Lecciones del short interes por Alexander Elder

• Hay varios datos que Alexander Elder verifica antes de operar cualquier acción, tanto en largo como en corto. Uno de ellos es el short interes (a veces llamado short float). Veamos qué ventajas puede aportarnos al hacer trading. 
• Artículo publicado en Hispatrading 42.

¿Que es el short interes?

El short interes o short float es el porcentaje de acciones, de cualquier empresa, que se han vendido en corto. En casi todas las acciones hay inversores que han decidido abrir posiciones en corto. Por ejemplo, si una empresa emitió 100 millones de acciones y dos millones se vendieron en corto, su short interes es del 2%.

Hay varias fuentes donde puede encontrar estos datos. Normalmente uso Finviz.com o Shortsqueeze.com y escribo el ticker que estoy investigando.

Por mi experiencia, un short float de 1 a 4% es completamente normal y no transmite ningún mensaje especial. Una vez que supera ese nivel (como lo hizo Boeing hace poco) empiezo a prestar atención. Si supera el 10%, esto nos da una clara señal de alerta. Una señal roja. Y que quede claro, no estoy hablando de la bandera comunista.

Las ventas en corto normalmente las realizan algunos profesionales del mercado, por lo que los datos habituales, de short interes, son bajos. Cuando el short interes sube por encima del 10%, esto indica que una gran parte de los inversores minoritarios están dentro, con estas posiciones bajistas. Pero tiene que saber algo. No es normal que los inversores minoritarios vendan en corto. Este es en un territorio usualmente inexplorado para la mayoría. Si la acción que vendieron comienza a subir, ¿qué piensa que harán?

Comenzarán a entrar en pánico y a cerrar sus posiciones. Para cerrar un corto, uno tiene que comprar. Esto significa que las acciones con un alto short interes, a corto plazo, corren el riesgo de experimentar momentos de pánico, por las compras.

Si compra una acción con un alto short interes y hay un episodio de pánico de compras, esto será muy bueno para usted. Por supuesto, también debe tener en cuenta la situación inversa. Si vende, en corto, una acción con un alto short interes y hay un episodio de pánico de compras, se verá gravemente perjudicado. Es por eso que nunca vendo, en corto, una acción cuyo short interes reportado es superior al 10%.

Un alto short interes no garantiza un movimiento alcista, de hecho, las acciones pueden continuar cayendo. Pero el riesgo de un movimiento violento y brusco siempre está ahí. Comparo esto con el hecho de almacenar varios contenedores de gasolina en su garaje. Quizá no suceda nada malo, pero con que se dé un pequeño incendio, su garaje explotará. ¿Merece la pena correr el riesgo?

Veamos un ejemplo. Tesla (TSLA) tenía un short interes de más del 30%, mientras daba una clase en Tallin. Por eso advertí del peligro que tenían las posiciones cortas en esta acción. De hecho, cuando operé TSLA, solo lo hice en largo. Su explosivo rebote de menos de 300 dólares a más de 900 fue impulsado, en parte, por los vendedores que entraron en pánico. Tuvieron que comprar para cubrir sus posiciones cortas. Esta compra hizo subir a la acción, lo que a su vez hizo entrar en pánico a más vendedores. El rally se retroalimentó. La prueba de esto la tenemos en el bajo short interes que tuvo después TSLA: por debajo del 18%. Esto refleja todas las compras que los vendedores en corto, presa del pánico, tuvieron que realizar.

En el futuro, le sugiero que compruebe el short interes en cualquier acción que esté pensando operar. Esto debería formar parte de su rutina, al planificarse. Espero verle de nuevo por aquí.

Estrategias cuantitativas basadas en ratios fundamentales y de sentimiento por Andrés A. García

• Este fue el título de la ponencia impartida por Andrés A. García en ROBOTRADER 2022, en la que habló de la construcción de carteras cuantitativas dinámicas combinando series históricas de datos técnicos, empresariales, de consenso y de sentimiento. En las siguientes líneas se profundizará en este tema y veremos paso a paso la creación de una cartera de este tipo.
• Artículo publicado en Hispatrading 50.

Quienes nos hemos dedicado durante muchos años al trading algorítmico casi siempre hemos utilizado las series de precios en diferentes configuraciones y time frames como materia prima para el diseño y evaluación de todo tipo de estrategias. La idea subyacente a este planteamiento es la Hipótesis del Mercado Eficiente de Eugene Fama (1970) según la cual toda la información está contenida en los precios, por lo que otras fuentes de datos alternativas como los ratios financieros, las estimaciones de los analistas, los eventos corporativos o la actividad en las redes sociales se trasladan tan rápidamente a las cotizaciones que no es eficiente perder el tiempo con ellas.  Dando por bueno este planteamiento, la mayoría de los desarrolladores y plataformas de creación de estrategias emplean un amplio arsenal de herramientas de análisis técnico para diseccionar las series de cotizaciones en busca de ineficiencias, patrones y movimientos cíclicos en los precios que permitan establecer las reglas de operativa.

Sin embargo, otro grupo de investigadores financieros pronto descubrieron algunas anomalías persistentes en el comportamiento de determinadas clases de activos que no se explican solo desde los precios y requieren la inclusión de múltiples fuentes de información o factores en los modelos explicativos de la dinámica de los mercados. De este modo nació un enfoque multifactorial mucho más rico y complejo que ha revolucionado en las últimas décadas la gestión profesional de carteras, dando lugar a una amplia gama de estilos de inversión y productos concretos basados en portfolios dinámicos. 

La clave de este nuevo enfoque está en la identificación de factores susceptibles de generar alfa y su modelado a partir de series de datos basadas en ratios fundamentales, estimaciones de los analistas y social media que nos permitan verificar nuestras hipótesis de trabajo y evaluar las estrategias desarrolladas. 

Así que nuestro punto de partida será explicar ¿qué es un factor? Para ello proponemos cinco definiciones desde los distintos ámbitos de la actividad inversora:

1. Académica: Para los investigadores son el origen de cualquier sesgo o ineficiencia en las formaciones de precios. De este modo “momento”, “crecimiento”, “tamaño”, “valor”, “volatilidad” o “estacionalidad”, una vez formulados en términos cuantitativos, se convierten en causa explicativa del exceso de retorno en determinados valores y clases de activos.   
2. Estadística: Los factores son parámetros adicionales introducidos en un modelo de regresión con el que tratamos de capturar la dinámica de los mercados. Cuando un modelo aplicado a diferentes series temporales pierde valor explicativo o genera mucho ruido se van añadiendo más factores. De ahí que el CAPM (Capital Asset Pricing Model) que en su versión original solo contaba con el factor mercado, fuese complementado poco después con los modelos de Fama y French de 3, 4 y 5 factores o con los más recientes modelos BSV y AQR de 4 factores. 
3. Inversora: Desde un punto de vista inversor y meramente pragmático los factores son motivos para mantener en cartera determinados activos de los que se espera un rendimiento superior al mercado en un horizonte temporal dado. 
4. Gestora: Para el gestor de carteras los factores son criterios de selección de activos que dan lugar a una amplia gama de estilos de inversión. 
5. Algorítmica: Desde el diseño de estrategias los factores son reglas de operativa en un modelo cuantitativo de cartera. Estas reglas se implementan bien como criterios de selección de activos bien como subsistemas de entrada, salida y gestión del tamaño de la posición en los portfolios dinámicos.  

En la Tabla 1 mostramos los factores más estudiados por el mundo académico y las series de datos empleadas en el modelado de cada uno de ellos:

Tabla 1.

Por ejemplo, para construir un ranking o sistema de clasificación basado en empresas de “crecimiento” se emplean series como el volumen de negocio, incremento de las ventas o variación del EBITDA, y se asigna una ponderación a cada una de ellas. Otros factores, como el riesgo operativo, son más complejos y se basan en ratios que integran varias series. En esta categoría tenemos el Z-Score de Altman, que mide el riesgo de quiebra de una empresa o el F-Score de Piotroski empleado como estimador de su fortaleza financiera. 

La periodicidad de estas series es muy variable; las que toman como base la publicación de resultados empresariales son de tipo trimestral, otras pueden ser de tipo mensual, semanal o diario. También hay que diferenciar si se basan en estimaciones o en datos publicados. Las estimaciones tienen frecuencia más alta, mayor volatilidad y más potencial predictivo, mientras que los datos publicados son más estáticos y se trasladan inmediatamente a los precios, por lo que su valor predictivo es nulo. Sin embargo, son útiles para hacer análisis retrospectivos. 

Desde nuestro punto de vista cuantitativo, lo relevante es que, una vez que se dispone de todos estos datos históricos convenientemente filtrados y serializados, se pueden construir modelos dinámicos de cartera y analizar su evolución en el tiempo. En la imagen inferior mostramos algunas de estas series fundamentales:

El proceso de construcción de carteras dinámicas basadas en este tipo de ratios no difiere del de creación de estrategias con series temporales, salvo por los dos siguientes matices:

• El desarrollador debe tener conocimientos de análisis fundamental para hacer un uso adecuado de los diferentes ratios financieros que afectan a la evolución de las empresas y construir reglas coherentes con el conjunto de factores que se quieren potenciar. 
• Debemos huir de la multicolinealidad o excesiva correlación entre las distintas variables explicativas del modelo. Cuando se dispone de decenas de magnitudes financieras hay que tener en cuenta que muchas de ellas están estrechamente relacionadas y apuntan en la misma dirección. Por lo que al incorporarlas en las reglas de la estrategia no estamos mejorando calidad del modelo sino aumentando innecesariamente su complejidad.  

En la Figura 2 se muestra el esquema general que debe seguir la creación de este tipo de estrategias:

El primer paso – y a veces el más delicado – es la formulación de una hipótesis de trabajo que explique alguna anomalía o ineficiencia en el retorno de los activos y que, una vez formalizada, pueda suponer alguna ventaja a explorar. En general me gustan las hipótesis de amplio espectro, que afectan a un grupo de activos o sector de la economía y suelo huir de aquellas que solo son aplicables a un reducido número de valores. La clave de una buena hipótesis es que pueda ser modelada de forma precisa y evaluada en algún universo de activos. 

Algunas hipótesis sencillas pueden formularse como un mero interrogante. Por ejemplo:

• ¿Las empresas con menor porcentaje de posiciones cortas tienen mejor rendimiento a largo plazo?
• ¿Qué genera más rentabilidad a largo plazo, la inversión en valor o en crecimiento?
• ¿Las empresas con un alto y sostenido incremento de las ventas tienen mayor rentabilidad?
• ¿Los valores con mayor volatilidad histórica tienen mejores expectativas de beneficio?
• ¿Qué es más eficiente? ¿la diversificación por sectores o por estilos de inversión?

Todas ellas son claramente modelables mediante reglas discretas basadas en series de datos de los tipos que hemos mencionado. Para evaluarlas tenemos dos opciones; bien elaborando un ranking o sistema de clasificación que se actualizaría dinámicamente en cada rebalanceo bien construyendo un sistema de filtros sucesivos que nos permitan ir reduciendo el universo de activos hasta quedarnos con el grupo que satisface la hipótesis. La diferencia entre ambos métodos es que en el primer caso tenemos una lista de empresas puntuadas según el grado de cumplimiento de las reglas, mientras que en el segundo tenemos el conjunto en bloque de las que satisfacen los criterios. En muchos modelos de cartera se pueden combinar ambos métodos.  

El segundo paso es seleccionar las series de datos necesarias para construir el modelo y validar la hipótesis. Se pueden combinar en el mismo constructo series de tipo técnico, fundamental y de sentimiento. Lo importante es disponer de datos de calidad y contar con un histórico suficientemente grande (10-20 años) que contenga los diferentes regímenes de los mercados. El time frame afecta al modo en que se evalúan las reglas del portfolio. Si únicamente empleamos series mensuales es absurdo rebalancear la estrategia en intervalos semanales o diarios. 

Los universos son los grupos de empresas cotizadas en los que se va a evaluar la estrategia. Un universo puede corresponderse con un índice general, un área geográfica, un sector de la economía o un conjunto de empresas según su capitalización. En muchos casos el tipo de universo condiciona la lógica global del portfolio y las reglas a implementar. Por ejemplo, si elegimos el universo de las nano-caps debemos renunciar a series basadas en estimaciones de consenso ya que las empresas de tan baja capitalización no suelen ser objeto de estudio por parte de los analistas. 

El siguiente paso es el diseño de la lógica. Cuando se trata de portfolios dinámicos debemos meter en esta categoría los siguientes componentes:

• Sistema de ranking o criterios de clasificación.
• Reglas de selección de activos (incluyendo subsistemas de entrada, salida y cobertura).
• Política de rebalanceos.
• Tamaño de la posición o fórmulas de asignación de capital.  

Por último, la evaluación, constituye la prueba de fuego tanto si se trata de corroborar una hipótesis de trabajo como de validar en profundidad una estrategia plenamente funcional. Un elemento fundamental en toda evaluación es el motor de backtesting. Éste debe ser realista, preciso y simular todas las configuraciones posibles de los mercados. Así mismo, debe contar con mecanismos que minimicen el impacto de determinados sesgos como los de supervivencia, anticipación o selección. 

Sobre las distintas formas de realizar un backstest ya hemos hablado abundantemente en otros artículos y aquí no podemos detenernos. Bástenos recordar que existen dos aproximaciones generales; período único y periodos múltiples.  En el primer caso todos las estadísticas y gráficos hacen referencia al mismo período, independientemente de que se trate de la región in-sample u out-sample. En el segundo caso se realiza la evaluación en muchos cortes temporales, siguiendo metodologías como el rolling backtest o la validación cruzada K-fold, y se extraen las estadísticas de cada periodo y los datos promedio. De este modo se obtienen resultados más realistas. 

Seguidamente iremos creando paso a paso una cartera de este tipo:

PASO 1.- Hipótesis de trabajo

Formulación de la hipótesis:

“Las empresas con sentimiento positivo y elevado margen de negocio tienen en el medio y largo plazo un rendimiento superior a su mercado de referencia”.

Esto implica que buscamos empresas con las siguientes características:

• Sentimiento positivo, estimado indirectamente por las valoraciones de los analistas o directamente por la actividad del mercado, analizando, por ejemplo, el porcentaje de posiciones cortas sobre el total de acciones en circulación.
• Elevado margen de negocio, estimado de forma estática (TTM trimestral, anual) o dinámica (rolling TTM).
• Amplio espectro de empresas de todos los sectores de la economía excepto las de muy poca liquidez.

PASO 2.- Selección de las series

Para la realización de esta cartera combinaremos tres tipos de series:

• Margen de negocio (GMgn%). Entendido como el porcentaje de ingresos una vez descontados los gastos directos de producción. En la plataforma Portfolio 123 que hemos utilizado para este estudio, disponemos de varias series sobre este ratio. Hemos probado las trimestrales, anuales y ventana deslizante de 12 meses. Nos quedamos con esta última. También nos interesa comparar el margen de negocio relativo al sector al que pertenece cada empresa.
• Short Interest (SI#FF). También emplearemos la serie del porcentaje de posiciones cortas sobre el total de acciones en circulación, cuyos datos son de tipo quincenal.
• Precios y volúmenes; Buscaremos que los activos tengan un volumen medio suficiente para evitar los valores ilíquidos y emplearemos una media móvil de los cierres diarios del benckmark de referencia como filtro de entrada. 

PASO 3.- Universo de activos

Dado que queremos validar nuestra estrategia en un amplísimo grupo de activos pertenecientes a todos los sectores de la economía, elegimos como benckmark al Russell 3000 y, como universo, a todos los activos de este índice estadounidense. 

PASO 4.- Construcción del modelo

Para verificar nuestra hipótesis podemos elaborar un ranking específico, un conjunto de reglas discretas que actúen como filtros de selección de activos o una combinación de ambos. Optamos por esto último, dado que la aplicación ya incorpora un ranking de sentimiento preconstruido. 

1. Ranking de sentimiento. El sistema de clasificación, mostrado en la Figura 3, es una suma ponderada de los siguientes ratios: 

Como vemos, tienen mayor peso (45%) la revisión al alza de las estimaciones de beneficio por acción (EPS), seguidas de el factor sorpresa (25%), que se calcula como la diferencia entre el beneficio estimado y el actual, las recomendaciones de los analistas (15%), de las que interesa la variación y el promedio, y por último el interés en corto (15%).

Aplicando este sistema de clasificación al Russell 3000 en una ventana de 20 años obtenemos las siguiente distribución del retorno anualizado al agrupar las empresas del índice en 20 percentiles. La barra roja de la izquierda es el retorno del índice. Como podemos ver, en la Figura 4, las empresas situadas dentro de los dos últimos percentiles (90-95 y 95-100) son las que obtienen los mayores retornos. 

Por tanto, nuestra estrategia de selección consistirá en elegir en cada rebalanceo las empresas situadas en los percentiles más altos y mantenerlas en cartera durante el período siguiente. 

2. Reglas de entrada y salida. Además del ranking, incorporamos varias reglas discretas que serán evaluadas en cada rebalanceo:

Entramos largos si se verifican las siguientes condiciones:

• Volumen medio de las 10 últimas sesiones > 50.000 títulos.
• Margen bruto en una ventana de 12 meses > 70%
• Margen bruto del activo 5% superior al de su grupo industrial.
• Porcentaje de cortos sobre el total de acciones en circulación < 2%
• Precio del índice ($RUA) por encima de su media simple de 20 sesiones.

Así quedarían las reglas en el editor de la plataforma Portfolio 123, tal y como se muestra en la Figura 5: 

Para las salidas establecemos las siguientes reglas:

• Cuando un valor cae por debajo del valor 60 dentro del ranking. Considerando que el número máximo de activos en cartera es de 30, estamos permitiendo una caída del doble antes de sacarlo del portfolio. 
• Porcentaje de beneficio en un periodo dado es superior al 60%. Lo que equivale a establecer un profit target que preserva el exceso de retorno en situaciones extremas y muy infrecuentes.

Estas son las reglas en la plataforma:

3. Política de rebalanceos. Tras probar diferentes configuraciones, optamos por una frecuencia mensual. Frecuencias superiores (semanales, diarias) generan mayor gasto en comisiones y una merma del retorno y, frecuencias inferiores, conducen a una cartera más estática y con menor poder adaptativo. 

4. Otros parámetros de la simulación:

• Capital inicial: $100.000
• Número máximo de activos en cartera: 30
• Tipo de asignación: Equiponderada. 
• Comisiones: 0,005 cts. por acción.
• Período: 2001-2022.

PASO 5.- Evaluación del modelo

Empleando la herramienta de Backtesting de Portfolio 123 procedemos a una evaluación preliminar del portfolio con los parámetros de la simulación anteriormente señalados.  Los resultados que obtenemos son los que se ven en la Tabla 2:

Como podemos apreciar los resultados del modelo son muy superiores a los del índice de referencia, tanto en retorno anualizado como en DD, el cual se reduce prácticamente a la mitad. Como consecuencia de ello el ratio de Sharpe se sitúa en 1,14 poniendo de manifiesto que el retorno ajustado por riesgo es muy favorable en esta cartera dinámica.  

En la Figura 7 tenemos el gráfico del equity curve. Podemos ver cómo la clara ventaja del retorno acumulado obtenido por la cartera se mantiene por encima del benchmark  prácticamente durante todo el histórico, tal y como se muestra en la Figura 7:

También observamos que el DD del portfolio se mantiene siempre por debajo del Russell 3000. Esto se debe fundamentalmente al filtro de la media móvil que, en la práctica, actúa como un mecanismo de cobertura, impidiendo el posicionamiento en nuevos activos cuando el contexto es bajista. Esto deja su huella en los profundos dientes de sierra que vemos en los gráficos del capital invertido y número de posiciones. 

En cuanto al tipo de empresas en los que invierte la cartera, analizando los porcentajes globales de asignación en todo el histórico vemos claramente un sesgo hacia las empresas del sector financiero (45,01%), tecnológico (32,74%) y sanitario (15,28%) y, en menor medida, las de tipo cíclico (3,78%) y las utilidades (3,19%).

CONCLUSIONES

Hasta aquí hemos mostrado un ejemplo de cómo se pueden validar hipótesis de trabajo y construir carteras dinámicas cuando disponemos de series históricas de calidad basadas en ratios fundamentales y de sentimiento. No nos gusta el data-mining y preferimos partir siempre de hipótesis sencillas que expliquen alguna anomalía e ineficiencia en el retorno de los activos susceptible de generar alfa. Esta es, a mi juicio, la parte del desarrollo de modelos cuantitativos y a la que más tiempo debemos dedicar. El resto no es más que elegir las reglas apropiadas para formalizar dicha hipótesis y validarla mediante un motor de backtest en un histórico suficientemente largo.  Aplicaciones como Portfolio 123 permiten realizar estas tareas en un entorno intuitivo y fácil de usar.

Este es el primer paso, después hay que construir un portfolio plenamente funcional y adaptado a nuestras necesidades, considerando un conjunto de restricciones, un estilo inversor y un nivel de aversión al riesgo. Ello implica la incorporación más reglas, como fórmulas para gestionar dinámicamente el tamaño de la posición o algún mecanismo más eficiente de cobertura. 

Ni que decir tiene que también sería necesario un proceso de evaluación más completo, incluyendo análisis in-sample / out-sample, rolling backtests y simulaciones de Montecarlo. Pero esto ya sería materia para otro artículo. 

Análisis técnico: Principios, indicadores y ejemplos por Timothy Sykes

Durante los más de 20 años que he operado penny stocks, y he usado análisis técnico. Por eso es sorprendente para mí que tantos traders novatos no entiendan lo que es.

El análisis técnico es un término bastante amplio usado para referirse a los patrones en el mercado de valores. No tiene nada que ver con las finanzas de una empresa.

En cambio, el análisis técnico se centra en los patrones repetibles y predecibles en el mercado de valores. Estos son los patrones que mis mejores estudiantes y yo operamos todos los días.

Personalmente, creo que algunos traders pretenden complicarse demasiado con técnicas de análisis técnico e indicadores. Para mí, todo eso añade demasiado ruido.

Me gusta hacer las cosas simples operando los patrones que usé durante más de 20 años haciendo trading con penny stocks.

Ahora, profundicemos en los diferentes tipos de análisis técnico, técnicas y más.

¿Qué es el análisis técnico?

Es imposible saber con 100% de certeza qué camino tomará una acción. Si lo hubiera, sería el hombre más rico del mundo.

Pero eso no significa que sea imposible hacer pronósticos razonables sobre dónde podría ir la acción a continuación. ¿Cómo se llega a estas suposiciones? A través del análisis técnico.

Como dije, los patrones se repiten una y otra vez en el mercado de valores. Por eso animo a todos mis alumnos a estudiar el pasado.

La historia tiende a repetirse. Entonces, cuando acciones similares crean patrones similares, especialmente a través de la acción del precio en los gráficos, es probable que se vuelva a dar el mismo resultado.

Veamos un ejemplo.

Este es uno de mis patrones favoritos llamado comprar el pánico. Este patrón repetible es una forma de análisis técnico. Al estudiar los movimientos pasados de este movimiento, estoy mejor preparado para lo que puede venir a continuación.

No, no siempre estoy en lo cierto, y corto las pérdidas rápidamente cuando me equivoco. No tiene sentido mantener y esperar. Siempre hay otra operación esperando a la vuelta de la esquina.

Esto es suficiente para entender qué es el análisis técnico.

¿Cuáles son los principios del análisis técnico?

Definir los principios específicos del análisis técnico es algo difícil. Todos lo usan de manera diferente, por lo que puede ser subjetivo. Eso hace que sea difícil determinar principios específicos.

Esto es lo que es clave para mí y lo que creo que es uno de los principios más importantes.

La historia se repite. No siempre es exactamente igual, pero estudiar el pasado puede ayudarlo a comprender cómo se mueve el mercado. Así es como se sabe cómo se comportan ciertas acciones o sectores.

Para mí, el análisis técnico se trata de usar el pasado para evaluar mejor lo que una acción podría hacer a continuación.

No me importa qué indicadores use o qué patrón opere. Los patrones se repiten una y otra vez. Entonces, si está luchando por encontrar consistencia como trader, es su trabajo estudiar el pasado para prepararse para la próxima vez que aparezca ese patrón.

Los 3 componentes importantes del análisis técnico

Independientemente de cómo utilice el análisis técnico, hay tres componentes extremadamente importantes:

• Gráficos
• Indicadores
• Patrones

No, no tiene que usar todo esto, ya que algunos podrían no ajustarse a su estrategia.

Pero en términos generales, estos son los tres componentes más importantes del análisis técnico.

Los gráficos y patrones son casi lo mismo. No puede detectar patrones sin tener los gráficos frente a usted. Los gráficos muestran los movimientos del precio de las acciones y hacen que sea más fácil ver el patrón en lugar de solo mirar los números.

Por lo tanto, es crucial que tenga una excelente plataforma de gráficos. Hará que comerciar sea mucho más fácil.

Una vez que comprenda cómo leer los gráficos de acciones, puede comenzar a buscar patrones como la compra en pánico que mencioné anteriormente.

¿Cuáles son los diferentes tipos de indicadores técnicos?

Nuevamente, me gusta mantener mi trading limpio y simple. Entonces, para mí, los indicadores técnicos clave son los soportes y resistencias básicos.

Hay otros tipos de indicadores técnicos que todos los operadores deben conocer. Incluso si no los usa, puede encontrar algunos útiles más adelante. Y siempre es inteligente saber qué hay disponible para usted y otros traders.

Hay cientos de indicadores, demasiados para enumerarlos todos aquí.

Y definitivamente no necesitas usarlos todos. Como dije antes, demasiados indicadores pueden generar ruido adicional que complicará su trading. Ahora, aquí están algunos de los indicadores más comunes para los traders.

Precio promedio ponderado por volumen (VWAP)

A muchos traders les encanta usar VWAP. A menudo se considera uno de los indicadores técnicos más útiles y comunes en el comercio. Es una línea en un gráfico que muestra el precio promedio de una acción basado tanto en el precio como en el volumen a lo largo del día.

No se trata de una línea mágica que le dirá a dónde se dirige el precio de una acción, pero puede ser útil.

Básicamente, cuando el precio de una acción está por encima de VWAP, la acción es alcista. Eso no significa que el patrón sea alcista, pero significa que más del 50% de las posiciones, al estar por encima del VWAP, están en verde.

Lo mismo se aplica cuando el precio de una acción está bajo el VWAP. Esto me indica un precio bajista. Una vez más, el patrón puede ser bajista, pero el precio de la acción estaría por debajo del precio promedio pagado por la acción entre todas las operaciones, tanto largas como cortas.

Medias Móviles

Los promedios móviles se presentan en algunas formas: exponenciales y simples. Ambos hacen lo mismo: marcan la tendencia. Cuanto más corto sea el promedio móvil, más rápido se moverá la línea de tendencia.

Entonces, con una media móvil con período más corto, la tendencia se “marca” a un ritmo más rápido. Las tendencias a largo plazo usan promedios móviles más grandes, mientras que las tendencias a corto plazo usan promedios móviles más pequeños. Le muestro un ejemplo de un promedio móvil de negociación muy seguido: La EMA de 9 (promedio móvil exponencial de 9 días).

¿Cómo se usan los indicadores técnicos?

Los traders utilizan indicadores técnicos de de múltiples formas. En general, se utilizan para estar más convencidos en una determinada operación.

Pero nunca haga una operación porque un solo indicador técnico lo marque.

Por ejemplo, ¿recuerda cuando dije que cuando el precio de una acción está por encima de VWAP, soy optimista sobre la misma?

Esto podría ayudarme a estar convencido si veo que se forma un patrón cuando la acción está por encima de su VWAP, y así abrir una operación de compra.

Baso cada operación en mi “Sykes Sliding Scale”, nunca en un solo indicador.

Análisis técnico versus análisis fundamental

El análisis técnico no es el único tipo de análisis. El otro, del que hablé antes, se llama análisis fundamental. El análisis técnico se basa en patrones e indicadores.

El análisis fundamental, por otro lado, tiene más que ver con la posición financiera y los resultados de una empresa. Esto podría incluir la estructura de acciones de una empresa, la rentabilidad, etc.

No me malinterpreten: el análisis fundamental es importante. Pero tenga una cosa en mente.

La mayoría de las compañías de penny stocks son muy malas y tienen fundamentos pésimos. A menos que sea un inversor a largo plazo, diría que el análisis técnico es generalmente más importante para las penny stocks.

¿Cuáles son las fortalezas del análisis técnico?

Este es uno de los puntos fuertes del análisis técnico: permite una representación visual del precio de una acción. Así es como permite a los traders detectar patrones.

Los patrones son la base de todas mis operaciones, junto con todos los indicadores en la “Sykes Sliding Scale”. Y he estado usando los mismos patrones durante años. Puede que tenga que adaptarlos al mercado actual, pero así es como sigo en activo después de tanto tiempo.

Y lo diré de nuevo. La historia se repite. Los patrones se repiten en el mercado de valores, y así es como mis mejores estudiantes y yo nos mantenemos año tras año, mientras otros malos jugadores hacen volar sus cuentas por los aires. *

* El trading de acciones siempre tiene riesgo. La mayoría de los traders pierden dinero. Los resultados de mis mejores alumnos y yo no son habituales y provienen de años de estudio y educación. Los resultados individuales variarán. Nunca arriesgue más de lo que puede permitirse perder.

¿Cuáles son las debilidades del análisis técnico?

Respuesta corta: el análisis técnico puede ser subjetivo.

Es por eso que un indicador nunca es suficiente para llevarme a abrir una operación.

Y podría ver patrones diferentes a los demás. Sí, los patrones se repiten, pero nunca es exactamente lo mismo. Requiere matices y mucho estudio. Es casi imposible ver que un patrón se desarrolle exactamente igual una y otra vez.

Es por eso que estudiamos para entender cómo pueden moverse las acciones. Y es por eso que es importante trabajar en el reconocimiento de patrones.

Cómo analizar acciones: ejemplos prácticos de análisis técnico

Uno de mis patrones favoritos es el de pánico, del que tanto hablo, así que veamos un ejemplo. Tiene que encontrar un patrón que funcione para uated, luego estudiarlo hasta que lo interiorice.

Eche un vistazo a esta operación de $ 6.000 que hice cuando vi la oportunidad de una compra de pánico por la mañana.

La razón por la que puedo operar estos patrones tan bien es porque he estudiado durante años. Tengo experiencia, más de dos décadas, por lo que puedo reconocer lo que está sucediendo y por qué.

Suena mucho más simple de lo que realmente es. Pero así es como veo el suelo de estos pánicos matutinos. Utilizo niveles de soporte y resistencia básicos. Los soportes y las resistencias son mis indicadores técnicos favoritos. Y cuando se alinean cerca de donde el nivel 2 comienza a girar, aún mejor.

También es importante conocer una de mis reglas para los pánicos matutinos: no los opere a menos que suban como mínimo un 50% desde sus mínimos. Con eso, me refiero a todo el movimiento de la acción, no necesariamente en el gráfico intradía.

Para mí, no vale la pena comprar un rebote de una acción que solo ha subido un 20% en los últimos días. Probablemente no rebote lo suficiente.

Secretos del análisis técnico

No hay ningún secreto que te haga mejor trader. Pero hay una cosa que puede hacer que puede ayudarlo drásticamente en sus operaciones.

Probablemente ya sepa lo que le voy a decir, pero está bien. A veces necesitas escucharlo varias veces antes de que realmente lo entiendas. Aquí está.

Estudiar el pasado

Los patrones funcionan por una razón. Mientras más estudies los patrones que enseño, más entenderá por qué y cómo funcionan los patrones.

Así es como puede comenzar a encontrar similitudes en la acción del precio que puede aplicar a futuros operaciones.

Mantenlo simple

Como dije antes, no me gusta tener demasiado ruido cuando estoy operando. No veo nada positivo en llenar mis gráficos con docenas de indicadores que me confundirán más que me ayudarán.

Es por eso que uso niveles básicos de soporte y resistencia. Si veo que una acción tiene dificultades para superar cierto nivel de precios, es probable que también tenga dificultades para superarlo por segunda vez.

Estas son las áreas en las que es mejor comprar o vender, también conocidas como soporte y resistencia. Piense en ello como un suelo y un techo, cuando el precio toca el suelo, probablemente no lo atravesará. Las áreas de soporte son generalmente un lugar “más seguro” para comprar una acción, mientras que las áreas de resistencia son un mejor lugar para vender la acción.

Una vez que la acción atraviesa esas áreas, la resistencia anterior generalmente se convierte en un nuevo soporte y viceversa.

Preguntas frecuentes sobre análisis técnico

¿Cómo puedo aprender análisis técnico?

Aprender el análisis técnico no es tan fácil como mirar un gráfico una vez y ejecutarlo, se trata de práctica. La mejor manera de hacerlo es mediante el estudio, como con mis 6.000 lecciones en video y el paper trading en una plataforma como StocksToTrade.

¿Qué tan útil es el análisis técnico?

El análisis técnico es uno de los aspectos más importantes del trading constante en el mercado de penny stocks. Independientemente de los indicadores que use o de los patrones que toque, el análisis técnico es crucial para operar de manera más inteligente.

¿Es válido el análisis técnico?

El análisis técnico es válido, pero también es subjetivo. Hay cientos de patrones cada día en el mercado. Depende de usted estudiar y prepararse para los patrones que se ajustan a su estrategia comercial.

Conclusión

Cuando todo está dicho y hecho, el análisis técnico es un componente clave que debe aprender antes de comenzar a negociar penny stocks.

Recuerde, muchas compañías de penny stocks que mis alumnos y yo comerciamos son muy malas. No digo que no mire los fundamentos, pero esté preparado para lo que pueda encontrar.

Para mí, los patrones y la “Sykes Sliding Scale” son más importantes. Aprenderlos puede ayudarlo a encontrar consistencia como comerciante.

Se necesita mucho trabajo duro, estudio, disciplina y dedicación. Pero si está dedicado a aprender a hacer trading de manera más inteligente, solicite mi Trading Challenge. Es donde puede aprender de mí y de mis mejores estudiantes. Es donde puede comenzar a construir su cuenta de conocimiento comercial.

¿Cuál es su patrón favorito o indicador técnico?  Le escucho.

Explicación de la estrategia de trading de Jamie Mai por Alex Barrow

Jamie Mai es un gestor de fondos de cobertura que generó rendimientos increíbles para Cornwall Capital, un fondo que fundó después de estudiar historia en la universidad. Mai rindió un 42 % anual para los inversores durante los primeros nueve años del fondo. $100,000 invertidos inicialmente en el fondo de Mai valdrían $2,347,000 al final del noveno año. 

Jamie Mai usó múltiples estrategias de trading para generar los rendimientos del fondo, pero todas compartían un hilo común. Jack Schwager lo explica en su libro Market Wizards (énfasis mío):

“La única característica común que comparten prácticamente todas las estrategias de Cornwall es que están estructuradas e implementadas como operaciones de sesgo positivo altamente asimétricas, es decir, operaciones en las que el potencial alcista supera con creces el riesgo bajista.”

El objetivo era arriesgar $1 para ganar $10. Mai entendió que la mayoría de sus apuestas perderían, pero con el tiempo, el tamaño de sus ganadores compensaría con creces esas pequeñas pérdidas.

La forma favorita de Mai de expresar esta estrategia era a través de opciones de largo plazo fuera del dinero o DOTM. Por ejemplo, si una acción cotiza a $10 en 2001, Mai compraría calls de $40 con fecha de 2005.

Las DOTM permitieron a Mai arriesgar pequeñas cantidades de dinero en apuestas altamente asimétricas. Así es como lo explica en el libro (énfasis añadido):

“Las opciones tienen el precio más bajo cuando la volatilidad reciente ha sido muy baja. En mi experiencia, sin embargo, el mejor predictor individual de aumentos futuros de volatilidad es la baja volatilidad histórica. Cuando la volatilidad es muy baja en un mercado, consideramos que es un momento muy interesante para comenzar a buscar formas de obtener una volatilidad larga , tanto porque la volatilidad es muy barata en un sentido absoluto como porque la certeza y la complacencia del mercado reflejada por la baja volatilidad a menudo implica una probabilidad superior a la media de una mayor volatilidad futura. ”

En términos sencillos, Mai usó DOTM para apostar a que una acción pasaría de apenas moverse a moverse mucho más alto o más abajo.

Para explicar la estrategia de trading de Jamie Mai, aquí hay un desglose de tres operaciones específicas que realizó para generar ganancias descomunales:

Explicación De Los Ejemplos Comerciales Y La Estrategia De Jamie Mai

Operación #1: Calls De Altria (MO)

En 2003, Altria, una importante empresa tabacalera, se enfrentó a un muro de rebajas de las agencias calificadoras. Esto se debió a la evolución negativa de los múltiples litigios de acción de clase en su contra.

Estos casos tenían el potencial de grandes acuerdos de miles de millones de dólares. También existía el riesgo de sentar un precedente favorable para futuros demandantes. Esto creó una incertidumbre significativa para Altria: la bancarrota estaba sobre la mesa.

A pesar de esta incertidumbre, Mai vio una oportunidad en las opciones de compra fuera del dinero para Altria . Así que hizo su apuesta:

“Entonces, lo primero que verificamos fue si las opciones de Altria aún asumían una distribución de probabilidad normal, a pesar de la presencia de un evento bimodal. Efectivamente, los precios de las opciones de Altria todavía implicaban una distribución normal, lo que significaba que las opciones fuera del dinero eran demasiado baratas. 

Dado que nuestro trabajo sugirió una mayor probabilidad de un resultado alcista, compramos las calls fuera del dinero. Las calls se apreciaron considerablemente cuando uno de los casos clave que respaldan las rebajas de calificación fue desestimado en apelación poco después de que comenzáramos nuestra inversión”.

Jamie Mai y su equipo ganaron alrededor de 2,5 veces su dinero en el intercambio y podrían haber ganado incluso más si hubieran aguantado más.

La lección más importante aquí es cuán mal cotizados están los eventos bimodales en los contratos de opciones.

La mayoría de las opciones asumen una distribución normal de resultados de precios futuros. Esto significa que están apostando a que el precio futuro de una acción muy probablemente caerá dentro de una desviación estándar del precio actual. Es por eso que obtienes la distribución de la curva de campana normal que se ve a continuación:

Ahora bien, esto es cierto para la mayoría de las acciones. No verá cambios bruscos en su precio de la noche a la mañana. Y los precios del mercado de opciones que eficientemente con esta distribución normal.

Pero esto no es cierto para una acción que se enfrenta a un evento bimodal (sí o no). En el ejemplo de Altria, su caso judicial determinaría el futuro de la empresa. Si se resolviera a favor de Altria, el precio de las acciones se dispararía más. Si se resolviera contra Altria, el precio se hundiría. Este es un evento bimodal en el que en realidad es poco probable que el precio futuro se mantenga cerca del precio actual. La distribución de probabilidad en este caso es bimodal y se parece más a esto:

Si un contrato de opciones valora mal este resultado bimodal asignando una distribución normal, es posible ganar mucho dinero apostando en un «evento de cola». El contrato de opciones no cree que haya una alta probabilidad de que el precio oscile de forma salvaje, por lo que si lo hace, se pueden obtener grandes beneficios.

Jamie Mai entendió profundamente el poder y los efectos de precios erróneos de estos eventos de distribución normal a bimodal. Es un tema que verá a lo largo de los próximos dos oficios.

Operación N.º 2: Calls De Capital One Financial (COF)

En 2002, Capital One (COF) tuvo una exposición significativa al mercado de alto riesgo. Esto estuvo bien en ese momento porque todos asumieron que COF era un negocio sólido como una roca. Pero luego se conoció la noticia de que los reguladores obligaron a COF a aumentar sus reservas e instituir procesos crediticios más estrictos.

Esta noticia arrojó dudas sobre la reputación que anteriormente tenía la empresa como líder en la evaluación del riesgo crediticio de alto riesgo y resultó en una caída significativa en el precio de sus acciones.

A pesar de este sentimiento bajista, Mai vio una oportunidad en el mercado de opciones fuera del dinero de COF. Creía que el mercado reaccionó de forma exagerada a la noticia y que las calls tenían un precio significativamente inferior.

Jamie Mai pensó que COF tendría un resultado bimodal. La acción se dispararía o se hundiría debido a su situación de alto riesgo. Así es como se sintió acerca del intercambio (énfasis agregado):

“Pensamos que comprar las calls fuera del dinero proporcionaba la mejor manera de expresar el comercio porque el posible resultado bimodal hizo que un gran movimiento de precios fuera mucho más probable de lo habitual para las acciones. En estas circunstancias, las calls fuera del dinero estaban mal valoradas y tenían un apalancamiento más integrado”.  

Según Mai, los DOTM de COF tenían un precio incorrecto y estaban muy apalancados, lo que significa que el más mínimo cambio en el sentimiento o el precio del mercado generaría rendimientos monstruosos para esas opciones.

Específicamente, estaban interesados ​​en comprar las calls de $40 de enero de 2005, que se cotizaban cerca de $5 en ese momento.

Antes de que Mai pudiera comprar los DOTM a $5, más noticias bajistas llegaron a las acciones y el COF se negoció a alrededor de $27. Esto hizo que las calls cayeran de $5 a $3,50, lo que hizo que las ganancias potenciales en el intercambio pareciera aún más significativo. Así que lo compró por $3.50.

La apuesta de Mai resultó correcta. COF se recuperó y recuperó su condición de prestamista subprime de alta calidad. La acción también se recuperó por completo. Mai mantuvo sus opciones durante más de un año y ganó seis veces su dinero.

Mai explotó aquí la distribución normal a bimodal. El precio de las acciones de COF cotizó históricamente a lo largo de una distribución normal hasta que un solo evento (el susto de los préstamos de alto riesgo y los requisitos de reserva) cambió drásticamente el sentimiento hacia un resultado binario (sí o no).

Era sí, COF es un banco de baja calidad con prácticas crediticias abominables y reservas inadecuadas… o no, COF es un banco sólido con suficientes reservas que resultó tener demasiados préstamos subprime en sus libros a corto plazo.

“Cara, gano mucho. Cruz, pierdo un poco.»

Vayamos al ejemplo final.

Operación #3: Acciones De Corea Del Sur

Las acciones de Corea del Sur estaban muy baratas en 2003-2004. Aunque Corea del Sur había hecho un mejor trabajo que muchos de sus vecinos asiáticos al adoptar reformas fiscales y de mercado después de la crisis monetaria de 1997, su mercado de valores siguió languideciendo. No tenía sentido, así que Mai profundizó más.

Jamie Mai visitó personalmente Corea del Sur, se conectó con analistas locales de compra/venta y un intérprete tradujo los estados financieros coreanos. Fue entonces cuando Mai descubrió cuán baratas eran algunas de estas acciones. Así es como lo explica en el libro:

“Había empresas con capitalizaciones de mercado de $ 300 millones, sin deudas y $ 550 millones en efectivo en el balance general, que se esperaba que aumentara a $ 650 millones en el año siguiente. En este caso, había una asimetría tremenda simplemente porque estas empresas no tenían a dónde ir sino hacia arriba”.

En otras palabras, usted compra empresas por menos del valor en efectivo en sus balances: verdaderas situaciones netas de Ben Graham. Y mientras estas empresas no quebraran, Mai haría una fortuna. El mercado se daría cuenta de que estos negocios valían significativamente más que su efectivo neto y sus acciones se duplicarían o incluso triplicarían.

Esta no es una operación de opciones, pero aún podemos ver la naturaleza bimodal de la apuesta de Mai. Una acción que cotiza por debajo del valor en efectivo en su cuenta bancaria, menos las apuestas pendientes, es la forma en que el Mercado dice: «No creemos que este negocio sobreviva dentro de seis a doce meses».

Esa es una apuesta bimodal de sí o no. La empresa o quiebra o sobrevive. Los precios eran tan bajos que el mercado ya inclinó su suelo en cuanto a qué cola de probabilidad bimodal eligió, que fue la bancarrota. Mai tomó el otro lado de la operación porque se dio cuenta de que aunque estas empresas cotizaban por debajo del valor en efectivo, en realidad generaban ganancias operativas positivas.

Mai hizo una cantidad ingente de dinero cuando el mercado se dio cuenta de que estas empresas no quebrarían y, posteriormente, las revalorizó a precios significativamente más altos que el efectivo residual en el banco.

En resumen, el enfoque de inversión de Jamie Mai se centra en tres elementos clave:

• Encontrar situaciones de campo de batalla mal valoradas que realmente no tienen sentido

• Uso de opciones a largo plazo para expresar una visión específica

• Comprar lo más barato que pueda encontrar, ya sean opciones fuera del dinero o acciones infravaloradas

Estas estrategias ayudaron a Mai a generar retornos del Salón de la Fama y conseguirle una entrevista en Market Wizards .

Si está interesado en obtener más información sobre estas estrategias y cómo implementarlas, lea el artículo DOTM. Tiene todo lo que necesita para aprender a operar como Jamie Mai y Cornwall Capital.

Cómo Nicholas Darvas ganó $ 2 millones en el mercado por Brandon Beylo

«Me incorporé en mi silla. Mis acciones de BRILUND de 50 centavos cotizaban a $ 1.90. Las vendí de inmediato y obtuve una ganancia cercana a los $ 8.000 … Decidí que me había perdido algo bueno toda mi vida. Decidí ir a la bolsa. Nunca me he arrepentido de esta decisión. Pero poco sabía qué problemas encontraría en esta jungla desconocida “.

Todos recordamos nuestra “primera vez”. Ya sabes, esas ganancias que nos engancharon al mercado de valores. Nicholas Darvas no fue una excepción. A los 23 años, Darvas comenzó su carrera como bailarín, recorriendo después todo el mundo por su profesión.

Pero mientras Darvas no estaba bailando, estaba leyendo. De hecho, Darvas consumió más de 200 libros durante su tiempo libre en la gira. Algunos dicen que leía hasta ocho horas al día. Estudió los mercados, la especulación y cómo los que le precedieron obtuvieron millones del mercado.

Darvas se aventuró en Wall Street, armado con más de 200 libros de conocimiento en su cabeza. El resultado fue una montaña rusa de victorias y derrotas. Triunfos y derrotas. El esfuerzo de casi una década que culminó en ganancias de más de $ 2 millones en un período de 18 meses.

El viaje de Darvas de perdedor a ganador parece una película. Con lecciones muy dolorosas, ideas simples y una aplicación dogmática de lo que funcionaba. Afortunadamente, nos lo escribió todo en su libro Cómo gané $ 2,000,000 en la bolsa de valores.

Esta reseña de libro destacará tres cosas:

• Las primeras pérdidas de Darvas y la experiencia adquirida.
• La teoría de la caja de Darvas: la estrategia que convirtió a Darvas en multimillonario.
• Por qué debería distanciarse del mercado.

Darvas era principalmente un swing trader. Pero las lecciones de este libro son útiles incluso para el inversor más enfocado a largo plazo. Como tal, utilizo las palabras indistintamente.

¿Está listo para aprender a ganar millones?

Los primeros días de Darvas: la antítesis de un buen operador

Tómese un segundo y piense qué hace a un gran trader … ¿Tiene algunas ideas? Bueno. Darvas hizo todo lo contrario a todas eso que pueda tener usted en mente.

Él tampoco lo esconde. En las primeras seis páginas del libro, Darvas insinúa dos problemas importantes con su estrategia inicial:

• Compra basada en “consejos interesantes”.
• Convertir las operaciones perdedoras en “acciones mascota”.

Nunca confíe en los “consejos de inversión”

Comprar acciones por los “consejos” de amigos, vecinos o cuentas de FinTwit es una mala idea. Tampoco es algo nuevo. Darvas señala en la página 5:

“Escuché con entusiasmo lo que tenían que decir y seguí religiosamente sus consejos. Todo lo que me dijeron que comprara, lo compré. Me tomó mucho tiempo descubrir que este es un método que nunca funciona … Todo lo que sabía era lo que el último camarero en el último club nocturno en el que había actuado me había dicho que era bueno”.

La inversión basada en “propinas” nunca funciona porque no se puede comprar la convicción de una persona en una idea. Si no hace el trabajo usted mismo, nunca tendrá la confianza para aguantar cuando tenga razón.

Peor aún, si las acciones bajan, ¿a quién buscará para que le confirme que era una buena idea? A ese amigo.

Lección: Haz tu propio trabajo. Está bien comenzar con un amigo / alguien en quien confíe. Pero haga su propio trabajo para desarrollar su propia convicción antes de comprar.

Fecha, no te cases con tus acciones

El período de espera ideal de Warren Buffett es para siempre. Ideal es la palabra clave. Nunca te enamores de una acción o una empresa, sin importar las circunstancias. Darvas aprendió esta dolorosa lección al principio del libro. Le muestro una cita de la página 8 (el énfasis es mío):

“Por algunos de ellas [acciones] adquirí un gusto especial. Esto ocurrió por diferentes razones. A veces era porque me las había regalado un buen amigo; otras veces, porque había comenzado a ganar dinero con ellas. Esto me llevó a preferir estas acciones más que otras, y antes de saber lo que estaba haciendo, había comenzado a adoptar ‘mascotas’ ”.

Este párrafo revela algo con lo que todos los traders luchan: el sesgo de confirmación. Y la tentación es peor en la era de las redes sociales. Que Dios no te permita escribir un largo y detallado artículo sobre una determinada inversión reciente solo para descubrir después que no era una buena idea y estabas equivocado. ¿Qué harás entonces? ¿Podrás cortar tus pérdidas y admitir la derrota?

Será algo muy duro.

Darvas continúa con la analogía de las “acciones mascota” y muestra cuánto daño puede causar esta mentalidad en una cartera (énfasis mío):

“Las veía como algo que me pertenecía, como miembros de mi familia. Yo alabé en su día sus virtudes. Hablaba de ellas como se habla de los hijos. No me molestó que nadie más pudiera ver ninguna virtud especial en mis “acciones mascota” para distinguirlas de otras acciones. Este estado de ánimo duró hasta que me di cuenta de que mis acciones mascota me estaban causando las mayores pérdidas “.

Las acciones son difíciles. Por un lado, se necesita la convicción suficiente para mantener una idea mientras se ejecuta, a pesar de lo que el mercado en general piense sobre la empresa. Pero al mismo tiempo tienes que estar dispuesto a aceptar que estás equivocado y cortar tus pérdidas.

Cortar demasiado pronto y puede significar abandonar a un potencial gran ganador. Pero no cortar a la primera señal de peligro podría arruinar toda su cartera.

Esto es especialmente cierto para los inversores orientados al valor. Si una acción que posee baja de precio, la primera reacción es comprar más. Después de todo, si te gustó por $ X, ¡ realmente te encantará por ($ X -% de caída)! Pensará que las razones de la caída no tienen nada que ver con los fundamentos del negocio.

Y a veces tendrá razón. Pero otras veces los fundamentos se han deteriorado. Y ahora, en lugar de cortar a un perdedor, está cuidando una mascota.

Lección: Necesita un sistema para juzgar si debe comprar, mantener o vender sus acciones. Ya sea un inversor a largo plazo o un swing trader. Necesitas un sistema. Preferiblemente algo cuantificable. 

El primer sistema de Darvas: las siete reglas

Antes de la teoría de la caja de Darvas existían las siete reglas. Estas reglas dieron forma a las últimas partes de Darvas en sus primeros días operando.

Estas eran sus reglas:

• No debe seguir los servicios de asesoramiento. No son infalibles, ni en Canadá ni en Wall Street.
• Debe tener cuidado con los consejos de los brokers. Pueden estar equivocados.
• Debe ignorar los dichos de Wall Street, sin importar cuán antiguos y reputados sean.
• No debe negociar “sin receta”, solo en acciones cotizadas en las que siempre haya un comprador cuando desee vender.
• No debe escuchar los rumores, por muy fundados que parezcan.
• El enfoque fundamental funcionó mejor que el juego. Estúdialo.
• Debe conservar una acción en alza durante un período más largo que intentar hacer malabarismos con una docena de acciones durante un corto período a la vez.

¿Qué tienen en común todos estos rumores? Una cosa: elimine el ruido y concéntrese en lo que importa: las acciones y sus fundamentos.

A Darvas le encantaba esta estrategia. Finalmente, pensó, una forma de cortar el ruido de Wall Street y concentrarse en el negocio. Analizar los balances, cuentas de resultados y flujos de caja. Determine por qué debería negociar una empresa y cómprela con descuento.

Después de todo, si se trata de números sólidos, el mercado eventualmente estará de acuerdo contigo. O eso pensaba Darvas.

Las métricas cuantitativas no son suficientes y por qué debería combinar el estilo con la personalidad

Es en este punto del libro donde experimentamos la primera gran pérdida de Darvas. Encontró a Jones & Laughlin después de seleccionar una lista de acciones con “calificación B” en una industria en auge.

¿Qué hizo que esta acción fuera una operación aparentemente “segura”?

• Industria fuerte
• Fuerte calificación B
• Rendimiento de dividendos del 6%
• P / E fue mejor que cualquier acción del grupo

No hay mucho sobre los fundamentos reales del negocio en el análisis anterior. Todo lo que sabemos es que paga un 6% y tiene un P / E más bajo en comparación con sus pares.

Sin embargo, para un inversor (como Darvas), este análisis resultó irrefutable. Estos fueron sus pensamientos (el énfasis es mío):

“ Me invadió un tremendo entusiasmo. Esta, sin duda, fue una llave de oro. Sentí la fortuna a mi alcance como una apetitosa manzana. Seguro que aumentaría de 20 a 30 puntos en cualquier momento”.

Darvas aprovechó esta apuesta “segura” hasta niveles increíbles. Hipotecó su casa, tomó un préstamo de su póliza de seguro y obtuvo un adelanto de su cheque de pago.

Después invirtió todo en Jones & Laughlin. Darvas relata el recuerdo diciendo: “El 23 de septiembre de 1955, compré 1.000 acciones de Jones & Laughlin a 52 ¼ de margen, que en ese momento era del 70%. El costo fue de $ 52.652.30 y tuve que depositar $ 36.856.61 en efectivo. Para recaudar esta cantidad había puesto en garantía todas mis posesiones ”.

Ya sabe cómo termina esto.

Tres días después de la compra de Darvas, las acciones comenzaron a caer. Aquí es donde Darvas se equivocó. Compró sobre los fundamentos, pero utilizó la acción del precio para confirmar / negar la validez de su tesis de inversión.

Eso no quiere decir que una forma sea mejor que otra. Hay innumerables operadores que ganan dinero centrándose solo en la acción del precio. Así como los mejores inversores del mundo a largo plazo (Buffett, por ejemplo) no prestan ninguna atención a la acción del precio.

Darvas no tenía una estrategia. Estaba indefenso, en tierra de nadie. Escuche su insoportable relación con Jones & Laughlin (énfasis mío):

“La vi caer y, sin embargo, me negué a enfrentarme a la realidad. Estaba paralizado. Simplemente no sabía qué hacer. ¿Debería vender? ¿Cómo podría? En mi proyección, basada en mis exhaustivos estudios, Jones & Laughlin valía al menos $ 75 por acción. Fue solo un revés temporal, me dije. No hay ninguna razón para la caída. Es una buena acción; volverá. Debo aguantar. Y aguanté y aguanté “.

Fue entonces cuando Darvas se dio cuenta de que necesitaba una estrategia que coincidiera con su personalidad. Probó el enfoque fundamental y no funcionó (énfasis mío):

“ ¿Cuál, me pregunté, era el valor de examinar los informes de la empresa, estudiar las perspectivas de la industria, las calificaciones, las relaciones precio-ganancias? La acción que me salvó del desastre fue una de la que no sabía nada. La elegí por una sola razón: parecía estar subiendo.“

Es en este punto que Darvas desarrolló su teoría de la caja. De los fundamentos puros al análisis técnico puro.

Método de Darvas: el método de la caja

El éxito de Darvas despegó cuando pasó al análisis técnico puro: precio y volumen .

Darvas señaló en el Capítulo 4 (énfasis mío), “Esta experiencia me sirvió más que nada para convencerme de que el enfoque puramente técnico del mercado era sólido. Significaba que si estudiaba la acción del precio y el volumen, descartando todos los demás factores, podría obtener resultados positivos.”

Sus estudios lo llevaron a la piedra angular de su estrategia:

“Las acciones no volaban como globos en ninguna dirección. Como atraídos por un imán, tenían una tendencia definida hacia arriba o hacia abajo que, una vez establecida, tendía a continuar. Dentro de esta tendencia, las acciones se movían en una serie de marcos, o lo que comencé a llamar ‘cajas’.“

Las cajas. Ese era el secreto. Darvas esperó períodos de volatilidad comprimida.

En esencia, eso es lo que es una caja. Una feroz guerra entre compradores y vendedores. Cada grupo agobiado por los efectos psicológicos de sus decisiones anteriores.

Después, cuando el mercado inclina su mano en cuanto a la dirección de la próxima tendencia magnética, usted compra (o vende) en la dirección de esa nueva tendencia.

Aquí está la explicación de Darvas del método de la caja (el énfasis es mío):

“Así es como apliqué mi teoría: cuando las cajas de una acción que me interesaba estaban, como una pirámide, una encima de la otra, y mi acción estaba en la caja más alta, comenzaba a vigilarla. Podría rebotar entre la parte superior e inferior de la caja y estaba perfectamente satisfecho. Una vez que había decidido las dimensiones de la caja, la acción podía hacer lo que quisiera, pero solo dentro de ese marco. De hecho, si no rebotaba hacia arriba y hacia abajo dentro de esa caja, estaba preocupado”.

Ejemplos de la caja en los gráficos de precios

En resumen, esperó a que las acciones formaran patrones de caja en un gráfico de precios. Aquí hay algunos ejemplos de lo que Darvas llamaría una “caja”:

CELH se movió entre su caja de $ 3 y $ 7 durante casi tres años antes de salir de la caja a nuevos máximos.

TOBII rebotó entre su caja de $ 24- $ 28 antes de romperse y moverse más arriba antes de formar otra caja a $ 34- $ 38 (divulgación: tengo acciones de TOBII).

Estos son solo tres ejemplos de acciones que forman cajas en gráficos de precios diarios, semanales y mensuales. Mr. Market presenta estas oportunidades todos los días, los 365 días del año.

Cómo comprar y vender en el método de caja

Las instrucciones de compra y venta de Darvas eran sencillas:

• Compre cuando la acción se salga de su caja
• Vender por una pérdida cuando la acción volvió a su casilla anterior

La otra decisión, más difícil, implicó vender una acción con una ganancia. Darvas ya conocía el peligro de obtener beneficios rápidos. Así es como definió su estrategia de toma de ganancias (énfasis mío):

“Decidí que como no podía entrenarme para no asustarme cada vez, era mejor adoptar otro método. Esto fue para mantener una acción en alza pero, al mismo tiempo, seguir aumentando mi orden de stop-loss paralelamente a su aumento.

Lo mantendría a una distancia tal que un cambio sin sentido en el precio no lo afectaría. Sin embargo, si las acciones realmente cambiaban y comenzaran a caer, vendería inmediatamente”.

Ésta es la parte más difícil y menos científica de la estrategia. ¿Cómo saber cuándo su stop-loss está lo suficientemente cerca? ¿Cómo saber si está demasiado lejos?

Respuesta honesta: no hay una respuesta correcta. Encuentre lo que funciona en su caso.

Lo que vemos al final del Capítulo 4 es un hombre con una estrategia definida. El enfoque opuesto al comienzo del libro. Escuchemos la nueva confianza de Darvas (el énfasis es mío):

“Sabía que tenía que adoptar una actitud fría y sin emociones hacia las acciones ; que no debo enamorarme de ellas cuando suben y no debo enojarme cuando caen; que no existen animales buenos o malos. Solo hay acciones que suben y bajan, y debería mantener las que suben y vender las que bajan”.

Poder en la simplicidad

El método real de Darvas es muy simple:

• Busque un patrón de caja en un gráfico de precios.
• Compre la acción si se rompe por encima de su caja.
• Vender las acciones si vuelven a caer en su casilla anterior.

Pero antes de terminar el libro, Darvas agregó un elemento a su estrategia técnica: los fundamentos.

Forma final de Darvas: aspectos técnicos + fundamentos

Después de perfeccionar su enfoque técnico, Darvas agregó un último elemento a sus criterios de selección de valores: mejorar el poder de ganancia o anticiparlo.

Darvas se convirtió en tecno-fundamental. Somos grandes admiradores de este enfoque en Macro Ops y lo empleamos en nuestros propios criterios de selección de valores. Aquí está su razón para agregar los fundamentos (el énfasis es mío):

“Seleccionaría acciones en función de sus movimientos técnicos en el mercado, pero solo las compraría cuando pudiera dar una mejor capacidad de ganancia como mi razón fundamental para hacerlo”.

En otras palabras, Darvas no compró una acción solo por el patrón del gráfico. Necesitaba una confirmación fundamental de la mejora de las ganancias.

Darvas también adoptó una visión a largo plazo al seleccionar acciones. Suena contrario a la intuición, ¿verdad? Mirando 20 años hacia el futuro para las operaciones de swing que pueden durar semanas o meses. Pero eso es lo que hizo Darvas (énfasis mío):

“Busqué aquellas acciones que estaban ligadas al futuro y donde podía esperar que los nuevos productos revolucionarios mejorarían drásticamente las ganancias de la empresa”.

Dicho de otra manera, Darvas quería invertir en industrias con visión de futuro. Industrias con largas pistas y fuertes vientos de cola detrás de ellas.

Entonces ahora podemos agregar dos reglas más a nuestra fórmula simple anterior:

• Compre una acción con ganancias mejoradas o mejoras esperadas
• Compre acciones en industrias sólidas con vientos de cola a largo plazo

Pero como dice Jesse Livermore, “No es la compra o la venta lo que te hace ganar dinero. Es la espera.”

El verdadero de Darvas es su capacidad para hacer millones recorriendo el mundo como bailarín. Es su ocupación lo que ayudó a Darvas a ganar (y conservar) sus millones. De hecho, la mayoría de las reseñas de este libro olvidan por completo este detalle crucial.

Examinemos algunas razones.

El arma más grande de Darvas: distancia de Wall Street

“Al estar a miles de kilómetros de Wall Street, logré desvincularme emocionalmente de todas las acciones que tenía”.

Darvas, como Buffett o Templeton, conocía el poder de la distancia. Buffett se atrincheró en Omaha. John Templeton dio frecuentes paseos por la playa y se mudó a las Bahamas para escapar de la trampa de Wall Street. Como bailarín, Darvas pasó la mayor parte de su vida fuera de Wall Street.

Sin embargo, Darvas no fue inmune a la dulce canción de Nueva York. Con su reciente éxito, Darvas se instaló en una firma de corretaje de Wall Street. Lo que siguió fue un desenlace completo de un plan de “trading” de éxito (énfasis mío):

“Cuando comencé a negociar día a día desde la sala de juntas, gradualmente fui abandonando mis ideas y comencé a unirme al resto. Abrí mis oídos a la confusa combinación de hechos, opiniones y chismes. Leer los informes del mercado. También comencé a responder preguntas como, ‘¿Qué piensas del mercado?’ o ‘¿Qué acción está barata?’ Todo esto tuvo un efecto mortal en mí. “

Cuanto más cerca esté de los mercados, mayores serán sus probabilidades de seguir a la manada. Esto tiene sentido. Somos criaturas sociales. Así es como sobrevivimos. Sin embargo, seguir a la manada es lo que hace que te maten en los mercados financieros. Ese es el momento en que comienzas a comprar en la parte superior y a vender en la parte más baja. Darvas revela de primera mano los peligros de la mentalidad de rebaño:

“En lugar de ser un lobo solitario, me convertí en un cordero confundido y emocionado que se arremolinaba con los demás, esperando ser ejecutado. Era imposible para mí decir ‘no’ cuando todos a mi alrededor decían ‘sí’. Me asusté cuando ellos se asustaron / me entusiasmaba cuando el resto lo estaba”.

Lección: Manténgase lo más lejos posible de Wall Street. Múdese a las Bahamas si es necesario.

La última palabra: un libro que cambia la vida

El libro de Darvas cambió mi vida.

Me hizo darme cuenta que es posible obtener ganancias que alteren la vida en los mercados financieros. Además, Darvas llevó a los lectores a un viaje a través de los altibajos de la especulación y el mercado. Fuimos testigos de sus primeras pérdidas. Celebró sus victoriosas mejoras. Y se encogió cuando casi lo perdió todo al final.

Pero la parte más importante del libro de Darvas es que su estrategia funciona. Funcionó en la década de 1950 y funciona hoy. Las acciones cambian de nombre y los participantes van y vienen. Pero los fundamentos empresariales siguen siendo ciertos. Y la psicología humana básica no cambia.

¿Con qué frecuencia debemos reequilibrar las carteras de Equity Factor? [Estudio] por Quantpedia

Quantpedia ya ha cubierto una innumerable cantidad de estrategias y artículos de inversión de factores, desde estrategias en nuestro Screener hasta múltiples artículos que hemos escrito en metodotrading. Por lo tanto, podemos decir con confianza que nos gusta invertir en factores. Sin embargo, siempre hay nuevos estudios con un punto de vista único. Por ejemplo, recientemente encontramos un artículo centrado en el deterioro de las exposiciones a factores de las estrategias de factores de renta variable. El estudio examina cinco factores: valor, impulso, calidad, inversión y baja volatilidad, en 12 mercados desarrollados y emergentes durante un período de 20 años. Este estudio tiene como objetivo averiguar cuánto tiempo tarda un factor en decaer después de que se ensambla la cartera. En otras palabras, ¿con qué frecuencia se debe reequilibrar la cartera? 

En primer lugar, los autores analizan las exposiciones a factores de cartera como variables aleatorias de distribución desconocida. En segundo lugar, intentan cuantificar estas distribuciones para un grupo seleccionado de estrategias de factores y así examinar la evolución del factor a lo largo del tiempo. Además, los autores introducen una métrica de vida media del factor para describir un período de reequilibrio óptimo mediante la cuantificación de la tasa de descomposición.

Los resultados de este artículo indican que, de los factores que estudiaron, los que decaen más rápidamente son Momentum e Investment. Por el contrario, los factores que decaen más lentamente incluyen Valor, seguido de Baja volatilidad y Calidad. Además, los períodos de rebalanceo recomendados varían desde 3 meses (para Momentum) hasta 6 meses (para Baja Volatilidad), dependiendo del factor.

• Autores: Emlyn Flint, Rademeyer Vermaak
• Título: Factor Information Decay: A Global Study (Deterioro de la información de los factores: un estudio global)
• Enlace: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3986499

Resumen

Esta investigación aborda una pregunta simple pero importante sin respuesta en la literatura de inversión de factores: ¿cómo decaen con el tiempo las exposiciones de factores de las estrategias de factores de renta variable? La respuesta a esta pregunta tiene dos importantes consecuencias prácticas. En primer lugar, comprender cómo cambian las exposiciones a los factores de una estrategia a lo largo del tiempo informa el período de reequilibrio óptimo. En segundo lugar, cuando se combina con las estimaciones de las primas de riesgo de los factores, describe la estructura temporal de los rendimientos esperados por estrategia de factores. Para responder a esta pregunta, llevamos a cabo un estudio empírico a gran escala de cinco factores bien conocidos (valor, impulso, calidad, inversión y baja volatilidad) en 12 mercados desarrollados y emergentes durante los últimos 20 años. Calculamos la exposición de factores, o información, distribuciones por mercado para carteras de factores tanto puras como cuartiles largas/cortas, y luego analice cómo decaen estas distribuciones durante un período de tenencia de 36 meses. Para medir formalmente la tasa de deterioro de la información, presentamos la idea de una métrica de vida media de factor y utilizamos los resultados de vida media global para proponer períodos de reequilibrio óptimos por factor.

Como siempre, presentamos varias figuras interesantes:

Citas notables del trabajo de investigación académica:

“Un área particular que sigue recibiendo una atención considerable es la medición y el análisis de las exposiciones a factores de la cartera a lo largo del tiempo (p. ej., Israel y Ross, 2017; Ang et al., 2017; Blitz y Vidojevic, 2019). Esta atención es natural dado que las exposiciones a factores, ya sea directa o indirectamente, forman la base de todas las aplicaciones de gestión de riesgo y construcción de carteras basadas en factores.»

«Agregamos a este conjunto de conocimientos abordando una pregunta sin respuesta simple pero importante: ¿cómo decaen con el tiempo las exposiciones a los factores de las estrategias de factores de acciones ordinarias?»

«La pregunta natural que surge entonces es ¿cómo cambiarán estas exposiciones en el futuro a medida que uno continúe manteniendo la cartera y se actualice la información de los factores? Cuando se piensa de esta manera, queda claro que las exposiciones a factores de la cartera son, de hecho, variables aleatorias, y que la evolución de estas variables a lo largo del tiempo debe describirse mediante una determinada distribución. El propósito de este estudio es cuantificar estas distribuciones para un grupo selecto de estrategias factoriales y, posteriormente, estudiar su evolución en el tiempo. Tal estudio tiene dos importantes consecuencias prácticas. En primer lugar, comprender cómo se espera que cambien las exposiciones a los factores de una estrategia con el tiempo informa directamente el período de reequilibrio óptimo de la estrategia. En segundo lugar, cuando se combina con las estimaciones de las primas de riesgo de los factores.»

«Hay dos áreas específicas en la literatura que están estrechamente relacionadas con nuestro trabajo y, por lo tanto, vale la pena destacarlas. La primera área se relaciona con el puñado de estudios que buscan definir y medir la ‘eficiencia’ de una cartera de factores. Podría decirse que Hunstad y Dekhayser (2015) fueron los primeros en formalizar este concepto a través de la introducción de su métrica de índice de eficiencia de factores, definida como la proporción de riesgo activo que proviene de los factores deseados (u objetivo) frente al que proviene de los factores no deseados (o no deseados). Más recientemente, Brown et al. (2019) sugieren medir la eficiencia como la contribución porcentual al riesgo absoluto de los factores deseados, mientras que Bender y Sun (2019) proponen la relación entre la exposición del factor objetivo de una cartera y su error de seguimiento como una métrica alternativa.»

«La segunda área se relaciona con la investigación realizada para identificar períodos óptimos de tenencia. El más conocido de estos estudios es el artículo seminal sobre Momentum de Jegadeesh y Titman (1993) quienes, entre otras cosas, analizaron el efecto que tiene cambiar la formación de una cartera de Momentum y los períodos de tenencia sobre el rendimiento promedio. Desde entonces, se han realizado análisis similares de período de formación versus período de tenencia para el factor Momentum en múltiples períodos de tiempo y mercados. En la mayoría de los casos, los hallazgos siguen siendo consistentes: el rendimiento promedio se maximiza para períodos de formación y períodos de tenencia a mediano plazo (3-12 meses). Además, varios de estos estudios muestran máximos globales para la combinación específica de un período de formación de 12 meses y un período de tenencia de 3 meses (por ejemplo, Scowcroft y Sefton, 2005).

«Con base en los resultados empíricos, confirmamos que el valor es el factor que decae más lentamente en promedio, seguido de cerca por la baja volatilidad y luego por la calidad. Los factores puros de Inversión y Momentum son entonces los factores que decaen más rápidamente por un margen considerable.»

«Proponemos períodos de reequilibrio para cada factor puro. En particular, proponemos que el período de reequilibrio óptimo de la información sea de 3 a 4 meses para valor, 3 meses para impulso, 4 a 5 meses para calidad, 1 mes para inversión y 5 a 6 meses para baja volatilidad.»

«Finalmente, discutimos el vínculo entre las distribuciones de exposición pura a los factores y el rendimiento esperado de la cartera y proponemos que, bajo el supuesto de primas de riesgo de los factores constantes, los resultados de la vida media de los factores globales y específicos de cada país presentados aquí también pueden usarse como aproximaciones razonables para las vidas medias de rendimiento esperadas de cada cartera de factores puros”.

Las mejores ideas de psicotrading por Brett N. Steenbarger

Hoy hablaré sobre varios puntos fruto del resultado de mis investigaciones más recientes y el trabajo con traders profesionales:

1) El éxito de un trader está directamente relacionado con la velocidad con la que convierte las operaciones perdedoras y los drawdowns en mejoras procesables. Los mejores traders participan en procesos de revisión activos para asegurarse de que aprenden de los contratiempos. Esas revisiones también les permiten aprender de los éxitos. Una fuente importante de rendimiento deficiente entre los traders es no participar en una práctica deliberada oportuna y regular. Los participantes con éxito del mercado se estudian intensamente a sí mismos, al igual que estudian intensamente los mercados. Los participantes que fracasan no estudian; están demasiado ocupados operando.

2) Hay dos tipos de traders: a) aquellos que toman riesgos y necesitan aprender a limitar las pérdidas; y b) aquellos que minimizan el riesgo y necesitan expandir las ganancias. Tendemos a manejar nuestro trading de la misma manera que manejamos los riesgos y las recompensas en otras áreas de la vida porque, en última instancia, nos estamos manejando a nosotros mismos emocionalmente. El desafío es comprender cómo estamos conectados y cómo expresarlo y administrarlo mejor en nuestro trading. Muchos problemas se dan cuando intentamos asumir riesgos de formas que interfieren con nuestra autogestión.

3) Escucho cada vez más traders relativamente inexpertos que están ganando dinero vendiendo opciones. Me hace ser cauteloso. La historia de 2023 hasta ahora ha sido que las noticias que cambian el juego tengan un gran impacto en la forma en que se operan los mercados, y cómo se negocian entre sí. Tenga en cuenta el interés reciente en el sistema bancario en la sombra y sus vulnerabilidades. Después de las preocupaciones bancarias recientes, no se necesitaría mucho más que un titular para poner nerviosos a los mercados. La idea es mantener la flexibilidad incluso cuando se actúa con decisión. Mantener la «convicción» no ha funcionado bien para muchos traders en lo que va del año.

4) Últimamente me he centrado en la amplitud medida sector por sector, y especialmente en el fenómeno de los impulsos de amplitud. Mi última investigación examina las diferencias en amplitud entre los sectores de EE. UU. y cómo se relacionan con los rendimientos del SPX en el futuro. En la actualidad, las acciones de consumo básico están superando a las acciones de consumo discrecional por un margen bastante bueno en períodos de 5 y 20 días. Volviendo a 2020, cuando eso ocurrió, los rendimientos de SPX de los siguientes 10 a 20 días han sido negativos y significativamente por debajo del promedio. Los cambios hacia un posicionamiento más defensivo entre sectores parecen preceder a la debilidad general del mercado, una idea que exploraré en detalle en el futuro. Los cambios de amplitud pueden ser tan importantes para los rendimientos futuros como los impulsos de amplitud.

5) Imagina que estás en una pista de carreras y puedes modificar tus apuestas a intervalos establecidos durante la carrera. No hay duda de que modificaría su toma de riesgos a medida que evoluciona la carrera. Los mejores operadores desarrollan buenas apuestas, pero luego actualizan activamente el riesgo y la recompensa durante la vida de la operación para maximizar las ganancias y minimizar las pérdidas. La incapacidad de actualizar las «apuestas» propias frente a las condiciones cambiantes del mercado ha sido una fuente importante de problemas en lo que va del año. Muchos traders carecen de un proceso sólido para avanzar y actualizar los riesgos y las recompensas en tiempo real.

Evite los mercados bajistas con una estrategia de sincronización de mercado – Parte 1 por Quantpedia

En esta serie de tres artículos, nuestro objetivo es construir una estrategia de sincronización del mercado que eluda de manera confiable el mercado de valores durante los mercados bajistas, reduciendo así la volatilidad del mercado y aumentando los rendimientos ajustados al riesgo. Construiremos señales de trading basadas en indicadores basados en precios, indicadores macroeconómicos y un indicador principal, una curva de rendimiento, que trataría de predecir las recesiones y los mercados bajistas por adelantado. Comenzamos con la primera parte: una breve introducción a las estrategias de sincronización del mercado utilizando reglas basadas en precios.

La sincronización del mercado es un acto de entrar y salir de un mercado financiero basado en algunos métodos predictivos. Su principal objetivo es reducir el riesgo asociado con las inversiones de capital. El tiempo del mercado no intenta vencer al mercado sobre una base de rendimiento. Dada su menor volatilidad, las estrategias de sincronización del mercado tienen como objetivo superar al mercado sobre una base ajustada al riesgo. Aunque mediante la implementación de apalancamiento, también es posible vencer al mercado sobre una base de rendimiento. La única forma en que las estrategias de sincronización del mercado pueden reducir la volatilidad del mercado es evitar las grandes pérdidas o drawdowns que producen periódicamente las acciones. Para evitar de forma fiable las crisis del mercado, es necesario saber cuándo es probable que ocurran. El enfoque más directo sería salir del mercado cada vez que surja una tendencia negativa.

La identificación de la tendencia del mercado se puede realizar a través del análisis técnico, que es una metodología para analizar y pronosticar la dirección de los precios. Un principio fundamental del análisis técnico es que los precios cambian de tendencia. Los analistas técnicos creen que estas tendencias se pueden identificar de manera oportuna para generar ganancias y limitar las pérdidas. El seguimiento de tendencias o Trend following es una estrategia de trading activa que implementa esta idea en la práctica. Las reglas de seguimiento de tendencias más populares son la regla de Momentum (MOM) y la regla de la media móvil (MA). En la regla MOM, se genera una señal de compra cuando el precio actual está por encima de su valor hace n períodos. En una regla de MA, por otro lado, se genera una señal de compra cuando el precio actual es más alto que un promedio móvil de precios en los últimos n períodos. La estrategia de MA más utilizada utiliza la MA simple (SMA), mientras que otras se basan en la MA lineal (LMA) y la MA exponencial (EMA). Un artículo reciente de Zakamulin y Giner (2018) compara estas dos reglas de seguimiento de tendencias más populares y encuentra que la regla MA tiene una precisión de pronóstico más sólida de la dirección futura de las tendencias de precios en comparación con la regla MOM.

La sincronización del mercado con promedios móviles ha sido objeto de un interés sustancial por parte de académicos e inversores. En su libro, Siegel (2008) investiga el uso de la SMA de 200 días para cronometrar el Promedio Industrial Dow Jones (DJIA) de 1886 a 2006. Su estrategia compró el DJIA cuando cerró al menos un 1 por ciento por encima de la media móvil de 200 días y vendió el DJIA cuando cerró al menos un 1 por ciento por debajo de la media móvil de 200 días. Concluye que el tiempo del mercado mejora los rendimientos absolutos y ajustados al riesgo sobre la estrategia de comprar y mantener del DJIA. De manera similar, Faber (2013) introduce un modelo de tiempo de mercado llamado Global Tactical Asset Allocation (GTAA), que consta de cinco clases de activos globales, donde emplea una SMA de 10 meses para evaluar si se mantienen los activos mensualmente. En el período 1973-2012, su modelo superó al índice S&P 500, logrando rendimientos similares a los de las acciones con una volatilidad y drawdowns similares a las de los bonos.

En este documento, intentamos construir una estrategia de sincronización del mercado que eludira de manera confiable el mercado de valores durante los mercados bajistas y, por lo tanto, reduzca la volatilidad del mercado y aumente los rendimientos ajustados al riesgo. Nuestro universo de inversión consiste en el factor de mercado de Fama y French (MKT) y la tasa libre de riesgo (RF). MKT compra todas las empresas CRSP constituidas en los EE. UU. y que cotizan en la Bolsa de Nueva York, AMEX o NASDAQ que tienen un código de acciones CRSP de 10 u 11. RF es la tasa de la letra del Tesoro de un mes. Al final de cada mes, evaluamos si el mercado tendrá un rendimiento positivo durante el próximo mes, y cambiamos entre el MKT y el RF en consecuencia. Por lo tanto, cuando no estamos invertidos en MKT, tenemos RF. Dado que Fama y French informan de los rendimientos de MKT en exceso de RF, también reportamos los rendimientos de todas nuestras estrategias en exceso de RF en el resto del documento. Obtenemos el exceso de rentabilidad de MKT del sitio web de Kenneth French para el período comprendido entre julio de 1926 y junio de 2022, que es nuestro período de muestra. Tenga en cuenta que los primeros meses del período de muestra se utilizan para construir nuestras estrategias y, por lo tanto, el período para el que informamos de los resultados en nuestras tablas es ligeramente más corto que nuestro período de muestra inicial.

Para medir el rendimiento relativo de nuestro modelo, construimos una estrategia de sincronización de mercado Simple que sería nuestro principal punto de referencia para el resto del documento. El sistema Simple compra o se queda mucho tiempo en el MKT si el precio del MKT está por encima de su promedio móvil de 200 días. De lo contrario, la estrategia sale del mercado de valores. Nuestro primer paso sería mejorar el tiempo del mercado Simple utilizando indicadores basados en precios.

Sincronización del mercado utilizando indicadores basados en precios

Una de las señales de un próximo mercado bajista en una acción es cuando la SMA de 50 días cruza la SMA de 200 días a la baja, un evento conocido como la cruz de la muerte. Del mismo modo, la SMA de 50 días que cruza más de la SMA de 200 días al alza es una indicación de un mercado alcista inminente en una acción, un evento llamado cruz de oro. De esta manera, construimos la estrategia MA (50, 200) que compra o mantiene durante mucho tiempo el MKT si su promedio móvil de 50 días está por encima del promedio móvil de 200 días. De lo contrario, la estrategia sale del mercado de valores.

Otro signo ampliamente observado de una inminente recesión del mercado es un aumento de la volatilidad a corto plazo en relación con la volatilidad a largo plazo. Por lo tanto, construimos una estrategia de negociación que compra acciones solo si la volatilidad a corto plazo está por debajo de la volatilidad a largo plazo. Específicamente, VOL (50, 200) compra o mantiene el MKT durante mucho tiempo si la volatilidad histórica de 50 días, medida por la desviación estándar de los rendimientos del mercado, está por debajo de la volatilidad histórica de 200 días. De lo contrario, la estrategia sale del mercado de valores.

La volatilidad considera que los rendimientos extremadamente altos y extremadamente bajos son igualmente indeseables. Los inversores, sin embargo, quieren limitar solo el riesgo a la baja y mantener el alza sin límites. Con este fin, descomponemos la volatilidad del mercado en volatilidad al alza y a la baja. En particular, calculamos la volatilidad al alza (a la baja) como la desviación estándar de los rendimientos positivos (negativos) del mercado durante un período determinado. Por lo tanto, nuestra estrategia, VOL (200)_+, compra o mantiene el MKT durante mucho tiempo si la volatilidad al alza en los últimos 200 días es mayor que la volatilidad a la baja. De lo contrario, la estrategia sale del mercado de valores.

Se considera que el amplio mercado de valores tiene una distribución negativa sesgada. La idea es que el mercado más a menudo produce un pequeño rendimiento positivo en relación con una gran pérdida negativa. Sin embargo, durante los mercados bajistas, la situación se revierte y el mercado registra pequeñas pérdidas con más frecuencia que las grandes ganancias. Varios estudios investigan el efecto de asimetría y su implicación para la sección transversal de los rendimientos de las acciones. Zaremba y Nowak (2015) encontraron que los índices de acciones de los países con la asimetría histórica más negativa superan a los que tienen la osividad más positiva. Basándonos en sus hallazgos, construimos nuestra estrategia SKEW (200) que compra o mantiene durante mucho tiempo el MKT si el sesgo histórico medido por el coeficiente de sesgo en los últimos 200 días está por debajo de cero. De lo contrario, la estrategia sale del mercado de valores.

Mirando el rendimiento de nuestras estrategias hasta ahora, la Tabla 1 muestra que ninguna de ellas muestra mejores resultados que la estrategia Simple, ni sobre una base de rendimiento ni ajustada al riesgo. Además, algunos de ellos sufrieron drawdowns cercanos a las del MKT. Estos débiles resultados nos motivaron a profundizar y buscar indicadores de precios más complejos que simplemente mantenernos comprados en el mercado, lo que nos llevó al Índice de Fuerza Relativa.

El Índice de Fuerza Relativa (RSI) es un indicador de impulso utilizado en el análisis técnico para medir la velocidad y la magnitud de los movimientos de los precios. Como indicador de impulso, el RSI compara la fuerza de un valor en los días en que los precios suben a su fuerza en los días en que los precios bajan. Los operadores a menudo usan RSI para evaluar si el valor está sobrevalorado o infravalorado. Tradicionalmente, las lecturas de RSI por encima del nivel 70 indican que el valor está sobrecomprado, y las lecturas de RSI por debajo de 30 implican que el valor está sobrevendido. Sin embargo, el RSI también se puede utilizar para identificar un cambio en la tendencia. Un movimiento desde debajo de la línea central (50) hacia arriba indica una tendencia alcista. Un movimiento desde arriba de la línea central (50) hacia abajo indica una tendencia bajista. Nuestra estrategia RSI (200) se basa en que el RSI cruza la línea central a medida que compra o se mantiene durante mucho tiempo el MKT cuando el RSI de 200 días de Culter está por encima de 50. La versión de Cutler de RSI utiliza SMA para suavizar en lugar de EMA. De lo contrario, la estrategia sale del mercado de valores.

Otra posibilidad de aumentar los rendimientos ajustados al riesgo del mercado es permanecer en el mercado solo si, en el período reciente, el mercado mostró rendimientos favorables ajustados al riesgo. Medimos el rendimiento ajustado al riesgo del mercado utilizando una medida de rendimiento alternativa de Rachev (RR). RR, ideado por el matemático búlgaro Svetlozar Rachev, mide el potencial de recompensa de la cola derecha de un valor en relación con el riesgo de la cola izquierda. Stoyanov, Rachev y Fabozzi (2005) definieron el RR como una relación de dos valores de Valor Condicional en Riesgo (CVaR) de la siguiente manera:

donde r es un rendimiento de una cartera o activo, rf es la tasa libre de riesgo y α, β ∈ (0,1). En pocas palabras, RR mide la relación entre el α% de los mejores rendimientos y el β% de los peores rendimientos. En nuestro caso, α = β = 0,5, y calculamos la relación utilizando los últimos 200 días. Nuestra estrategia RR (0,5, 0,5) compra MKT cuando el RR es mayor que uno. De lo contrario, la estrategia sale del mercado de valores.

La Tabla 1 muestra que nuestras dos nuevas estrategias RSI (200) y RR (0,5, 0,5) lo hicieron significativamente mejor en comparación con nuestras estrategias anteriores MA (50, 200), VOL (50, 200), VOL (200)_+,- y SKEW (200). RSI (200) muestra un exceso de rendimiento anual del 6,40 %, que es mayor que el 6,30 % anual alcanzado por la estrategia Naive. Además, el RSI (200) tuvo un mejor rendimiento frente a la estrategia Simple en términos de ratio Calmar, aunque se quedó corto en términos de ratio Sharpe. RR (0,5, 0,5) lo hizo aún mejor, logrando un rendimiento del 6,57% anual, superando a MKT sobre una base de rendimiento. Sin embargo, todavía tuvo un rendimiento inferior a Naive sobre una base ajustada al riesgo, medida por la relación Sharpe. Tenga en cuenta que RSI (200) y RR (0,5, 0,5) son estrategias similares que muestran una correlación de 0,987.

Tabla 1: Resumen del rendimiento de las estrategias de tiempo del mercado basadas en los precios para el período comprendido entre abril de 1927 y junio de 2022. Las estrategias de mejor rendimiento están sombreadas.

Figura 1: Gráfico de rendimiento de las estrategias de sincronización del mercado basadas en los precios para el período comprendido entre abril de 1927 y junio de 2022.

El rendimiento superior del RR (0,5, 0,5) y los fuertes resultados de sincronización del mercado de la estrategia Simple nos motivaron a combinar estas dos estrategias para obtener una señal de trading más diversificada. La tendencia compra o mantiene el MKT durante mucho tiempo si las señales de trading de el sistema Simple y RR (0,5, 0,5) son unánimemente positivas. De lo contrario, la estrategia sale del mercado de valores.

La tendencia produce un rendimiento anual del 5,91 %, menos que la estrategia Simple o RR (0,5, 0,5), lo que es comprensible, ya que pasa menos tiempo invertido en el MKT. Por otro lado, sufre un drawdown máximo más favorable de -42,87 %, exhibe la volatilidad más baja del 11,63 % anual y muestra uno de los mayores rendimientos ajustados por riesgo.

Sin embargo, en este punto, nos dimos cuenta de que para mejorar aún más nuestro modelo de sincronización de mercado, tenemos que mirar más allá de los indicadores de precios. Por lo tanto, en nuestro siguiente paso, intentamos combinar las señales de trading de nuestras estrategias de mejor rendimiento en términos de rendimientos ajustados al riesgo, Simple y de tendencia, con señales de trading basadas en indicadores macroeconómicos.

Autor:
Ladislav Durian, analista, Quantpedia

No se imagina el impacto de las tasas de interés por Logan Kane

• El aumento de las tasas de interés amenaza con poner la economía y los mercados patas arriba después de 14 años de políticas de tipos de interés cero.
• Las tasas de interés se están disparando, con la hipoteca de tasa fija a 30 años alcanzando el 7,78 % esta semana en los Estados Unidos.
• Estas tasas más altas han sido impulsadas en gran medida por la inflación y el gasto deficitario del gobierno fuera de control.
• Las tasas de interés más altas tienen implicaciones significativas para los bienes raíces, los automóviles, los bancos, la tecnología y el mercado de valores en general, lo que plantea riesgos y crea oportunidades para los inversores.

«En opinión de Fitch, ha habido un deterioro constante en los estándares de gobernanza (de EE. UU.) en los últimos 20 años, incluidos los asuntos fiscales y de deuda. Los repetidos enfrentamientos políticos de los límites de la deuda y las resoluciones de última hora han erosionado la confianza en la gestión fiscal».

-Fitch Ratings, sobre su reciente rebaja de calificación crediticia en EE. UU.

El silencioso soplo del aumento de las tasas de interés ha crecido hasta convertirse en el fuerte ruido de un tren de carga que se acerca. El rendimiento a 10 años sigue aumentando, alcanzando un nuevo máximo de 52 semanas esta semana por encima del 4,3 %. La hipoteca de tasa fija a 30 años alcanzó el 7,48 % esta semana y ahora amenaza con elevarse por encima del 8 %. Después de más de una década de políticas del banco central con tasa de interés cero (as.k.a.ZIRP), el aumento de la inflación provocó una avalancha económica que amenaza con poner patas arriba la economía y los mercados tal y como los conocemos. Con enormes déficits gubernamentales, parece que los analistas no pueden aumentar sus objetivos de tasas de interés lo suficientemente rápido. El famoso gestor de fondos de cobertura, Bill Ackman, hizo una gran apuesta por los rendimientos del Tesoro de EE. UU. que siguen subiendo al 5,5 %, y hasta ahora está ganando de manera espectacular.

Entonces, ¿por qué están subiendo tanto las tasas de interés? ¿Y qué significa para la economía y los mercados financieros? Vamos a profundizar en ello.

Las tasas de interés cero no eran sostenibles

La década de 2010 fue una época única en la historia económica. Debido a la crisis financiera de 2008 y a la posterior crisis de la deuda europea, los bancos centrales mundiales mantuvieron las tasas de interés en cero (o menos) durante aproximadamente 14 años. Los EE. UU. aumentaron las tasas de interés durante un par de años de 2017 a 2019, pero terminaron reduciéndolas a cero debido al COVID. Además, los bancos centrales aplicaron políticas de flexibilización cuantitativa para reducir las tasas de interés de las hipotecas por debajo de la tasa de libre mercado. Esto tuvo un efecto aún mayor en la economía.

Mantener las tasas de interés en o cerca de cero tuvo efectos sutiles pero profundos en la economía en la década de 2010.

1. Tuvo el efecto de hacer que las viviendas sean artificialmente baratas.
2. Permitió que las empresas de capital riesgo/tecnología perdieran miles de millones persiguiendo cuota de mercado.
3. Y permitió que Wall Street experimentara un mercado alcista monstruoso debido a que no había alternativas reales a las acciones.

Esto también hizo que ciertos modelos de negocio fuera inusualmente rentables. Mis amigos se enriquecieron al no hacer mucho más que pedir dinero prestado barato y comprar bienes raíces. La ejecución decente de modelos de negocio estándar como BRRR o el alojamiento de Airbnb hizo que ganar dinero fuera fácil. Incluso simplemente comprar una propiedad por una hipoteca fija del 3,5 % en la década de 2010 y ponerle pintura, alfombra y un inquilino era lo suficientemente bueno. Durante este tiempo, las casas vacías en California ganaban tanto dinero con la apreciación de los precios (solo por existir) como un hogar típico que vivía allí trabajando.

Las Crypto es otro modelo de negocio que despegó gracias a este modelo denominado ZIRP. Con los insumos económicos de las tasas de interés a cero, la inflación en el 2-3% y el préstamo del gobierno un poco insostenible, poner parte de su dinero en otra moneda como Bitcoin (BTC-USD) en realidad tiene mucho sentido.

Por supuesto, la teoría económica convencional aquí es que al fijar los precios de los préstamos a un nivel tan bajo, la Reserva Federal iba a crear escasez. Por ejemplo, QE creó una escasez artificial de viviendas, a pesar de que había una cantidad similar de viviendas per cápita en los EE. UU. que antes del colapso de 2008. Aún así, la inflación de los precios al consumidor era baja y todo estaba bien, al menos hasta alrededor de 2019. Y las tasas bajas fueron populares entre la clase media alta, que vio aumentar su plusvalía de la vivienda y aumentar sus 401k. Pero, al igual que la obsesión de Estados Unidos con Ozempic fuera de la etiqueta, era demasiado bueno para ser verdad.

Los Vigilantes De los Bonos Están De Vuelta

El caos de la pandemia puso fin rápidamente a estas políticas. El aumento de la inflación del 2 % a casi el 10 % anual rompió la confianza del público en la estabilidad de los precios. El público comenzó a entrar en pánico comprando bienes, hubo escasez de todo tipo de bienes y servicios necesarios en la economía, y las alternativas al dólar estadounidense se convirtieron en una conversación de cóctel. Esto obligó más o menos a la Reserva Federal a actuar aumentando las tasas de interés y revirtiendo sus políticas de expansión y respuestas a la información. Si no hubieran hecho nada, la inflación probablemente habría seguido aumentando, como lo hizo en la década de 1970.

Hoy en día, la inflación todavía está significativamente por encima del objetivo, y la confianza pública en la moneda aún no se ha restablecido por completo. El gobierno de EE. UU. tiene niveles de déficits presupuestarios sin precedentes, y cada vez menos inversores están dispuestos a comprar deuda pública. Fitch rebajó recientemente la calificación crediticia de EE. UU. debido a una «erosión de la gobernanza» y a la falta de voluntad para aumentar los impuestos. Después de quemarse por la inflación, el mercado está retroiciando.

Hasta este punto, el mercado ha castigado severamente los precios de los bonos a largo plazo emitidos anteriormente con tasas de cupón bajas. Los bonos del Tesoro a largo plazo (NASDAQ:TLT) se han caído por el precipicio.

Esto es simple oferta y demanda. El Tesoro necesita vender billones de dólares en bonos para cubrir sus déficits presupuestarios, y el mercado no ha estado muy interesado en comprarlos. Mientras los déficits del gobierno no se controlen, las tasas de interés seguirán aumentando. Los llamados «policías de los bonos» de Beijing a Riad y Nueva York están amenazando con humillar al Tesoro de los Estados Unidos, votando con sus teclados para dejar de financiar niveles insostenibles de gasto. A menos que el Tesoro aumente los impuestos o reduzca drásticamente el gasto, el tren de carga no se detendrá. Si bien es teóricamente posible que la Casa Blanca pueda obligar a la Reserva Federal a imprimir dinero para comprar la deuda de EE. UU., esto enviaría un mensaje inconfundible a nuestros acreedores extranjeros de que es hora de apagar motores. Los bonos a largo plazo en realidad no son un valor tan malo si confías en la capacidad del gobierno para aumentar los impuestos y mantener una inflación del 2 %, pero eso requeriría algún tipo de señal de que primero se van a tomar en serio los déficits.

¿Qué significa el aumento de las tasas de interés para la economía?

Básicamente, el crédito se está volviendo más caro y más difícil de conseguir. Dado que las tasas de ahorro de los hogares están cerca de mínimos históricos, ese es un gran problema para los prestatarios. Por industria:

Inmuebles

A una tasa hipotecaria del 3 %, un pago inicial del 20 % y un DTI estándar del 36 %, un comprador de vivienda con 100.000 dólares en ingresos puede calificar para una casa por valor de 721.000 dólares. Al 4 %, son 649.000 dólares. Al 5 %, son 587.000 $. Al 6 %, son 533.000 dólares. Al 7 %, son 486.000 dólares. Con un 8 %, son 445 000 $. Finalmente, a tasas hipotecarias del 9 %, un hogar con 100.000 dólares en ingresos puede calificar para una casa que cuesta 410.000 dólares, que es un 43 % menos de lo que podría con la tasa de interés del 3 %. Esto es puramente mecánico por el cambio en los costos de financiación, no debido a la opinión o el sentimiento. Para mantener el equilibrio a las tasas hipotecarias del 9 %, los precios de las viviendas tendrían que caer un 43 %.

Esto no es solo teórico. Las tasas hipotecarias han sido del del 3 % al 7,5 %, por lo que el 9 % ni siquiera es algo tan raro dado donde ya estamos. Este interés se sume a los grandes aumentos de los precios de las viviendas durante la pandemia. El hogar típico que busca comprar una casa ahora con una hipoteca está tomando una decisión casi existencial al inscribirse para pagar precios de burbuja al 7-8% de interés. No va a terminar bien, y las proporciones de DTI están en o por encima de sus máximos anteriores en 2006-2007. Si estás en el 1% superior de los ingresos, haz lo que quieras, pero si estás buscando comprar una casa y formar una familia, estás haciendo una apuesta mucho más grande de lo que crees.

Va a ser difícil que las tasas de interés bajen con los déficits que está ejecutando el gobierno, por lo que el resultado más probable aquí es algún tipo de crisis de vivienda más temprano que tarde. No es realmente una cuestión de si, es más bien una cuestión de cuándo. Los consumidores no están mostrando suficiente elasticidad para las tasas de interés debido a su sesgo en contra del alquiler, y les va a costar. El hecho de que debas hacer una apuesta general por 20 dólares no significa que debas pedirla por 2.000 dólares. Es lo mismo con las hipotecas: la vivienda fue una gran inversión a los precios de 2016 y a las tasas de interés de 2016, pero terrible a las tasas y precios de hoy.

Autos

La historia no es muy diferente para los fabricantes de automóviles. Debido a que la gran mayoría de los compradores necesitan financiar sus coches, el fuerte aumento de las tasas de interés es una mala noticia para los fabricantes de automóviles. Si bien los fabricantes son libres de ofrecer financiación con descuento, reduce sus márgenes. Muchas menos personas pueden pagar 90 000 $ por un camión al 6 % o al 7 % por un préstamo a 5 años de lo que podría pagar al 2 % o al 3 %.

Finanzas/Bancos

La crisis bancaria de marzo fue provocada por el debido a que los bancos regionales aso demasiado riesgo de tasas de interés, y luego el aumento de las tasas los quemó. Ahora, las tasas están de vuelta en nuevos máximos de 52 semanas. ¿Dónde están todos estos bancos ahora y cuántas pérdidas han sufrido? La crisis hizo que las tasas caieran, lo que permitió a los bancos inteligentes salir de las apuestas al revés. Para cada banco que tomó medidas decisivas para reducir la exposición a las tasas de interés esta primavera, es probable que haya varios que pongan la cabeza en la arena. Si bien los grandes bancos están bien, espero que docenas más de estos bancos más pequeños terminen siendo tomados a bajo precio por los competidores o cerrados por la FDIC durante los próximos 12-18 meses. Las malas apuestas en bienes raíces comerciales y activos de larga duración prácticamente lo garantizan. ¡Esto no será lo último que oigas sobre los bancos regionales!

Dicho esto, el desgaste en la industria bancaria podría ser una oportunidad para los bancos bien administrados como JPMorgan (JPM).

Capital de riesgo/tecnología

Los días de perder miles de millones para obtener cuota de mercado han terminado efectivamente ahora que el capital tiene un precio. Si bien la década de 2010 trajo ganancias en innovación, también trajeron a cientos de empresas respaldadas por capital riesgo con modelos de negocio endebles. Espere que muchas de estas empresas se queden sin negocio en los próximos 12-18 meses. Esto es solo sentido común.

El S&P 500

Las valoraciones de gran capitalización están en máximos y casi en modo burbuja a pesar de que los rendimientos de los bonos aumentan rápidamente. Con la economía siendo «revolucionada» por el aumento de las tasas de interés, vale la pena considerar si puede cumplir sus objetivos financieros asumiendo menos riesgo en bonos y efectivo. Para cada nube, hay un lado positivo y las malas noticias para los prestatarios son buenas noticias para los prestamistas.

Además, no es muy conocido, pero las tasas de interés se fijan en futuros y opciones, lo que significa que las ofertas y los futuros a largo plazo se hacen más caros, mientras que las ofertas y los futuros a corto se hacen más baratos. Las tasas de interés más altas también se acumulan a los vendedores en corto que tienen acciones en corto, lo que hace cumplir cierta disciplina en el mercado al canalizar el capital de las empresas basura a empresas rentables de mayor calidad.

Las valoraciones actuales de las acciones grandes son sospechosas. El S&P 500 (SPY) se encuentra actualmente en aproximadamente el percentil 95 en términos de sus ganancias. Acciones como Apple (AAPL) y Microsoft (MSFT) se cotizan por 30 veces sus ganancias o más, mientras que acciones como Tesla (TSLA), Amazon (AMZN) y Nvidia (NVDA) se cotizan por 50-100 veces. Históricamente, este tipo de valoraciones no funcionan. Por otro lado, puede obtener aproximadamente el 5,5 % en fondos del mercado monetario (VMFXX), el 5,5 % en bonos a corto plazo (VFSUX) y el 4,4 % libres de impuestos en bonos municipales (VWALX). ¿Las acciones serán más baratas de lo que son ahora? Dado que las acciones casi nunca han sido más caras de lo que son ahora desde una perspectiva de valoración, parece probable que vuelvan a la media con bonos y efectivo ofreciendo cada vez mejores rendimientos. Una vez más, creo que esto sucederá más temprano que tarde.

¿Las tasas de interés bajarán?

La historia de episodios de inflación en varios países nos dice que es probable que las tasas más altas y la inflación se mantengan durante 5-10 años. Si bien una recesión severa podría devolver el equilibrio a la economía, esto es difícil de explotar porque los activos que se beneficiarían de tasas más bajas (acciones, bienes raíces) probablemente tendrían que ser completamente aplastados primero para establecer las condiciones para otro mercado alcista desde el suelo.

Pagar de más por los activos con tasas a estos niveles y apostar a que bajarán es algo que ha arruinado a millones de personas en el pasado. Esta vez probablemente no sea diferente. La historia también muestra que las tasas hipotecarias gigantes, en particular, tienden a subir en tiempos de estrés económico.

Esto también se aplica a la afirmación popular de que la economía nunca se ralentizará porque el desempleo es actualmente bajo. El consumo de alimentos y servicios no se derrumbará per se debido a las tasas de interés más altas, pero el préstamo para comprar cosas se derrumbará. La vivienda y los automóviles son parte del ciclo económico para los consumidores, y los cambios en estos son la forma en que comienza y termina cada ciclo económico. Los trabajadores de estas industrias son la fuente original de los choques de desempleo, y la inversión empresarial opera en un ciclo similar. Esto finalmente se reduce al consumo, pero es un proceso lento. Los préstamos estudiantiles pueden tener un impacto más inmediato en el gasto, ya que el servicio de la deuda de los préstamos estudiantiles es alrededor del 1% de los ingresos nacionales después de impuestos de los Estados Unidos.

Balance final

Deberías preocuparte por el aumento de las tasas de interés porque afecta en gran medida al valor razonable de los activos. Si entiende cómo las tasas de interés afectan a los precios de los activos, puede ser más «flexible» a los cambios en las tasas de interés y usar esto para ganar dinero para usted y reducir su riesgo. Si eres demasiado emocional o dogmático, es más probable que termines pagando los precios equivocados por los activos equivocados. Hasta este punto, el aumento de las tasas es a la vez una gran oportunidad y una gran amenaza para los inversores. En un mundo menos disfuncional, las tasas de interés no deberían haber aumentado tanto, y los déficits presupuestarios del gobierno no serían tan atroces. Pero tenemos que arreglarnos con el mundo que tenemos, así que así es como veo que es probable que las cosas se desarrollen en el futuro.

¿Seguirán subiendo las tasas de interés? Si es así, ¿cuáles serán los efectos en la economía?

Sistema de trading a largo plazo por Massoud Metghalchi Ph.D.

• En este artículo, analizamos posibles reglas técnicas de trading para EWP, el ETF iShares MSCI Spain que busca rastrear los resultados al invertir en un índice (MSCI Spain 25/50 Index) compuesto por acciones españolas. 
• Artículo publicado en Hispatrading 55.

EWP comenzó a cotizar el 3/12/2006 en el U.S. NYSE Arca.  Este ETF permite a los inversores participar en la bolsa española.  A continuación se muestra el gráfico EWP desde su inicio.

Veamos las reglas de compra que podrían superar la estrategia de comprar y mantener (Buy&Hold o B&H). Utilizamos datos mensuales y diarios tomados de Yahoo / Finance y aplicamos una docena de indicadores  técnicos como el de Fuerza relativa (RSI),  MACD, media móvil (MA) y algunos otros indicadores generados por el software TraderCode y proporcionamos los resultados de nuestras reglas de compra. Después comparamos estos resultados con el riesgo y el rendimiento de la estrategia B&H. 

ANÁLISIS A LARGO PLAZO

A largo plazo, utilizamos la función Rate en Excel para estimar el rendimiento geométrico de la estrategia de B&H para EWP de la siguiente manera:

Rentabilidad B&H = Tasa (N, PMT, -PV, FV) = -0,23 %                                                              (1)

Donde N = el número de períodos, o 24.33 años, PMT es cero, PV es el precio de cierre de EWP el 12/1/1998, que fue de $ 29.875, y FV es el precio de cierre de EWP el  4/1/2023 que fue de $ 28. 24. Tenga en cuenta que aunque el ETF EWP comenzó a operar en marzo de 2006, debido a la estimación de una media móvil de 40 meses, nuestro inicio lo situamos en el 12/1/1998, ya que el uso de una MA 40 requiere 40 meses de promedio del precio del EWP. Suponiendo una rentabilidad por dividendo del 2 %, concluimos que a largo plazo la estrategia de B&H implicaría una rentabilidad del 1,77 %.                                                             

Diseñamos las reglas técnicas de compra en combinación con algunas estrategias para superar el rendimiento de la estrategia de B&H, que fue  del 1,77 %.  Las cuatro estrategias son las que expliqué en la revista Technical Analysis of Stock and Commodities. Allí expliqué lo siguiente 1) Largo/efectivo, 2) Largo/Corto, 3) Apalancamiento/efectivo y 4) Apalancamiento/Corto. Para Largo/Efectivo, un trader que siga esta estrategia comprará el ETF EWP cuando nuestra regla de compra emita una señal de compra. Cuando la regla emite una señal de venta, el trader venderá EWP e invertirá los fondos en  el mercado monetario ganando la tasa del mercado monetario.  Un operador que siga la estrategia 2, Long/Short, comprará EWP cuando nuestra regla de compra emita una señal de compra y un EWP corto cuando nuestra regla emita una señal de  venta. Para la estrategia 3, Apalancamiento/Efectivo, un trader comprará EWP con apalancamiento e invertirá en  el marcador de efectivo cuando la regla emita una señal de venta. La rentabilidad de los días de compra para esta estrategia será dos veces  el rendimiento de EWP menos el rendimiento del mercado monetario. Finalmente, para la estrategia 4, Apalancamiento/Corto, un operador comprará EWP con apalancamiento cuando la regla emite una señal de compra y EWP corto cuando la regla emite una señal de  venta. 

Nuestro enfoque del riesgo es muy diferente de la mayoría de la literatura sobre las compensaciones riesgo/rendimiento. A largo plazo, el riesgo para la  riqueza de un trader es casi cero.  Por ejemplo, el riesgo asociado con la riqueza (no rendimientos periódicos) para el S&P 500  después de 15 años de comprar y mantener el S&P 500 es casi cero, como se puede ver en la  Figura 2:

Dado que a largo plazo (20 años) la  mayoría  de  los activos como el mercado de valores español no pierden su valor y el riesgo de un rendimiento negativo después de 20 años es cercano a cero, solo observamos los rendimientos de varias reglas de trading que pueden superar el rendimiento de B&H. A corto plazo, cuando utilizamos datos diarios, comparamos tanto los riesgos como los rendimientos de varias reglas de trading con el riesgo y los rendimientos de la  estrategia de B&H. Para el largo plazo, nos fijamos únicamente en las rentabilidades, ya que después  de 20 años el valor de un índice bursátil como el MSCI Spain 25/50 estaría por encima de su  precio de hace 20 años. 

En la tabla 1 los rendimientos promedio mensuales y anuales de nuestras 4 mejores reglas de trading a largo plazo basadas en datos mensuales, un total  de 293 meses que pueden superar generosamente la estrategia de B&H para EWP. El promedio anual se determina de la siguiente manera:

Rendimiento anual = Exponencial (rendimiento mensual promedio  *  1 2) -1  (2)

El rendimiento anual en la ecuación 2 se basa en la composición geométrica de los rendimientos promedio mensuales. 

Tabla 1: Reglas de trading a largo plazo para el  EWP: 1/12/1998 a 4/1/2023 

Los resultados de las 4 reglas de compra  mejorados en Tabla 1 están cerca uno del otro. Comencemos analizando la estrategia que usa una MA10 creciente combinada con un MACD creciente. Usando  el software TraderCode calculamos el MACD (12,26) y una MA simple de 10 meses de EWP. 

Un trader que siga esta regla de trading de MA10 creciente y MACD creciente con la estrategia 1 comprará EWP si la MA10 está aumentando y si el MACD es mayor que cero, ambas condiciones deberían mantenerse.  El trader permanece invertido en EWP hasta que se violen una o ambas condiciones,  en este momento el trader venderá el EWP e invertirá los fondos en el mercado monetario. Esto se repetirá  durante todo el período del 12/1/1998 al 4/1/2023, lo que implica un total de 35 operaciones dentro y fuera de EWP durante todo el  período,  o 1,44 operaciones por año. Dado que el costo de transacción de operar EWP es cero, no hemos considerado los costos de transacción.  Un operador que siga esta regla con la estrategia 2 comprará  EWP cuando la regla emita una señal de compra (ambas condiciones se mantienen), y EWP corto  cuando la regla  emite una señal de venta. Para la estrategia 3, cuando la regla emite una señal de compra cuando ambas condiciones se mantienen, un trader pide prestado al tipo del mercado monetario y dobla (margen del 50 %) la inversión en EWP y deposita los fondos en el mercado monetario cuando la regla emite una señal de venta (se violan una o ambas condiciones). Esta regla con la estrategia 4 implica comprar EWP con margen cuando la regla emite una señal de  compra y en corto sobre EWP cuando la regla emite una señal de venta. Para esta regla de compra, las estrategias 2 y 4 son inferiores a las estrategias 1 y 3, lo que implica que vender en corto EWP no es una buena idea para los indicadores combinados.  Los rendimientos medios anuales  de las estrategias 1 y 3 son del  32,24 % y del 36,33 %, respectivamente,  y estos rendimientos deben compararse con el rendimiento de B&H del 1,77 % estimado anteriormente.  

La segunda mejor regla de trading a largo plazo es la referente a la MA40 creciente combinada con + DI y – DI del Average Directional Movement Index. Para esta regla y estrategia de trading, un trader comprará EWP si  la MA de 40 meses está subiendo y si + DI es mayor que – DI.  Si una o ambas condiciones no se cumplen,  el trader depositará los fondos en el mercado monetario. La estrategia 2 es como la estrategia 1, excepto que cuando la regla emite una señal de venta (se violan una o ambas condiciones) el  trader venderá en corto el EWP. Las estrategias 3 y  4 son similares a las estrategias 1 y 2, excepto cuando la regla emite una señal de compra (ambas condiciones se mantienen), el trader comprará EWP con apalancamiento. Una vez más, para  esta regla de trading, las estrategias 2 y 4 son inferiores a las estrategias 1 y 3, lo que implica que es mejor depositar los fondos en el mercado monetario en lugar de vender EWP cuando esta regla emite una señal de venta. Los rendimientos promedio anuales para esta regla y las estrategias 1 y 3 son 31. 48 y 34. 77 %, mucho mejor que el B&H del 1,77 %. Esta regla de trading ejecuta 13 operaciones entrando y saliendo del EWP durante todo el período, o 0,54 operaciones por año.  La tercera mejor regla de compra de la  Tabla 1 la estrategia que tiene en cuenta un MACD creciente con un  RSI > 50, para la estrategia 1, un trader comprará EWP cuando el MACD suba y si el RSI de 14 días es mayor que 50. El trader estará fuera de EWP si el MACD está bajando o si el RSI es inferior a 50, en este caso, el trader depositará los fondos en el mercado monetario. Para la estrategia 2, cuando el trader tiene una señal de venta (una o ambas condiciones no se cumplen), el trader vende el EWP.  Las estrategias 3 y 4 son como las estrategias 1 y 2, excepto cuando la regla emite una señal de compra, el trader compra EWP con margen. Una vez más, para estas reglas combinadas, las estrategias 2 y 4 son inferiores a las estrategias 1 y 3, lo que implica que es mejor depositar los fondos en el mercado monetario en lugar de vender en corto el EWP cuando la regla emite una señal de venta. Los rendimientos medios anuales para esta regla de de trading con las estrategias 1 y 3 son el 28,58 % y del 28,88 %, respectivamente. Estos rendimientos anuales a largo plazo deben compararse con el rendimiento de B&H del 1,77 % estimado anteriormente. La cuarta regla de trading solo utiliza un único indicador, a saber, el RSI (14). Para la estrategia 1, abriremos una operación en el mercado (comprar EWP) si el RSI es mayor que 50 y permaneceremos fuera del mercado (en el mercado monetario) si el RSI es inferior a 50. La estrategia 2 es como la estrategia 1, excepto en la señal de venta, el operador venderá en corto el ETF. Las estrategias 3 y 4 son como 1 y 2, excepto cuando se genera una señal de compra, un trader comprará EWP con margen. El rendimiento medio anual de nuestra cuarta regla para las estrategias 1 y 3 es del 25,20 % y del 22,04 %, respectivamente. Dado que el apalancamiento generalmente aumenta el riesgo, un operador con baja tolerancia al riesgo debe aplicar estas reglas de trading con la estrategia 1 y los operadores con mayor tolerancia al riesgo deben usar una de estas reglas con la estrategia 3. 

Todas las operaciones para las cuatro reglas anteriores se realizan el último día de cada mes. Suponemos que, unos minutos antes del cierre del mercado en el último día de cada mes, un operador puede estimar el precio de EWP que activará una señal de compra o venta y abrir una orden tipo límite. En caso de que el operador no pueda estimar el precio al cierre del mes, puede abrir la orden al día siguiente en la apertura. La ejecución de la orden en la apertura del día siguiente no afectaría nuestros resultados y eliminaría el sesgo de no sincronicidad. En conclusión, para el trading a largo plazo, sería más beneficioso que un trader utilice una de nuestras cuatro reglas de trading, combinando la estrategia 1 (bajo riesgo) o la estrategia 3 (alto riesgo), en lugar de optar por comprar y mantener EWP a largo plazo.

ANÁLISIS A CORTO PLAZO

Desde Yahoo/Finance, utilizamos el precio de cierre diario de EWP del 20/03/1996 al 1/04/2023. Dado que la estimación de una MA200 días requiere datos de días anteriores, todas las estimaciones y operaciones técnicas se realizan desde  el 1/13/1997 hasta el 4/1/2023, 6591 días de precios diarios.  Estimamos varias estadísticas de la siguiente manera:

Retorno diario = Log (P t  / P_t-1) (4)

Rendimiento anual = Exponencial (Rendimientos diarios promedio   * 252) -1 ( 5)

σ_A = σ_d *                                                                                                                     (6)

Donde σ _A  y σ_d son la desviación estándar (DE) anual y diaria de los rendimientos diarios de EWP.  Suponemos que hay 252 días de trading en un año. Generamos una docena de indicadores técnicos utilizando el software TraderCode y mostramos las mejores reglas técnicas de compra con combinaciones de las cuatro estrategias anteriores. Comparamos el riesgo-rendimiento de  las mejores reglas y estrategias de compra con el riesgo-retorno de comprar y mantener EWP. En la Tabla 2 presentamos las cuatro mejores reglas de compra con diferentes estrategias.

Tabla 2: Estadísticas de trading a corto plazo  para el EWP:  1/1 3/1997 a 4/1/2023

Nota: SD significa desviación estándar, y el rendimiento anual se basa en la exposición (promedio diario * 252) -1. 

Las reglas de compra de la Tabla 2 con la estrategia 1 tienen rendimientos anuales de entre 4.5% y 3.44%, mientras que comprar y mantener tiene un rendimiento anual de 1.59%. El riesgo de las cuatro mejores reglas de trading está entre el 6,66 % y el 14,13 %, mientras que el riesgo de B&H es del 33,40 %. Por lo tanto, nuestras cuatro mejores reglas de trading tienen rendimientos más altos y mucho menos riesgo que la estrategia de B&H. La mejor regla de trading de riesgo/recompensa con la estrategia 1 es MA50>MA200 y RSI>65; un trader que siga esta regla con la estrategia 1 comprará EWP si la MA50 de EWP es mayor que la MA200 de EWP y si el RSI (14) de EWP es mayor que 65, cuando se violan estas dos condiciones, el trader venderá todas las posiciones en EWP y depositará los fondos en el mercado monetario. La estrategia 2 es como la estrategia 1, excepto cuando se viola una de las dos condiciones, el operador vende todas las posiciones en EWP y utiliza los ingresos y el EWP corto. La estrategia 2  no mejora el rendimiento promedio anual, pero aumenta el riesgo para el riesgo del Buy and Hold, por lo tanto, concluimos que la estrategia 1 es mucho mejor que la estrategia 2, lo que significa que cuando la regla genera una señal de venta, es mejor estar en el mercado monetario en lugar de vender en corto EWP.

Las cuatro reglas de trading con la estrategia 3 tienen rendimientos anuales de entre el 7,57 % y el 6,02 % y un riesgo de entre el  13,32 % y el 28,26 %, y estos deben compararse con el rendimiento anual de B&H del 1,59 % y el riesgo del 33,40 %.  Una vez más, las mejores reglas de trading con la estrategia 3 tienen un mayor rendimiento y menor riesgo que la estrategia de B&H.

Dos reglas de trading con la estrategia 3 parecen buenas para los traders con mayor tolerancia  al riesgo, pueden tener un rendimiento anual de alrededor del 6% con un riesgo de alrededor del 13,5%, mejor que la compensación riesgo-rendimiento de la estrategia B&H. La estrategia 3 es mejor que la estrategia 4, lo que implica que es mejor depositar los fondos en el mercado monetario cuando la regla emite una señal de venta que vender en corto el ETF.

Veamos la regla de trading de MA50>MA150 y RSI>65 con la estrategia 3, un trader que siga esta regla pedirá prestado en el mercado monetario y duplicará la inversión en EWP si MA50 es mayor que MA150 y si RSI es mayor que 65. Este trader permanecerá invertido en EWP hasta que se viole una de estas dos condiciones, MA50>MA150 y RSI>65, en ese momento el trader venderá para salir de EWP e invertirá los fondos en el mercado monetario. Una vez más, si se cumplen estas dos condiciones, el trader comprará el EWP con margen y este proceso se repetirá durante todo el período.  

Dado que los costos de transacción de operar EWP son cero en los Estados Unidos, no hemos considerado los costos de transacción. Todas las operaciones para las reglas anteriores se realizan al final de cada día. Unos minutos antes del cierre  del mercado, un operador puede estimar  el precio de EWP que activará una señal de compra o venta e iniciar una orden de límite condicional justo antes de que el mercado cierre al final de cada día.  Si un operador no puede estimar el precio de EWP que activa una señal de compra / venta al cierre del  día, el trader puede abrir la orden de compra / venta al día siguiente en la apertura. En resumen, para un operador de baja tolerancia al riesgo, recomendamos una de estas 4 reglas de trading con estrategia  1 y para un operador más tolerante al riesgo, recomendamos una de estas 4 reglas de trading con la estrategia 3. En ambos casos, los operadores tendrán rendimientos anuales más altos  y  un riesgo mucho menor que la estrategia de B&H.

ROBUSTNESS y CONTROL DE DATOS

Un método para comprobar que los resultados son sólidos es dividir todo el período de muestra  en subperíodos. Si  los resultados en cada subperíodo  son similares a los resultados de todo el período, podemos concluir con alta confianza que nuestra metodología es robusta, y nuestros resultados no son el resultado de la causalidad. En la Tabla 3, proporcionamos los  resultados para MA50>MA150 Y  MACD>0 y los resultados para MA50>MA200 Y RSI>65 PARA CADA SUBPERÍODO. Los resultados para las otras dos reglas de trading están muy cerca de estas dos reglas de trading y, para no extender más el presente estudio, no las mostraremos. (Si los lectores lo solicitan, proporcionaremos  eso).  Los dos subperíodos iguales son del 1/1 3/1997 al 2/12/201 0 y del  2/1 3/2  10  al 3/21/2023, lo que implica  3296 días para  el subperíodo 1 y 3295 días para  el subperíodo 2. Como se puede ver en la Tabla 3, las reglas y estrategias de trading que superan la relación recompensa/riesgo de la estrategia B&H en toda la muestra también superan a la estrategia B&H en cada subperíodo. Por lo tanto, podemos concluir razonablemente que nuestras reglas de trading son sólidas. Tomemos la regla de compra de MA50 mayor que MA150 y MACD mayor  que cero con estrategia1,  en el subperiodo 1, esta regla de compra tiene un rendimiento anual del 7,63 % y un riesgo del 15,97 %, por lo tanto, una recompensa al riesgo de 0,48; estos deben compararse con el rendimiento y el riesgo del B & H en el subperíodo 1 o 6,52 % y el 33,57 % implicando una recompensa al riesgo de 0,19 mucho menor que la recompensa a Riesgo de nuestra regla de compra, 0.48. Esta regla de trading con la estrategia 3 en el subperíodo 1 tiene una recompensa al riesgo de 0.44, nuevamente mucho más alta que el B&H de 0.19.  Esta regla de trading  con la estrategia 1 en el subperíodo 2 tiene una recompensa al riesgo de 0,12 y con la estrategia 3 una recompensa al riesgo de 0,06, de nuevo mucho más alta que la recompensa al riesgo del B&H de -0,09 en el subperíodo 2.

Tabla 3: Prueba de robustez: rentabilidad-riesgo para dos períodos de ejecución iguales

Nota: SD significa Desviación estándar, y el rendimiento anual se basa en exponencial (promedio diario * 252) -1.  

Además, hicimos la misma comprobación de solidez para las otras dos reglas de compra en la Tabla 2 y encontramos resultados similares; aquellas reglas y estrategias de trading que superaron la relación recompensa/riesgo de B&H en toda la muestra también lo hicieron en cada subperíodo. (Si se solicita, podemos proporcionar el riesgo/rendimiento de las otras dos reglas de trading). 

CONCLUSIONES

EWP es un fondo cotizado que busca realizar un seguimiento de los resultados de inversión de un índice (MSCI Spain 25/50 Index) compuesto por renta variable española con exposición a grandes y medianas empresas. Los operadores pueden comprar y vender su ETF en muchas firmas de corretaje con cero comisión. En este estudio, sugerimos algunas reglas técnicas de compra que podrían superar la estrategia de B&H tanto a corto como a largo plazo.  Para los operadores a largo plazo, utilizando datos mensuales, sugerimos cuatro reglas técnicas de trading que se pueden utilizar con varias estrategias con mejor rendimiento que el B&H, como se muestra en la Tabla 1. Además, para los operadores a corto plazo, proporcionamos en la Tabla 2 otras cuatro reglas de trading con varias estrategias que pueden superar el rendimiento ajustado al riesgo de la estrategia de B&H. En general, los operadores con una baja tolerancia al riesgo podrían elegir una de estas reglas de trading con la estrategia 1, y los operadores con una alta tolerancia al riesgo pueden elegir una de estas reglas de trading con la  estrategia 3. 

Referencias.

Metghalchi, M., y Cloninger, P. [2022], “Trading Natural Gas Using UNG”, Technical Analysis of Stocks and Commodities, Vol.  40, septiembre, pp. 20-25.

El enigma del sector energético por Sentimentrader

• El sector energético está mostrando fortaleza, generando señales favorables durante 6 a 12 meses a partir de varios indicadores útiles de amplitud.
• Sin embargo, un indicador de amplitud da un aviso de sobrecompra.
• Además, la estacionalidad sigue siendo un motivo de potencial preocupación hasta finales de octubre.

La fuerza a menudo genera fuerza en XLE… pero no siempre de inmediato

El ETF Energy Select Sector SPDR (ticker XLE) ha subido un 17% desde finales de mayo. Esta fortaleza ha atraído mucha atención y hace que muchos inversores se pregunten si es hora de comprarlo o si ya es demasiado tarde. En resumen, los datos son contradictorios.

En el lado positivo, varios indicadores de amplitud han dado señales favorables. El siguiente gráfico muestra los momentos en los que la media móvil de 10 días del indicador XLE Breadth (% > 50 Day Avg) superó el 99%. La señal más reciente se dio el 3 de agosto de 2023.

Lo que nos dice el estudio

Teniendo en cuenta los dos primeros indicadores anteriores, un inversor que esté deseando abrir una posición en el sector energético no debería dudar en hacerlo. La única pregunta es qué tan grande es el compromiso a asumir.

Según los dos segundos indicadores anteriores, los demás podríamos luchar contra la tentación de perseguir el repunte actual y estar atentos a una oportunidad de compra más cercana a finales de octubre de 2023.

Mercado Débil: ¿qué Viene Después? por Brett N. Steenbarger, Ph.D.

Hemos visto un mercado de valores que ha sido bastante débil en las últimas dos semanas. Las tasas de interés más altas a largo plazo han afectado particularmente a los sectores sensibles a las tasas, como los servicios públicos y los bienes raíces, y han proporcionado apoyo a las operaciones relacionadas con el dólar estadounidense. La especulación ha pasado de una recesión inminente a un entorno de inflación «pegajosa» y tasas que es probable que sean «mayores durante más tiempo». Entonces, ¿es el reciente retroceso de las acciones una oportunidad para participar en la tendencia alcista a más largo plazo, o es una advertencia para preservar el capital?

Vamos a dar un paso atrás.

Observo dos problemas entre los participantes del mercado. El primero es construir operaciones sin ideas sólidas subyacentes. Los traders que buscan en los gráficos «setups» son particularmente culpables de este error. El segundo problema es generar un panorama general, narrativas de arriba hacia abajo basadas en datos fundamentales, pero no anclar estos temas en operaciones bien analizadas que proporcionen una recompensa favorable en relación con el riesgo en un período de tiempo más corto. Mi experiencia con participantes exitosos en el mercado es que son tanto inversores como traders. Generan ideas sólidas y generales a través de análisis únicos y rigurosos y luego traducen esas ideas en buenas operaciones evaluando rigurosamente la recompensa del riesgo a corto plazo.

En los términos de Daniel Kahneman, el éxito en los mercados requiere un pensamiento más profundo y lento y un pensamiento más rápido y flexible. En la práctica, esto significa tener estrategias consistentes pero adaptar de manera flexible la implementación de esos marcos en función de las condiciones actuales.

Así que ahora echemos un vistazo al mercado actual:

Me doy cuenta de que, en todo el universo de la Bolsa de Nueva York, hemos visto más de 1500 acciones que alcanzan nuevos mínimos mensuales y menos de 1000 registrando nuevos mínimos de tres meses. Eso es lo que esperaríamos durante una corrección en un mercado en alza. Cuando los mínimos de un mes *y* los mínimos de tres meses son ascendentes (mercado bajista), los siguientes rendimientos de diez días desde 2010 han sido negativos. Cuando los mínimos de un mes han sido altos y los mínimos de tres meses no se han elevado significativamente, los rendimientos de los próximos diez días han sido claramente alcistas, significativamente por encima de la media.

En resumen, el contexto importa.

Al analizar los rendimientos del mercado, no es suficiente examinar un marco de tiempo. Queremos ver cómo el marco de tiempo más corto encaja en el panorama más amplio del mercado.

Vamos a tomar un segundo ejemplo. La semana pasada, mirando a través del universo de la Bolsa de Nueva York, hemos visto muy pocas acciones que dan señales de compra en dos sistemas técnicos de trading, el Wells Wilder Parabolic SAR y el Bollinger Bands. Estos sistemas evalúan la fuerza y la debilidad en marcos de tiempo más cortos (SAR) y medianos (Bollinger). Cuando el número de acciones que proporcionan señales de compra en el SAR ha sido débil, pero el número de acciones que dan señales de compra en la medida de Bollinger ha sido relativamente fuerte, los rendimientos de los próximos diez días desde 2019 han sido de estables a negativos. Cuando hemos tenido pocas señales de compra en ambos sistemas técnicos simultáneamente, los rendimientos de los próximos diez días han sido sólidamente alcistas.

Una vez más, el contexto importa.

A través de una serie de este tipo de análisis, vemos rendimientos medios favorables a corto plazo después de las ventas en los mercados en alza. Esa es la perspectiva de los análisis más lentos y profundos. Ahora, en el futuro, si vemos una presión de venta que no puede resultar en precios más bajos, podemos especular que los osos están atrapados, tendrán que cubrirse, y podríamos apostar por precios más altos en el futuro. Por el contrario, si vemos que la presión de compra es limitada y/o no podemos aumentar el precio significativamente, podemos considerar la idea de que esta vez, de hecho, puede ser diferente y seguir con más análisis y posiblemente con apuestas muy diferentes.

Los traders con más éxito con los que trabajo miran cosas nuevas y diferentes y las ven de maneras nuevas y diferentes. Con el tiempo, los retornos únicos no pueden venir del pensamiento consensuado.

¿Son importantes las valoraciones para el mercado de valores? por Ben Carlson

Robert Shiller tiene una base de datos en línea gratuita de datos históricos del mercado de valores que he estado usando durante años.

Se remonta a 1871, Shiller tiene datos sobre tasas de interés históricas, dividendos, ganancias, inflación y valoraciones.

Su medida de valoración preferida es el ratio precio/ganancias ajustada cíclicamente (CAPE)

La relación media de CAPE que se remonta a 1871 es 17,4 veces la de los 10 años anteriores de ganancias ajustadas a la inflación para el mercado de valores de EE. UU.:

Estamos hablando de más de 150 años de datos, así que este es el muy largo plazo cuando se trata de promedios.

Si nos ceñimos a las valoraciones que se remontan a 1990, de poco más de 400 datos mensuales, el ratio CAPE ha estado por debajo del promedio a largo plazo durante solo 22 meses. Eso es alrededor del 5 % del tiempo.

Eso sí, estas no son valoraciones a niveles de compra muy evidentes, justo por debajo de la media.

Hubo un período de 12 meses de múltiplos por debajo de la media en 1990-91. Las valoraciones no volvieron a estar por debajo del promedio a largo plazo hasta un período de 10 meses en 2008-09.

Así que si esperabas comprar acciones hasta que las valoraciones fueran razonables, tuviste exactamente dos oportunidades en las últimas más de tres décadas.

Y desde 2010, no ha habido una sola lectura mensual que esté por debajo de la media. De hecho, no ha habido una sola lectura mensual por debajo de 19,6 desde finales de 2009.

Después de 2009, no tuviste la oportunidad de comprar cuando las valoraciones estaban por debajo de la media.

Ya en 2010, la gente ya estaba haciendo sonar las alarmas sobre que las valoraciones eran demasiado altas:

Aquí está Henry Blodget en ese momento:

Como muestra la última actualización del ratio PE ajustado cíclicamente del profesor Robert Shiller, las acciones estadounidenses están ahora más del 30 % sobrevaloradas, con 21 veces las ganancias. Eso es más razonable que la sobrevaloración del 100 %+ en 2000, pero se está acercando al nivel de los otros tres picos de burbujas del siglo XX: 1901, 1929 y 1966.

No estaba solo.

Es gracioso mirar hacia atrás en el período de bajas tasas de interés de la década de 2010. Pero en ese momento la gente decía que esas bajas tasas iban a ser la causa de los bajos rendimientos (porque todo tenía un precio de 10 años).

Y la Reserva Federal iba a causar hiperinflación, no un mercado alcista de acciones.

¿Recuerdas la nueva normalidad de PIMCO de bajas tasas, bajo crecimiento y bajos rendimientos del mercado financiero?

Bueno, acertaron dos de tres.

Asistí a innumerables presentaciones en la primera parte de la última década de inversores profesionales que me dijeron que las valoraciones de las acciones de EE. UU. estaban en el percentil 97 o algo así de normas históricas y que deberíamos esperar rendimientos mucho más bajos en el futuro.

Diablos, escribí sobre la psicología de los rendimientos más bajos en 2014.

El mercado de valores de EE. UU. ha estado sobrevalorado el 95 % del tiempo desde 1990, pero ha subido más del 10 % al año en ese momento:

En la década de 2010, el S&P 500 hizo casi un 14 % al año en rendimientos, a pesar de que la gente gritaba sobre lo sobrevalorado que estaba todo:

Y en la década de 2020, una década en la que hemos experimentado una pandemia, un máximo de inflación a 40 años, dos mercados bajistas y uno de los ciclos de aumento de la Reserva Federal más agresivos de la historia, el S&P 500 ha subido más del 11 % al año:

Sé lo que estás pensando: ¡Ben, estás loco! ¿No has leído el informe de investigación de 40 páginas del Financial Analysts Journal que muestra lo importantes que son las valoraciones?

Sí, probablemente lo haya leído. Conozco los datos. He escrito sobre ello muchas veces antes.

No estoy diciendo que esto continúe. No soy ingenuo.

En algún momento, los rendimientos superiores a la media conducirán a rendimientos inferiores a la media. Así es como funcionan los promedios a largo plazo en el mercado de valores.

Mi punto aquí es que nosotros en la comunidad de inversión, incluido yo mismo, probablemente prestamos demasiada atención a las valoraciones.

Comprender la historia del mercado financiero es absolutamente un requisito previo cuando se trata del éxito de la inversión.

Pero convertirse en un esclavo de los datos no conduce a nada si no lo pones en contexto.

Lo curioso es que esos promedios históricos que ahora usamos con fines de comparación eran completamente desconocidos para el 99 % de los inversores que vinieron antes que nosotros en el mercado de valores.

O bien no tenían los datos o el conocimiento o el cuidado para entender esos fundamentos. Conocer las valoraciones probablemente ha llevado a perder más dinero a la gente a lo largo de los años de lo que les ha hecho ganar.

No estoy diciendo que las valoraciones no importen en absoluto. Probablemente importan más para las acciones individuales que para el mercado en general, pero las valoraciones sí importan en los extremos (como en 1999, por ejemplo).

Es solo que los mercados rara vez llegan a los extremos. La mayoría de las veces estamos en medio de una locura barata e increíblemente cara.

La gente presta demasiada atención a las valoraciones del mercado de valores.

Hay muchos otros factores que importan más que las valoraciones. Cosas como la demografía, las decisiones de asignación de dinero, el apetito por el riesgo de los inversores, la prevalencia de los vehículos de jubilación con impuestos diferidos, los billones de dólares controlados por los asesores financieros, cómo se posicionan las instituciones y más.

Los últimos 15 años de rendimientos del mercado de valores de EE. UU. son un maravilloso ejemplo de lo difícil que es predecir lo que va a pasar a continuación.

Claro, nadie podría haber sabido que la Reserva Federal mantendría las tasas al 0 % durante tanto tiempo. Nadie esperaba que las acciones tecnológicas crecieran a niveles gigantescos. Y nadie tenía ni idea de que una pandemia haría que los gobiernos de todo el mundo gastaran billones de dólares.

Pero tal vez ese sea el punto.

Predecir el futuro es difícil, especialmente cuando se trata de los mercados.

Al mercado de valores no le importan mucho los promedios históricos la mayor parte del tiempo.

¿Importan las valoraciones?

La mayoría de los inversores probablemente estarían mejor si las ignoraran la mayor parte del tiempo.

Michael y yo hablamos de las valoraciones del mercado de valores y mucho más en el vídeo de Animal Spirits de esta semana:

Suscríbete a The Compound para que nunca te pierdas ningún episodio.

Las peores caídas o crash de un solo día y los mayores eventos geopolíticos del siglo pasado por Quantpedia

Dedicamos varios artículos a cómo crear un histórico de 100 años para bonos, acciones y materias primas. Ahora analizaremos las 50 peores caídas o crash producidos en un solo día y los días siguientes en cada una de las clases de activos mencionadas anteriormente. Además de eso, también observamos cómo se comportó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Además, la segunda parte de este artículo se centrará en algunos eventos geopolíticos críticos (el comienzo de grandes guerras, crisis internacionales y el deterioro de la salud de los presidentes de EE. UU.) y su efecto en los bonos, las acciones, las materias primas y la estrategia de seguimiento de tendencias de activos múltiples.

Las peores caídas de un solo día

Caídas de un día en los mercados de bonos

En primer lugar, ordenamos los rendimientos diarios de peor a mejor. Luego tomamos los 50 peores retornos de un día y analizamos las próximas dos semanas después de crash de un día.

La siguiente figura representa las curvas de equidad de los bonos durante un mes después del crash de un día. La figura también muestra el rendimiento promedio y el percentil 10 y 90.

La tabla anterior muestra la distribución del rendimiento durante el crash de un día (columna del primer día), el rendimiento del mercado de bonos una semana y un mes después del crash, la duración promedio de la caída después del crash (#días hasta la recuperación) y el drawdown máximo durante el período que viene después del crash (min hasta la columna de recuperación). La distribución del rendimiento es interesante, ya que muestra que el mercado de bonos, en promedio, se recuperó después del crash de un día (percentil 50). Pero hay un número significativo de eventos en los que el mercado de bonos siguió cayendo incluso un mes después del crash de un día (percentiles 0 a 25). Así que seguramente no podemos contar con un fuerte giro a la media después de los crashs de un día.

En segundo lugar, analizamos cómo se comportó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Y como podemos ver, la estrategia funcionó mucho mejor en comparación con los bonos. La estrategia de tendencia está diversificada y no está significativamente influenciada por el impacto negativo de un día en los bonos.

Crash de un día en acciones

Nuevamente, el primer paso fue clasificar 100 años de rendimientos diarios de peor a mejor. Luego tomamos los cincuenta peores rendimientos de un día y analizamos el mes siguiente al impacto de un día.

La siguiente figura representa las curvas de equidad de las acciones durante un mes después del crash de un día. La figura también muestra el rendimiento promedio y el percentil 10 y 90.

Una vez más, la distribución del rendimiento muestra que el mercado de valores, en promedio, se recuperó después del crash de un día (percentil 50). Pero al igual que en los bonos, hay un número significativo de eventos en los que el mercado de valores continuó cayendo incluso un mes después del crash de un día (percentiles 0 al 25).

Y también analizamos cómo se desempeñó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Como antes, la estrategia de tendencia está diversificada y no está influenciada significativamente por el impacto negativo de un día en las acciones.

Crash de un día en materias primas

Por último, ordenamos los rendimientos diarios de las materias primas de peor a mejor. Tomamos los cincuenta peores rendimientos de un día y analizamos el mes siguiente al crash de un día.

La siguiente figura representa las curvas de renta variable de las materias primas durante un mes después del crash de un día. La figura también muestra el rendimiento promedio y el percentil 10 y 90.

En promedio, las materias primas son el activo con las características de reversión a la media más débiles. En la mayoría de los casos (percentil 50), las materias primas continúan cayendo incluso un mes después del crash de un día.

Y también analizamos cómo se desempeñó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Como muestra la siguiente tabla, la estrategia tiene una rentabilidad media positiva durante los períodos que siguen a las mayores perturbaciones de las materias primas.

Los mayores eventos geopolíticos del siglo

De manera similar a las figuras que ilustramos arriba, también analizamos períodos de tiempo posteriores a los eventos más significativos del siglo. Los clasificamos en tres categorías:

• grandes guerras,
• crisis internacionales,
• Mercado de valores y salud del presidente de EE. UU.

Analizamos el desempeño del mercado estadounidense (acciones) y la estrategia de seguimiento de tendencias de activos múltiples durante los períodos mencionados anteriormente.

Guerras mayores

En esta sección, analizamos nueve guerras y observamos el desempeño del mercado estadounidense y la estrategia de seguimiento de tendencias de múltiples activos durante los períodos posteriores a estos eventos. Las guerras que examinamos son:

• Pacto Ribbentrop-Molotov (preludio del inicio de la Segunda Guerra Mundial) – 23.8.1939
• Alemania ataca a Francia en la Segunda Guerra Mundial – 10.5.1940
• Ataque de Pearl Harbor en Japón – 7.12.1941
• Comienzo de la Guerra de Corea – 25.6.1950
• Comienzo de la Guerra de Suez – 29.10.1956
• Comienzo de la guerra árabe de Israel – 29.10.1973
• Irak invasión de Kuwait – 2.8.1990
• Comienzo de la Guerra de Irak – 20.3.2003
• Rusia ataca Ucrania – 24.2.2022

La siguiente figura muestra el rendimiento de las acciones durante los períodos posteriores a los principales eventos, así como el rendimiento promedio (línea negra) y los percentiles 10 y 90 (línea roja discontinua).

Un análisis rápido muestra que el desempeño del mercado de valores después del comienzo de la guerra no es uniforme. Algunas guerras impactan el mercado de valores más que otras. En promedio, el riesgo máximo hasta un mes es -17%. En promedio (línea negra en el gráfico), el mercado de valores no se ve muy afectado.

Como muestra la siguiente figura, el desempeño promedio de la estrategia de seguimiento de tendencias de múltiples activos fue positivo incluso durante guerras importantes.

Crisis Internacionales

En segundo lugar, ampliamos nuestro estudio de crisis de la guerra fría y observamos los factores desencadenantes de quince crisis internacionales, que incluyen:

• Bloqueo de Berlín – 18.6.1948
• Primera bomba atómica soviética – 23.9.1949
• Primera bomba de hidrógeno soviética – 20.8.1953
• Revolución húngara de 1956 – 4.11.1956
• Sputnik 1 – 4 de octubre de 1957
• Cuba – Bahía de Cochinos – 17.4.1961
• Crisis del Muro de Berlín de 1961 – 13.8.1961
• Crisis de los misiles cubanos – 22.10.1962
• Ofensiva del Tet (parte de la Guerra de Vietnam) – 30.1.1968
• Masacre de los Juegos Olímpicos de Munich – 5.9.1972
• Crisis de los rehenes iraníes – 5.10.1979
• Comienzo de la Guerra Irak-Irán – 22.9.1980
• Bombardeo de Kosovo – 23.3.1999
• 9/11 – 11.9.2001
• Primavera Árabe (Egipto) – 25.1.2011

La siguiente figura muestra el desempeño de las acciones durante los períodos posteriores a los principales eventos, así como el rendimiento promedio (línea negra) y el percentil 10 y 90 (línea roja discontinua). Podemos ver que el período de crisis suele ser de corta duración, con una reducción máxima promedio el octavo día después del inicio de la crisis y una recuperación casi completa un mes después de la crisis.

Como muestra la siguiente figura, el desempeño promedio de la estrategia de seguimiento de tendencias de activos múltiples fue nuevamente positivo durante las crisis internacionales.

Mercado de valores y salud del presidente de EE. UU.

Por último, examinamos cómo la salud de los presidentes estadounidenses afectó al mercado estadounidense durante los últimos 100 años. Analizamos los siguientes eventos:

• Ataque al corazón de Eisenhower – 25.9.1955
• Asesinato de Kennedy – 22.11.1963
• Intento de asesinato de Reagan – 30.3.1981
• Trump dio positivo por COVID19 – 2.10.2020

Sorprendentemente, la salud del presidente estadounidense no afecta tanto al mercado como se podría pensar. La siguiente figura muestra el desempeño de las acciones durante los períodos antes mencionados, así como el rendimiento promedio y el percentil 10 y 90. Podemos ver que, en promedio, el mercado de valores se vio afectado por los problemas de salud del presidente de EE. UU. solo durante dos días hábiles.

¿Stops basados en dólares o en el ATR? por Kevin Davey

• Al programar una estrategia o usar un sistema, hay multitud de variables que debemos elegir con cuidado si queremos tener los mejores resultados. Uno de ellos tiene que ver con el uso de los stop loss. ¿Cómo determinar los stop loss de mi estrategia? En este artículo veremos varias formas de hacerlo.
• Artículo publicado en Hispatrading 55.

Recuerdo cuando me metí por primera vez en el mundo del trading y el trading algorítmico. Todo era un misterio:

• ¿Qué tipo de señales debo usar para entrar?
• ¿Qué tipo de stop loss?
• ¿Qué método de dimensionamiento de posición es mejor?

La lista seguía y seguía. ¡Tanto que aprender!

Pero para cada una de esas preguntas, la respuesta que escuché una y otra vez fue clara:

“Para detener las pérdidas, SIEMPRE use stops de volatilidad usado el rango real promedio (ATR), en otras palabras, un stop loss de pérdidas ATR. ¡Solo los tontos y los traders poco sofisticados usan stops basados en dólares!”

Entonces, por supuesto, usé stops basados en ATR. Tenía sentido, después de todo. El stop loss se basaba en las condiciones del mercado: stops más grandes en condiciones más volátiles, stops más pequeños durante tiempos de poca volatilidad.

Nunca lo cuestioné.

Tal vez debería haberlo hecho.

¿Qué es el rango real promedio?

Mucha gente se confunde con el término “average true range” o «rango real promedio», pero en realidad es bastante simple.

En primer lugar, todos deberíamos saber qué es el «rango». Es simplemente el máximo de una barra menos el mínimo de la barra.

El rango real promedio (o ATR para abreviar) es una modificación de esto, para tener en cuenta la barra donde el precio de cierre de la barra anterior estaba fuera del rango de la barra actual.

Esto puede sonar un poco complicado, pero afortunadamente cada plataforma de trading tiene un rango real incorporado. El rango real promedio es solo el promedio de los valores pasados x rango real.

El rango real promedio resulta ser un buen indicador de la volatilidad de un mercado: valores más altos del rango real promedio apuntan a un mercado más volátil.

Stop Loss ATR

Mucha gente piensa en el stop loss en cantidades en dólares, como un stop loss de $ 1.000. Pero el rango real promedio se puede usar en su lugar.

Por ejemplo, el stop loss podría establecerse en 2 veces el rango real promedio de las últimas 14 barras.

ATR de divisas

Dado que ATR es una medida de volatilidad basada únicamente en los precios de las barras, puede usar este indicador para acciones, futuros, divisas e incluso criptomonedas.

Bien, una vez visto lo más básico sobre este tema, volvamos a nuestro debate sobre los stops loss ATR.

A decir verdad, siempre me disgustaron los stops basados en la volatilidad (ATR). A veces, el stop fue enorme en términos de dólares. Otras veces, era minúsculo. A veces no me parecía bien.

Aquí hay un ejemplo de lo que quiero decir. La «sabiduría popular» decía «establezca su stop en un múltiplo de 3 veces el rango real promedio de 14 períodos». Veamos un ejemplo para el futuro del petróleo crudo, el oro y el mini S&P:

Lo siento, pero el resultado en dólares, destacados en amarillo, me asustan muchísimo. Incluso los valores mínimos son algo altos.

Cómo usar el indicador ATR

Aquí hay otro buen ejemplo del problema con los stops ATR. Suponga que tiene una cuenta de $ 20K y negocia 1 contrato del futuro del SP500, el ES. Utiliza un stop loss ATR con un multiplicador de 0,5. Entonces, a mediados de octubre tienes una señal. Su stop es 0,5*9,41*50 = $235, que es el 1,2 % de su cuenta. ¡Este es un cálculo bastante simple!

Ahora avance rápido 4 meses. Obtienes una señal. El stop ATR ahora es 0,5*77,39*50 = $1935, o el 9,7 % de su cuenta. ¡En 4 meses su stop se multiplicó por 8!

Stops en dólares

No obstante un día decidí probar los stop loss basados en dólares. $ 500, o $ 1000 por límite de pérdida de contrato. Una locura, según todo lo que leo.

¿Pero adivinas qué? De hecho, mi rentabilidad mejoró. Estos stops basados en dólares «irracionales» en realidad funcionaron mejor que los stop loss ATR.

Recuerdo tener miedo de mencionar esto a otros traders, por miedo al ridículo. Así que seguí adelante, usando mis stops basados en dólares. Incluso gané un campeonato de trading por el camino.

Mucho después. Un día del 2016, estaba en Nueva York con mi amigo (y colega trader) Andrea Unger. Compartí mi profundo y oscuro secreto con él.

Esperé el inevitable menosprecio. Lo que dijo en cambio me sorprendió.

“Claro, también los uso. Los stop loss basados en dólares pueden funcionar muy bien”.

Me quedé boquiabierto. ¿Era incorrecta la sabiduría popular con la que me habían alimentado? Si es así, ¿qué pasa con todas las demás «verdades» del trading, como «corte sus pérdidas, deje correr sus ganancias», «nunca permita que una operación ganadora se convierta en perdedora» y «siempre opere con un stop loss»?

Por eso, de ahí la pregunta. Qué es mejor: ¿los stop loss basados en dólares o los stop loss basados en volatilidad (rango real promedio)?

Analicemos esto en 4 partes:

Parte 1: Ejecuto pruebas para comparar, en varios mercados, con 4 estrategias diferentes.

Parte 2: Presento algunas ideas nuevas y formas de incorporar las mejores características en stops basados en dólares y stops ATR.

Parte 3: Proporciono todo el código y los espacios de trabajo para que pueda duplicar y ampliar mi estudio.

Parte 4: Doy un código de recursos extra, útil para todos.

¡Pasemos a la Parte 1!

Consejo de trading algorítmico

Parte 1: Stops en dólares vs. Stops basados en ATR

Hagamos algunas pruebas, en 3 mercados diferentes:  Petróleo

crudo Mini S&P (ES) Oro (GC).

Y probemos 4 estrategias diferentes (entradas largas y cortas simétricas, solo se muestran las reglas para las posiciones largas):

Estrategia 1: impulso simple (si cierra > cierra [x], entonces compra)

Estrategia 2: RSI de 2 períodos (si RSI (2) > comprar por encima)

Estrategia 3 – Contratendencia a corto plazo (si close<close[long length] y close>[short length] comprar)

Estrategia 4 – Estrategia de Bollinger (si el cierre cruza por debajo de -1 Std Dev BB, comprar. Vender cuando cruza por encima de la línea 0 de Bollinger)

Esta es una combinación de estrategias de seguimiento de tendencia y reversión a la media. Solo seleccioné al azar algunas estrategias simples, para ver el impacto de varios stops. No digo que estas sean estrategias viables.

Así es como se ve mi espacio de trabajo de prueba: 12 combinaciones de estrategias y mercados.

Para esta prueba, usaré barras diarias y haré pruebas durante 5 años. Incluyo valores representativos de deslizamiento y comisión en los resultados (¡siempre es una buena práctica!). Para simplificar, operaré 1 contrato siempre, sin piramidación.

¿Cómo analizo el rendimiento?

Cuando evalúo una estrategia, uso la métrica de retorno/drawdown de mi hoja de cálculo del simulador de Monte Carlo. Pero para hacerlo sencillo, solo usaré el factor de beneficio como el criterio objetivo de «bueno». Se correlaciona positivamente con el retorno/drawdown y es mucho más simple de obtener. Por lo tanto, es una buena métrica para usar.

Primero, veamos los resultados de referencia para cada estrategia, sin stops (aparte de las salidas y las condiciones de stop e inversión descritas anteriormente).

Con el escenario de referencia, tenemos una buena variedad de factores de beneficio. Algunas estrategias son francamente malas (Oro #2, Oro #4, Mini S&P #2) y otras son realmente buenas (Crudo #3, Mini S&P #3). Entonces, esto nos dará una buena combinación de resultados para evaluar la efectividad del stop loss.

Stop Loss simple en dólares

En Tradestation, el código para este stop loss simple basado en dólares es:

SetStopLoss(XX); //XX es en dólares por contrato.

Probaré 3 valores de stop loss: $500, $1250 y $2000. Estos valores son bastante razonables para muchos mercados. Para el informe, promediaré los resultados juntos, en lugar de elegir un resultado optimizado.

Es posible que se sorprenda de tan grandes pérdidas en dólares. A muchas personas les gusta tener un stop loss de $100, con la idea errónea de que un stop loss pequeño es mejor. El problema es que el stop loss de $100 se ejecuta con MUCHA más frecuencia que el stop loss de $500, y cualquier beneficio de una pequeña pérdida se contrarresta con la frecuencia con la que son alcanzados los stop loss.

En Tradestation, el código para este stop loss simple basado en dólares es:

SetStopLoss(XX * AvgTrueRange(14)*BigPointValue); //XX es el multiplicador ATR (resultado en dólares por contrato).

Probaré 3 valores del multiplicador ATR: 1, 2 y 3. Estos valores son bastante razonables para muchos mercados. 3 parece ser especialmente popular. Una vez más, al igual que con el stop loss en dólares, cuanto menor sea el número, menor será la pérdida, pero con más frecuencia se alcanza.

A modo de comparación, la pérdida máxima en dólares para el supuesto de 3x ATR podría ser de $ 10,000 o más por contrato (en comparación con el máximo de $ 2,000 para el caso de stop en dólares).

En caso de que no entienda realmente el rango real promedio (que es diferente del rango normal alto menos bajo), aquí hay una buena explicación gráfica:

Sin embargo, no se preocupe: casi todas las plataformas de trading incluyen «Rango real» y «Rango real promedio» como cálculos estándar, ya integrados.

El rango real promedio de 14 períodos es solo el promedio de los 14 valores anteriores de rango real.

Resultados

Aquí están los resultados. Para cada estrategia, he comparado la estrategia basada en stops en dólares y en el rango real promedio. En la Figura 11, el cuadro sombreado en verde tiene el factor de beneficio más alto.

Como verificación de los resultados, decidí realizar ejecuciones adicionales en la estrategia n.° 2 para el oro, donde los stop loss basado en dólares y los stop loss basados en ATR eran casi iguales. En una amplia gama de variables de entrada y variables de stop loss (más de 500 iteraciones para cada caso), la distribución de los factores de beneficio en cada caso es bastante similar. Esto es lo que se esperaba.

El mejor Stop Loss basado en ATR

Mis observaciones

El escenario «No Stop» es mejor que el ATR Stop o el Dollar Stop.

El Stop basado en ATR o ATR Stop supera al Stop basado en dólares o el Dollar Stop el 66% de las veces, aunque muchos de los factores de beneficio resultantes son extremadamente similares entre sí.

Hay 4 de 12 casos en los que el stop basado en ATR es mejor que el stop basado en dólares en un 10% o más. Esto tiene sentido, ya que los stop loss usando ATR en términos comparativos en dólares suelen ser más grandes que los stop loss en dólares.

Conclusiones

El pensamiento popular “siempre use un stop loss basado en ATR, nunca use un stop loss basado en dólares” no está respaldado por los resultados. Para los casos que ejecuté, el stop basado en ATR fue mejor que un stop loss en dólares en la mayoría de los casos, pero en un tercio de los casos el stop en dólares fue mejor. Tal vez un es más acertado decir «los stop loss basados en ATR son mejores que los stop loss basados en dólares», ¡pero no de forma tan dogmática!

Cómo puede usar estos resultados

Entonces, ¿qué le dice este estudio y cómo puede usar los resultados?

Bueno, en primer lugar, tenga en cuenta que el dicho «siempre use stops ATR» es más una tontería que un consejo útil. La verdad es que los stop loss en dólares y los stop loss ATR pueden ser útiles.

La clave en cualquier caso es probar su enfoque a fondo. No haga suposiciones sobre lo que es mejor: ¡pruébelo!

También tenga en cuenta que ambos enfoques tienen inconvenientes.

Inconvenientes con los stop loss en dólares

Con stop loss en dólares es bueno saber, por ejemplo, que puede perder solo $ 1000 por operación.

Pero los stop loss en dólares no son buenos cuando el mercado se vuelve muy volátil. El petróleo crudo durante la crisis financiera de 2008 fue un buen ejemplo. Los movimientos diarios de $ 6,000 no eran infrecuentes. Tales movimientos simplemente diezmarían una estrategia con stops de $ 1000.

Inconvenientes con los stop loss de ATR

Si los stop loss de ATR parecen la respuesta a los mercados volátiles, es porque es en parte cierto. Eso es, por supuesto, si está dispuesto a aceptar grandes pérdidas. Muchos de nosotros no podemos. Tal vez la solución sea simplemente mantenerse al margen si la volatilidad se vuelve demasiado extrema.

Mi mayor problema con los stop loss de ATR es que para algunas operaciones mi stop loss (en cantidades en dólares) es razonable, y otras veces no lo es. He visto stops ATR demasiado elevados y también demasiado pequeños.

Lo bueno de los stop loss ATR es que cambian con la volatilidad. Es posible que no funcionen bien en situaciones de volumen extremadamente alto o bajo.

Conclusión

Para resumir, tanto los stop loss en dólares como los stop loss en ATR pueden ser útiles. Y ambos pueden ser terribles. Una buena idea podría ser probar ambos y ver cuál funciona mejor (y cuál te gusta más) para tu situación particular.

Tengo estrategias que usan stops ATR. Y tengo incluso más estrategias que usan stops en dólares, que prefiero personalmente.

Es una lástima que no haya una manera de incorporar las mejores partes de ambos stops.

O…

Tal vez haya formas de conseguir “lo mejor de ambos mundos”. Ofreceré algunas sugerencias en la Parte 2.

Parte 2: Mejorar los stop loss en dólares y los stop loss ATR

En la Parte 1, realicé un estudio sobre el viejo adagio «siempre use stops basados en ATR”.

Mis conclusiones:

• Los stop loss ATR pueden ser mejores que los stop loss en dólares en muchos casos.
• Los stop loss de ATR pueden ser muy grandes en términos de dólar por contrato.
• Los stop loss de dólares no pueden reaccionar fácilmente a los cambios rápidos en la volatilidad del mercado.

Cuando los stop loss de ATR son muy amplios, es casi como no tener ningun stop loss, especialmente si el ATR cambia rápidamente de grande a pequeño.

Debe tener cuidado con los stop loss de ATR en la parte alta, ya que las pérdidas pueden ser enormes. Y en el lado bajo, las pérdidas pueden ser rápidas y frecuentes.

Del mismo modo, los stop loss en dólares también pueden causarle problemas. Lo que podría ser un stop en dólares realista y razonable para usted (digamos $500) podría ser totalmente irreal para el mercado en el que está operando. ¡El ruido aleatorio en el mercado podría eliminarlo muy rápidamente!

Por lo tanto, sería bueno tomar las mejores características de los stop loss en dólares y los stop loss ATR, y ver si se pueden usar juntas para mejorar la situación.

Podemos hacerlo de tres maneras diferentes:

1.  Tener un límite inferior, establecido como una cantidad en dólares, hasta el stop ATR. Por ejemplo, use un stop loss 1x ATR, pero asegúrese de que sea de al menos $ 500 dólares. Esto evitará problemas de baja volatilidad, donde el stop se vuelve bajo porque la volatilidad es realmente baja. Esto se denominará «Stop mínimo en dólares/ATR». También se le llamará el enfoque de «suelo».

2.   Tener un límite superior, establecido como una cantidad en dólares, hasta el stop ATR. Por ejemplo, use un stop loss 3x ATR, pero asegúrese de que nunca supere los $2000 dólares. Esto evitará problemas de volatilidad alta/extrema, donde el stop se convierte en demasiado alto en términos de dólares. Esto se denominará «Max Dollar/ATR Stop». También se le llamará el enfoque de “techo”.

3. Tener un límite superior e inferior, expresado en dólares. Por ejemplo, use un stop loss 2x ATR, pero con un mínimo de $500 y un máximo de $2000. Esto se denominará «Stop mínimo-máximo en dólares/ATR». Esto también se denominará el enfoque de «suelo y techo».

¿Cómo sabemos cuál elegir? Simple, como siempre, ¡tienes que probar!

Entonces, realicé pruebas con la misma configuración que en la Parte 1. El monto mínimo siempre se establece en $500 para que coincida con la prueba de la Parte 1, y el límite máximo se establece en $2000.

Para cada estrategia y cada mercado, ejecuté los 3 casos mencionados anteriormente.

Resultados

Los resultados se muestran a continuación. Se comparan con el mejor de los casos ATR/Dollar Stop (columna verde). El “ganador” general en cada caso está resaltado en amarillo.

Mis observaciones:

Ese sonido de «ruido sordo» que escuchas son estos resultados que se desploman. A veces, añadir un suelo y/o techo a el stop es útil, otras veces no. Pero en la mayoría de los casos, el cambio en los resultados es bastante pequeño. El suelo y el techo no degradan los resultados, pero tampoco ayudan mucho.

Sinceramente, esperaba una mayor diferencia al añadir estos stops. Pero en lo que respecta al rendimiento, ¡estaba equivocado!

Sin embargo, el resultado es una lección interesante para todos. No importa cuánto le guste algo (entrada, salida, enfoque de gestión de dinero, lo que sea), y no importa cuánto PIENSE que algo debería funcionar, su opinión NO (y no debería) IMPORTAR.

Entonces, ¿vale la pena usar este nuevo stop compuesto? Basado solo en los números, tendríamos que decir que no.

Pero, usar el enfoque de suelo y techo todavía tiene un gran beneficio psicológico. Con el suelo, es bueno saber que una estrategia no tomará stops excesivamente pequeños, en caso de que la volatilidad caiga en picado.

Y con el techo, me gusta saber que mi pérdida máxima está básicamente limitada (ignorando el deslizamiento excesivo del stop) en un valor que yo elija.

Entre el suelo y el techo, el stop real se basa en la volatilidad reciente, que también es reconfortante saber.

Conclusiones

Al concluir las partes 1 y 2, está bastante claro que los stop loss en dólares son una alternativa decente a los stop loss ATR. A veces, los stop loss en dólares son mejores y otras veces pueden ser significativamente peores.

Mi estudio encontró los fallos del dicho popular «siempre hay que usar stops basados en ATR, no stops en dólares».

Si se añaden suelos y techos al nivel del stop, el rendimiento no cambia drásticamente. Muchos traders encontrarán útiles estos límites inferiores y superiores, al menos mental y emocionalmente.