federal, Jerome Powell, ha estudiado la historia de los presidentes de la Reserva Federal, especialmente Paul Volcker. A diferencia de Volcker, podría lograr reducir la inflación sin una recesión. Los mercados financieros esperan que baje las tasas de interés este año ahora que su misión inflacionaria está casi cumplida. De hecho, él y otros funcionarios de la Reserva Federal han opinado que podrían tener que reducir la tasa de los fondos federales para evitar que la tasa de los fondos federales ajustada a la inflación aumente a medida que la inflación cae aún más.
En este escenario, Powell corre el riesgo de alimentar una exuberancia irracional, un fenómeno analizado por el ex presidente de la Reserva Federal, Alan Greenspan, en su famoso discurso del 5 de diciembre de 1996 titulado “El desafío de la banca central en una sociedad democrática”. Simplemente estaba pensando en voz alta, reflexionando al estilo Hamlet sobre una pregunta importante: “¿Cómo sabemos cuándo la exuberancia irracional ha aumentado indebidamente los valores de los activos, que luego quedan sujetos a contracciones inesperadas y prolongadas…? ¿Y cómo incorporamos esa evaluación a la política monetaria?” Pero ese término “exuberancia irracional” tocó la fibra sensible de los inversores y se convirtió en una profecía autocumplida. Cuando las burbujas se inflan hasta cierto punto, no hace falta mucho para reventarlas.
La prensa financiera ha informado recientemente que los fondos mutuos del mercado monetario (MMMF) han atraído un récord de $6,0 billones en activos, con $2,3 billones en MMMF minoristas y $3,6 billones en cuentas institucionales (Fig. 8). Si la Reserva Federal reduce las tasas de interés, gran parte de ese dinero podría pasar a los mercados de bonos y acciones, alimentando fusiones en ambos mercados, especialmente en el mercado de valores.
A lo largo de los años, hemos aprendido que las recesiones pueden ser causadas por el estallido de burbujas especulativas. Si Powell y sus colegas dan una vuelta de victoria y celebran su éxito en reducir la inflación de precios sin causar una recesión mediante la reducción de las tasas de interés, corren el riesgo de alimentar la inflación de activos. Cuando esa burbuja explote, lo más probable es que se produzca una recesión.
El último gran error de la Reserva Federal fue quedarse atrás en la curva de inflación en 2021 y principios de 2022. El próximo gran error de la Reserva Federal podría ser inflar una burbuja especulativa en el mercado de valores. Powell debe saber eso. Si es así, entonces debería reiterar que no tiene prisa por bajar las tasas de interés.
Así que, en lugar de una repetición de la inflación de los años 1970 o una repetición del auge impulsado por la productividad de los años 1920, la década actual tiene el potencial de desarrollarse como la fiesta bursátil liderada por la tecnología de los años 1990.
¿Sirven de algo los consejos de los influencers? por Quantpedia
La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com
Las redes sociales son a menudo la principal opción de información en casi todas las áreas de nuestras vidas, y también influyen en las decisiones financieras de los traders minoristas y los inversores. Muchas personas dan opiniones en cualquier lugar de Internet; algunas son respetadas, otras son no, otras son más conocidas y otras menos. Pero el poder de estas personas, los influencers financieros, como grupo, es sustancial a medida que crean sentimiento de mercado. Pero, ¿cuál es el verdadero valor de sus consejos? ¿Podemos extraer información útil de sus opiniones?
La serie de documentos de investigación del Instituto Suizo de Finanzas, con el nombre de Finfluencers, toca este tema.
Los usuarios de las redes sociales tienden a seguir a influencers no cualificados, cuyos tweets generan alfa negativo. Los influencers no cualificados a menudo logran el mismo rendimiento y el mismo impulso de sentimiento social, que coincide con los sesgos de comportamiento de los inversores minoristas que operan con el consejo erróneo de estos influencers no cualificados. Estos resultados son consistentes con la homofilia («amor por la igualdad», que es una teoría sociológica de que individuos similares se moverán entre sí y actuarán de una manera similar), que también se ve en otras redes y grupos sociales, en este caso a menudo resulta en la supervivencia de influencers no cualificados a pesar de que no proporcionan valiosos consejos de inversión.
Una de las estrategias propuestas es la inversión contrarían basada en ir en contra de los consejos de los tweets de influencers no cualificados, lo que produce rendimientos anormales fuera de la muestra, divertidamente llamados por los autores «sabiduría de la multitud no cualificada». En general, estos hallazgos arrojan luz sobre la calidad del asesoramiento financiero no solicitado de los influencers y la competencia y los incentivos económicos a los que se enfrentan los influencers, por lo que la SEC ha estado preocupada.
Los datos a nivel de tuit de una plataforma de redes sociales revelan una baja precisión promedio y una alta dispersión en la calidad del asesoramiento de los influencers financieros: el 28 % de los influencers son calificados, generando un 2,6% de rendimientos anormales mensuales, el 16 % no están no cualificados y el 56 % tienen una habilidad negativa («antihabilidad») que generan un -2,3% de rendimientos anormales mensuales. De acuerdo con la homofilia que da forma a las redes sociales de los influencers, los influencers no cualificados tienen más seguidores y más influencia en el trading minorista que los influencers expertos. El consejo de los influencers anticualificados crea ideas demasiado optimistas la mayoría de las veces y cambios persistentes en las creencias de los seguidores. En consecuencia, los influencers causan un trading excesivo y precios ineficientes de tal manera que una estrategia contrarían produce un rendimiento mensual fuera de la muestra del 1,2 % [.]
Y como siempre, presentamos varias figuras y tablas interesantes:
Citas notables del trabajo de investigación académica:
«Este documento evalúa la calidad del asesoramiento de inversión proporcionado por diferentes influencers. Usando datos de tweets de StockTwits en más de 29.000 influencers, clasificamos a cada influencer en tres grupos principales: cualificados, no cualificados y anti cualificados, definidos como aquellos con habilidades negativas. Encontramos que el 28 % de los influencers proporcionan valiosos consejos de inversión que conducen a rendimientos anormales mensuales del 2,6 % en promedio, mientras que el 16 % de ellos no están cualificados. La mayoría de los influencers, el 56 %, son anticualificados y, siguiendo sus consejos de inversión, se producen rendimientos anormales mensuales del -2,3 %. Sorprendentemente, los influencers no cualificados tienen más seguidores, más actividad y más influencia en el trading minorista que los influencers cualificados.»
«[. . .] investigamos la persistencia y los determinantes de las habilidades de los usuarios. Para estudiar la persistencia, dividimos la muestra en dos mitades y estimamos las habilidades de los usuarios por separado en cada mitad de los datos. Encontramos que, si bien la autocorrelación para los alfas estimados es cercana a cero e insignificante, las cuatro medidas de habilidad alternativas exhiben una persistencia significativa. Por ejemplo, un aumento del uno por ciento en el alfa esperado durante la primera mitad de los datos predice un aumento del 0,09% en el alfa esperado durante la segunda mitad. Luego investigamos si la actividad al tuitear de los usuarios determina su habilidad. Encontramos que los influencers cualificados son menos activos que los influencers no cualificados y anticualificados. Los usuarios que tuitean con más frecuencia son menos expertos, ya que un aumento de diez veces en el número total de tweets publicados por un usuario se asocia con una disminución del 3,7 % en la probabilidad de ser expertos y una disminución del 0,08% en el alfa esperado mensual. Además, la composición de los tuits se correlaciona con el grado de su información, ya que los usuarios que publican tweets más negativos tienden a ser más hábiles. Un aumento del uno por ciento en la proporción de tuits negativos se asocia con un aumento del 0,01 % en el verdadero alfa esperado y un aumento del 0,06 % en la probabilidad de ser experto.»
«Seguir el consejo de los influencers anticualificados crea creencias demasiado optimistas la mayoría de las veces, ya que sus tuits tienden a ser alcistas sobre la mayoría de las acciones, y creencias demasiado pesimistas algunas veces cuando sus tuits tienden a ser más pesimistas que los tuits de los influencers expertos. Además, el sentimiento de las redes sociales de los influencers anticualificados es muy persistente e induce largos cambios en la magnitud del sesgo de creencia de sus seguidores. De manera más sorprendente, uno puede ganar un 1,2 % mensualmente de rendimientos anormales al comprar y mantener fuera de la muestra operando contra el consejo de los influencers anticualificados. Cuando combinamos estos resultados con nuestros descubrimientos adicionales de que las habilidades de los influencers son persistentes, pero no son suficientes para la supervivencia de los influencers, podemos concluir que en las plataformas de redes sociales «el mensaje es más importante que el mensajero». Es decir, siempre y cuando haya influencers anti cualificados que «predican» su mensaje, a los inversores les tienden a gustar su mensaje y están dispuestos a operar con él.»
«La figura 1 informa de los resultados de varios enfoques para medir la bondad del ajuste. En primer lugar, calculamos el pdf y el cdf promedio de las muestras simuladas y las trazamos con el pdf y el cdf de los datos. El panel A de la Figura 1 muestra los resultados. La distribución de los alfas simulados está cerca de los alfas estimados de los datos. Para cuantificar la cercanía de las distribuciones, ejecutamos pruebas de Kolmogorov-Smirnov entre los alfas estimados de los datos y los alfas simulados de cada una de las muestras simuladas, utilizando la hipótesis nula de que las dos distribuciones son iguales. La prueba KS rechaza el nulo en niveles de significación del 10%/5%/1% para el 19,20%/7.40%/0,70% de las simulaciones.»
«La figura 2 muestra histogramas de las probabilidades de que los usuarios sean expertos, no cualificados y anti cualificados, respectivamente. El gráfico muestra que existe mucha dispersión en la probabilidad de ser un usuario experto o anticualificado de StockTwits. Es evidente a partir de la trama que menos del 3 % de los usuarios de StockTwits son inequívocamente expertos y la primera columna de la Tabla 3 muestra que la mayoría de los usuarios de StockTwits tienen una probabilidad de menos de 1/3 de ser expertos.»
«La figura 3 documenta la relación inivariable entre los seguidores de los usuarios y nuestras medidas de habilidad. Las tres parcelas de dispersión muestran una fuerte relación positiva entre los seguidores de los usuarios, medida por el registro del recuento general de seguidores, y las probabilidades de no estar cualificados y anticualificados. Sin embargo, el gráfico correcto de la dispersión de contenedores muestra que el número de seguidores está relacionado negativamente con la probabilidad de que los usuarios sean expertos.»
«La tabla 4 informa de los resultados cuando retrocedemos el número de seguidores de cada influencer en las medidas de su habilidad. Las variables explicativas son el alfa medido por el influencer en los datos, ̃αi, el valor esperado del alfa dada su medición en los datos, E[αi| ̃αi], la probabilidad de que un usuario esté cualificado, Pr(αi > 0| ̃αi), la probabilidad de que un usuario no esté cualificado, Pr(αi = 0| ̃αi), o la probabilidad de que un usuario sea anticualificado, Pr(αi < 0| ̃αi). Las estimaciones muestran que ni el alfa medido por los finfluencers, ni el alfa esperado por los finfluencers, dada su medición, E[αi| ̃αi], tienen una relación con el recuento de seguidores. En cambio, los influencers expertos tienen menos seguidores que los influencers no cualificados o anticualificados. A continuación, queremos entender las fuerzas económicas detrás de la relación negativa entre el número de seguidores y las medidas de habilidad.»
«Como comprobación de robustez, la Tabla A.1 documenta los rendimientos de la cartera en la muestra utilizando la probabilidad de (anti)habilidad como variable de clasificación. En el Panel A, los números reportados son rendimientos de varios días Retbht+1,t+L durante un período de retención de 20 días. En el Panel B, los números reportados son rendimientos reequilibrados dinámicamente Retdyt+1 durante un período de retención de 20 días. Los resultados están en línea con las Tablas 11 y 12″.
Etapas en el desarrollo de un trader por Brett N. Steenbarger
Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University
Un trader principiante comienza con entusiasmo y pasión y se centra en ganar. El gran miedo que tiene el principiante es perder cualquier oportunidad y, por lo tanto, sufre pérdidas significativas. Muchos traders nunca van más allá de esta etapa.
Con la experiencia, el trader principiante reconoce que el objetivo no es simplemente ganar dinero, sino ganar más dinero al ganar en un trade que perderlo cuando vienen las inevitables operaciones perdedoras. En lugar de centrarse únicamente en ganar, el trader con más experiencia también se centra en no perder y contener el riesgo. Por lo tanto, el objetivo es la consistencia al hacer trading y la rentabilidad y, sobre todo, permanecer en el juego. Aquí es cuando el trader principiante se convierte en un buen trader.
Ahora, sin embargo, el buen trader se enfrenta a una nueva etapa de desarrollo: aumentar la consistencia del trading. El buen trader crece lateralmente, ampliando su experiencia y habilidades y encontrando una gama más amplia de oportunidades. El buen trader también desarrolla profundidad en su trading, encontrando formas superiores de gestionar las posiciones y su riesgo/recompensa en constante evolución. El buen trader se convierte en un gran trader al ejercer habilidades y experiencia en diferentes entornos de mercado y encontrar un equilibrio entre la búsqueda asertiva de oportunidades y la gestión consciente del riesgo.
Los buenos traders se vuelven cada vez mejores operando. Los grandes traders encuentran nuevas oportunidades.
Recientemente pasé un período intensivo de tiempo estudiando el mercado de valores a diario desde 2014 hasta la actualidad. Rastreé los ciclos de una manera nueva y exploré formas de aprovechar al máximo las fases de esos ciclos. En lugar de la regularidad del tiempo, busqué la regularidad de la estructura en la definición de los ciclos. Eso ha dado lugar a nuevas ideas.