Cuando julio es alcista… por Sentimentrader

• Con el mes de julio subiendo, el S&P 500 ha marcado el quinto mes consecutivo al alza.
• Esto ha sucedido solo 29 veces desde 1949.
• El S&P 500 estuvo en niveles superiores nueve meses después el 75% del tiempo.

Cinco meses al alza para el índice S&P 500 es raro, y alcista

Desde 1949, ha habido solo 29 ocasiones en las que el índice S&P 500 mostró una ganancia mensual durante cinco meses consecutivos. La siguiente tabla muestra las fechas y el comportamiento posterior del S&P 500 para cada una de las señales anteriores.

Lo que nos dice el estudio

Ningún indicador por separado puede servirnos para tomar decisiones de inversión. Y ningún indicador es infalible. Aún así, la historia ha demostrado de muchas maneras que el impulso en el mercado de valores puede ser una fuerza poderosa. No hay garantía de que los precios de las acciones suban sin esfuerzo solo porque el S&P 500 cierra al alza durante cinco meses consecutivos. Las caídas, la volatilidad y las pérdidas ocasionales son inevitables. Hemos visto el quinto cierre mensual consecutivo alcista. La historia sugiere que este hecho le daría más motivos para seguir subiendo.

Relaciones esenciales GAP – Volumen: Las Bandas GSR por Raúl

• ¿Puede el volumen determinar la dirección de los mercados? En este artículo se analizará al detalle un estudio publicado hace tiempo y su posible aplicación a otros mercados.
• Artículo publicado en Hispatrading 55.

Intentando buscar una relación entre los gaps de apertura, y una de las últimas variables fundamentales del mercado de valores, el volumen de negociación, encontré una artículo de hace 23 años de Murillo, R. y Lobato, A. (2000), “La relación entre el PRECIO y el VOLUMEN en la BOLSA ESPAÑOLA”, Revista Bolsa de Madrid 87, pp. 24-27. con el volumen del mismo, concluyendo que este era incluso más efectivo que los tipos de interés, para determinar la evolución de este índice. 

El objetivo de este artículo es comprobar si esa hipótesis, la de que el volumen replica la evolución del mercado total, aún sigue siendo válida para el selectivo español. Así como vislumbrar si esta se replica en otros activos, a la par que ver cómo podría encajar dentro de la teoría de los gaps de apertura que llevo 2 desarrollando.

Para comprobarlo, tomamos una muestra de datos diarios sobre 26 índices bursátiles de Europa, Asia y América, comprendidos en el periodo 04/03/2009 al 30/12/2022, salvo el Ibex 35 que se estudia en el período 1991-2022. Todo ello a fin de corroborar si la hipótesis del artículo antes citado es correcta o no. Respecto a la fuente de datos, estos ha sido extraído de la web Investing.com, elegida por la gran cantidad de activos disponibles, y solo tras comprobar y concluir que los datos de volumen de esta, son iguales a los de Visual Chart o Yahoo Finance. Si se solucionan los problemas de la muestra de Investing.com (se dividen tramos de la muestra entre 10, existencia de ceros intercalados en la serie temporal…). El listado total de activos analizados es el siguiente.

Destacar que para obtener todos los resultados y bandas GSR que presentamos en el presente artículo, se ha recurrido a las siguientes formulaciones:

Gap: Acumulado de la rdt diaria del gap medida por el Ln (Open t / Close t-1)

Market: Acumulado de la rdt diaria del market medida por el l Ln (Close t / Open t)

Total Market: Acumulado de la rdt diaria del total market  medida por el Ln (Close t / Close t-1)

Volumen y volatilidad: Para obtener los valores de estas dos variables, primero se procedió a calcular una media móvil a 25, 50, 100 o 200 periodos. Posteriormente se procedió a hallar la variación diaria de dichos datos mediante el Ln (Volumen y Volatilidad en t / Volumen y Volatilidad ent-1) sobre la media móvil antes calculada. Finalmente se procede a acumular sus valores diarios. Todo ello a fin de dar a estas variables una tendencia más suavizada en el tiempo. 

Relación entre el mercado y el volumen en el selectivo español

Si tomamos como referencia el artículo de BME antes citado, el cual abarca el periodo 1987-1998 (gráfico de la izquierda), observamos como la evolución del volumen sigue la misma tendencia que la evolución del IGBM. Si ahora continuamos la muestra anterior hasta la actualidad (gráfico de la derecha), ratificamos como el componente total market (gap + market) de Ibex35, tiene una evolución porcentual casi idéntica a la de su volumen de negociación. 

Figura 2. Evolución IGBM y volumen 87-98.

Figura 3. Evolución IBEX35 y volumen 96-23.

Corroborado que los resultados del primer artículo son consistentes en el futuro, solo nos queda preguntarnos si esta hipótesis también es válida para otros índices bursátiles, o si por el contrario pudiera existir una relación entre el volumen y los gaps de apertura.

Relación entre los gaps de apertura y el volumen en otros activos

Ahora, y alejándonos del selectivo español, buscamos esas mismas relaciones con el volumen en otros índices. Para ello recurrimos a la muestra de los 26 activos antes citados, y mostramos como ejemplo los casos de DAX40, DOW30, HSI y CAC40.    

Figura 4. Relaciones con el volumen en el DAX40.

Figura 5. Relaciones con el volumen en el DOW30.

Figura 6. Relaciones con el volumen en el HSI.

Figura 7. Relaciones con el volumen en el CAC40.

Comprobamos como no en todos los activos existe la misma relación volumen – mercado. Ya que si analizamos las gráficas anteriores, observamos como el volumen del IBEX35 sigue la tendencia del total market, el DAX40 la del total market con signo negativo, el volumen del CAC 40 evoluciona a la par que el gap futuro con signo negativo, y el HSI y el DOW30 con la del gap contado.

Entonces, qué está pasando, a primera vista pareciese que los resultados careciesen de ningún tipo de lógica. Sin embargo, la existencia de estas diferencias, la presencia de valores negativos en las mismas, y el hecho de que la evolución porcentual del volumen del contado y futuro no es la misma.  Nos hace pensar que pudiere existir una relación entre los componentes de la rentabilidad y su volumen negociado.

Figura 8. Volumen del contado y futuro del DOW30

Figura 9. Volumen del contado y futuro del EUROSTOXX50

La lista de las relaciones entre volumen con los componentes de la rentabilidad, tanto en su versión al contado como del futuro, figura en el anexo de este trabajo, y ellas se representan tanto gráficamente, como  de forma numérica a través del coeficiente de correlación. A modo de resumen se presentan las siguientes tablas, en la cuales se hace un recuento de los niveles de correlación al 50%, 65% y 75%. Y donde se concluye que el volumen negociado del contado y del futuro, suele seguir la tendencia acumulada del gap de apertura, en lugar de la del componente market o total market.

Figura 10. Recuento de correlaciones volumen-componentes de la rdt

Relación entre los gaps de apertura y el volumen: Las Bandas GSR

Una vez mostrado que existe una relación directa entre los gaps de apertura y el volumen negociado, tanto en los activos al contado como en los futuros. Nos planteamos que más relaciones pudieran existir entre todos ellos. Y para comprobarlo, volvemos a recurrir al índice IBEX35, graficando la variación del volumen a c/p junto a ciertos componentes de la rentabilidad del mismo.

Figura 11. Bandas de Bollinger lp del IBEX35.

Figura 12. Bandas GSR del IBEX35.

Se observa como el componente gap del futuro, junto al componente market con signo negativo del contado del IBEX35, actúan como una especie de Banda de Bollinger, y sobre las cuales rebota el volumen negociado del futuro del esté índice financiero.

De nuevo, nos volvemos a preguntar si se trata de un caso exclusivo del selectivo español, o si por el contrario se replica en más activos. Para ello, se procede a graficar lo que en este estudio he denominado “Las Bandas GSR”, para el resto de los 25 índices que tomamos como muestra inicial,  tanto en su versión al contado como en su versión futuro. 

A continuación detallamos algunos de ellos por zonas o regiones geográficas. 

América

Figura 13. Bandas GSR del Nasdaq100.

Figura 14. Bandas GSR del S&PBMVIPC.

Europa

Figura 15. Bandas GSR del FTSEMIB40.

Figura 16. Bandas GSR del SMI20.

Asia-Pacífico

Figura 17. Bandas GSR del KOSPI200.

Figura 18. Bandas GSR del ASX200.

Se demuestra tras graficar otros 6 índices bursátiles más, que “Las Bandas GSR” no son un hecho puntual del IBEX35, si no que existen para la totalidad de los 26 índices analizados, aunque los límites inferiores y superiores de dichas bandas no sean los mismos Todos ellos también pueden consultarse en el anexo adjunto a este artículo.

Utilidad de las Bandas GSR

Viendo que el volumen fluctúa entre las denominadas Bandas GSR, lo que nos queda por preguntarnos es cuál es la utilidad de dichas bandas. Para responder a esta pregunta, y sabiendo la estrecha relación que existe entre el volumen y la volatilidad, procedemos a recalcular las Bandas GSR ahora también para esta variable, y a compararlas con las famosas Bandas de Bollinger. Esta comparación se realizará en este artículo a modo de ejemplo y de manera gráfica para el caso del DOW30, tanto para el contado como para el futuro del mismo. Aunque en el anexo se puede encontrar las 25 bandas GSR restantes.

Resaltar que las Bandas de Bollinger que en este estudio se han calculado con una media móvil de 200 períodos, en lugar de los 20 periodos tradicionales. Ello a fin de que estas nos revelen los máximos y mínimos a largo plazo, así como mostrar un gráfico más claro, y con menos picos de sierra en dichas bandas. A continuación se muestran el ejemplo de las mismas, y la comparación de las Bandas de Bollinger a largo plazo con las Bandas GSR.

Figura 21. Bandas GSR del futuro del DOW30.

Figura 22. Bandas GSR del contado del DOW30.

El resultado que obtenemos tras analizar el DOW30, así como los 26 índices restantes, es que la utilidad de las bandas GSR, reside en detectar los mínimos y máximos de mercado ante las siguientes 3 circunstancias:

1. Cuando los componentes de la rentabilidad se cruzan o chocan entre sí.
2. Cuando el volumen cruza o choca con los componentes de la rentabilidad.
3. Cuando la volatilidad cruza o choca con los componentes de la rentabilidad.

Una de las ventajas que poseen las Bandas GSR respecto a las Bandas de Bollinger, es que los cruces o choques antes citados, revelan los mínimos con más precisión que lo harían las Bandas de Bollinger (a precio de cierre). En estas, el choque del precio contra las mismas no tiene por qué indicar la existencia de un mínimo o máximo, sino que pueden mantenerse en las bandas inferiores o superiores en el tiempo, si la tendencia de mercado es lo suficientemente fuerte.

Un ejemplo de la anterior explicación puede verse durante la caída provocada por la pandemia sanitaria del Covid-19. Ante este hecho, el precio perforó la parte inferior de la Banda de Bollinger, sin embargo, y empleando las Bandas GSR, el mínimo de mercado solo se produjo cuando los componentes de la rentabilidad chocaron entre sí,  y además fue ratificado por el choque con el volumen y la volatilidad contra el mismo. Todo ello permite detectar mínimos de mercado con más claridad, además de servir como un gran complemento a las Bandas de Bollinger. Este hecho ha sido contrastado para los 26 índices bursátiles analizados, pudiendo comprobarlo de nuevo en el anexo de este estudio.

Conclusiones del artículo

En primer lugar, destacamos el hecho de que el volumen de negociación no siempre sigue la tendencia del mercado total, como era el caso del estudio de BME y del IBEX35. Sino que es sobre el componente gap, sobre el cual y en la mayoría de los casos, fluctúa o se mueve el volumen de negociación de un índice bursátil. 

En segundo lugar, concluimos la existencia de un hecho hasta este momento nunca antes visto, y es que el volumen y la volatilidad no fluctúan a lo largo del tiempo como se pensaba, sino que son los componentes gap y market, tanto normales como en símbolo negativo, los que representan respectivamente los límites superiores e inferiores a dichos movimientos. Denominando a este descubrimiento “Las Bandas GSR”. 

En tercer lugar se resalta que las Bandas GSR, sirven para detectar los mínimos de mercado con más exactitud que lo hacen las Bandas de Bollinger. Esto se debe a que mientras dichas bandas evolucionan según lo hace el precio de mercado, las Bandas GSR no dependen del precio. Sino de los componentes separados del mismo, los cuales son mucho más estables en el tiempo que el propio precio. Las Bandas GSR actúan en cierta manera como un indicador de volatilidad máxima, el cual nos indicaría la máxima caída que podría experimentar cualquier activo financiero a lo largo del tiempo, además de establecer los mínimos y máximos de mercado. Este hecho se manifiesto en la totalidad de activos analizados en este artículo durante la pandemia sanitaria de 2020, e inclusive, aunque no se muestre en este, durante la caída del futuro del petróleo a precios negativos en abril de 2020. 

En cuarto lugar, remarcar que las bandas GSR no son un indicador exclusivo del mercado de índices bursátiles, sino que se produce de igual o mejor manera en el mercado de commodities, divisas y renta variable.

Finalmente, y al igual que en otros artículos, se destaca la importancia de tener en cuenta a los gaps de apertura en cualquier análisis de carácter financiero. Ya que sin ellos, no se pueden explicar muchos de los comportamientos del precio de cualquier mercado financiero.

Link al Anexo del artículo: bit.ly/43H0csc

Haciendo la transición de la disciplina al compromiso al hacer trading por Brett N. Steenbarger, Ph.D.

La forma en que pensamos, sentimos y actuamos en una etapa de desarrollo en nuestras vidas es diferente de cómo abordamos las situaciones más adelante en la vida. Cuando era niño, me relacionaba con mis padres como figuras de autoridad y (¡en casi siempre!) hice lo que me dijeron. Más tarde, en la edad adulta, me relacioné con mis padres como modelos a seguir e integré de manera flexible partes de ellos en lo que me estaba convirtiendo. Aún más tarde, me convertí en padre y pude relacionarme con mis propios padres como compañeros y como valiosos miembros de la familia ofreciendo apoyo mutuo. A medida que crecemos, nuestros roles evolucionan.

Del mismo modo, hubo un momento temprano en la edad adulta en el que las citas eran divertidas y había mucha gente que quería conocer. Si una relación se volvía más seria, a menudo tenía que contenerme y confiar en la disciplina para no perseguir otras posibilidades y oportunidades. Cuando conocí a mi esposa, Margie, me di cuenta desde el principio de que había algo especial en nuestra relación. La idea de posiblemente perder eso o diluirlo con otras relaciones aterraba. Sentí un fuerte compromiso con Margie y con nuestra relación y eso era todo lo que importaba. Otras posibilidades no eran tentaciones. No necesitaba disciplina para ser un novio y un marido leales. Así ha sido durante los últimos 39 años.

Al principio de mi carrera en el trading, los mercados eran emocionantes y había *muchas* formas posibles de ganar dinero. Por ese entusiasmo, operé y operé y sobreoperé o realicé over-trading. Yo también perdí dinero. Con el tiempo, descubrí el tipo de trading que tenía sentido para mí y que fue un éxito para mí. Trabajé en profundizar en lo que estaba haciendo, y finalmente realice una investigación sobre el comportamiento de los precios a corto plazo y la amplitud del mercado que me dio sistemas y ventajas demostradas en mi trading. A medida que me comprometí con ese estilo de trading, todas las demás cosas se volvieron menos interesantes para mí. No paré el over-trading porque me había convertido en una persona ridículamente disciplinada, sino porque me dediqué profundamente a lo mejor de mí. Mi fidelidad al buen trading fue muy similar a mi compromiso con la pareja de mi vida.

Al igual que nos sometemos a una secuencia de desarrollo en nuestras relaciones con los padres y posibles compañeros de vida, normalmente pasamos por etapas de desarrollo en nuestro trading. El over-trading es lo que tenemos que hacer para encontrar lo que es mejor para nosotros y que puede anclar nuestro sentido de lealtad, compromiso y dedicación. Nuestra relación con los mercados evoluciona de manera similar a la evolución de nuestras relaciones con nuestros padres y nuestras relaciones románticas. Centrarse en la disciplina para cortocircuitar este proceso de desarrollo puede ser un error. No es lo que tenemos que dejar de hacer lo que debería ser nuestra prioridad, sino más bien identificar lo mejor de nosotros y perseguirlo, porque eso inspirará nuestro compromiso y generará nuestra coherencia.

Los rendimientos de un solo año no importan por Ben Carlson

Una de las partes difíciles de tratar de centrarse en el largo plazo como inversor es manejar las emociones a corto plazo.

En años como 2022, cuando todo está bajando, siempre desearás haber arriesgado menos.

En años como 2023, cuando todo está subiendo, siempre desearás haber arriesgado más.

Los rendimientos a largo plazo son los únicos que importan, pero tienes que superar una serie de emociones a corto plazo para llegar allí.

Los rendimientos a corto plazo pueden engañarte.

Mira los rendimientos anuales hasta la fecha de un puñado de grandes acciones tecnológicas y el Nasdaq 100 este año:

Luces apagadas.

Esto podría ser una burbuja de IA o un retorno de la especulación en el mercado después de una breve pausa, pero también es posible que los inversores sobreestimaran la posibilidad de una recesión y castigaran excesivamente estas acciones en 2022:

Cuando combinas 2022 y 2023, las cosas no parecen tan locas:

Algunas de las acciones que se han vuelto locas este año siguen bajando desde el comienzo de 2022 (Nvidia es un obvio caso atípico).

La regla de rendimiento de Ben es que puedes ganar casi cualquier argumento sobre los mercados cambiando tus fechas de inicio y finalización a efectos de rendimiento, pero es importante poner los números en contexto.

A veces, la razón por la que el mercado de valores sube mucho es porque bajó mucho y viceversa.

Otra forma de pensar en esto es a través de la lente de cómo los retornos a corto plazo afectan a los retornos a largo plazo.

Echa un vistazo a los rendimientos de 30 años en curso en el S&P 500 desde 1950 (la línea azul) en comparación con los últimos rendimientos a un año (las barras naranjas) para cada período de 30 años:

Los rendimientos en un año determinado están por todo el mapa, pero los rendimientos a 30 años no cambian mucho de un año a otro.

Los rendimientos de un año pueden hacerte sentir maravilloso o terriblemente malo, pero no van a tener mucho que ver con tus resultados a largo plazo (suponiendo que no hagas saltar tu cartera por los aires).

Habrá años buenos y años malos.

A veces todo funciona. A veces nada funciona. Otras veces habrá una amplia dispersión en los rendimientos dependiendo de la clase de activos, el estilo, la estrategia o la geografía.

Y siempre habrá algo de qué preocuparse sin importar lo que estén haciendo los mercados. El año pasado fue fácil preocuparse de que el mercado cayera aún más. Este año la preocupación es que nos hemos levantado demasiado rápido y vamos a ver un retroceso.

Por naturaleza solemos prestar atención a los resultados a corto plazo, pero la iluminación de la inversión solo se logra una vez que te das cuenta de que el largo plazo es el único horizonte temporal que importa.

La inversión de éxito es para personas pacientes.

Tendencias en el RSI semanal por Eduardo Faus

• Artículo publicado en Hispatrading 15.
• En el análisis técnico la pérdida/superación del precio de sus directrices alcistas/bajistas, tomados unos mínimos relevantes, suele generar tramos correctivos o consolidativos de importancia. Veremos cómo poder utilizarlo en nuestra operativa con el RSI.

La pérdida o superación de estas referencias normalmente se concretan en escalas logarítmicas, a fin que el precio muestre cierta armonización y proporción en los movimientos. 

En muchas ocasiones el análisis técnico nos ofrece herramientas que suelen adelantar movimientos de pérdida o superación de las directrices en el precio. Así disponemos de las medias móviles adaptadas, que al ser infringidas, muchas veces suelen anticiparse a la pérdida de las directrices en el precio, ya que se ajustan más a éste. Otro modo, aunque menos frecuente de obtener señales con cierta anticipación lo tenemos usando las tendencias en el RSI semanal. 

El RSI semanal y sus tendencias bien definidas, las cuales requieren de varias correcciones intermedias, proporcionan la posibilidad de seguirlas a través de líneas directrices. De este modo, la pérdida o superación de éstas nos ofrecen, por lo general, algunas pistas, como podemos apreciar en el gráfico:

En el gráfico apreciamos un dato común, aunque, repetimos, infrecuente en el tiempo. La pérdida de la directriz alcista ofrece una buena pista a la hora de prever réplicas bajistas de movimientos correctivos. Cuando la directriz alcista del RSI semanal se pierde (y nótese cómo sólo nos sirven tendencias con correcciones intermedias que permitan estructurar bien esta línea directora) en muchas ocasiones se han experimentado rebotes (reactivos a la caída previa). La información que nos ofrece esta pérdida de directrices es la probabilidad de experimentar una nueva pata bajista tras esos rebotes reactivos.

¿Cómo programamos el indicador de fuerza relativa RSI?

Por lo general el indicador de fuerza relativa RSI viene configurado con parámetros de 14 sesiones. Este tipo de representación resulta de gran utilidad para escalas diarias, ya que en éstas los parámetros en el indicador técnico requieren de mayor  número de sesiones a fin de limitar el ruido del mercado. Pero esta configuración de 14 sesiones puede modificarse al analizar gráficos en escalas semanales. Así obtenemos un indicador con niveles de sobrecompra (niveles superiores elevados) o sobreventa (niveles inferiores elevados) más armonizados. 

¿Cómo analizamos el indicador de fuerza relativa RSI?

En primer lugar tomaremos aquellos puntos de extrema sobreventa (parámetros de RSI semanal por debajo de 30) en el indicador. Estos puntos, por lo general, suelen coincidir con niveles de mínimos relevantes en el activo o índice que analizamos. Una vez tomado este punto, hemos de trazar una línea que una los puntos correctivos importantes del indicador, los cuales suelen ser puntos correctivos importantes en una tendencia alcista del precio.

Por tanto si tenemos una recuperación desde parámetros de sobreventa sin puntos correctivos importantes, es decir, una recuperación muy vertical del precio y RSI, no podremos aplicar esta línea directriz, ya que no se dará una armonía estructural. Una vez disponemos de esta línea alcista bien estructurada, esperaremos a un punto de pérdida de la misma, esta pérdida ha de ser consistente y clara, de forma que podamos descartar meras dilataciones a la baja en el indicador. Generalmente la pérdida consistente de la directriz alcista en el indicador coincide con la cercanía de un rebote en el precio, ya que la pérdida suele provenir de un movimiento brusco a la baja, y éstos experimentan reacciones al alza.

Pero como decíamos antes, la información que el indicador nos estará ofreciendo en el transcurso de este rebote reactivo es la probabilidad de experimentar una nueva réplica a la baja del primer movimiento bajista que provocó la pérdida de la directriz alcista, y generalmente esta réplica bajista alcanza, al menos, los niveles de mínimos de la pata bajista que ocasionó la pérdida en la directriz alcista del RSI.

Trading con velas japonesas: una estrategia de impulso por Quantinsti

Un modelo de inversión multifactor para batir al mercado por Ignacio Villalonga

• Desarrollamos un sistema de inversión basado en factores, con la idea de darle al lector una guía básica de qué pasos se deberían seguir y qué resultados se pueden obtener.
• Artículo publicado en Hispatrading 34.

El factor investing es un modelo de inversión cuantitativa con una serie de características realmente sorprendentes. Para mí, la más llamativa es la capacidad que tiene de generar retornos por encima del mercado en relación al esfuerzo que conlleva. Las anomalías que explota tienen explicaciones desde un punto de vista de mayor riesgo, o por finanzas conductuales. Es decir, hay una causa detrás de ellas. Esto las convierte en recurrentes a lo largo del tiempo y transversales a todos los mercados de renta variable.

Pero empecemos por definir el primer factor que vamos a estudiar: la calidad. El mundo académico relacionado con el factor investing ha empezado a fijarse cada vez más en el factor “calidad”. Han ido actualizando los modelos y la forma de medir los parámetros, buscando encontrar cuales eran redundantes y cuáles no.  Asness & Frazzini introdujeron una forma de medir el value (¿no estábamos hablando de calidad?) que actualizaba la forma de hacerlo de Fama & French, para concluir que, efectivamente, el factor  calidad era relevante y que además estaba muy ligado a los rendimientos. 

Por su parte, Lu Zhang et al. publican “The investment CAPM” y “Replicating Anomalies”, volviendo a dar muchísima relevancia a los rendimientos, en concreto al factor Return on Equity (RoE).

De hecho, cuando Wesley Gray (de Alpha Arquitect) le pregunta en una entrevista a Lu Zhang qué factor utilizaría en un horizonte de 20 años, Lu responde: “RoE, con balanceos mensuales basados en los retornos trimestrales con retraso de un trimestre”:

• Okay, now you have to choose 1 factor. You have a 20-year horizon and simply want to maximize your expected return on a long-only stock portfolio. What factor do you use?

• Roe, with monthly sorts on quarterly earnings scaled by one-quarter-lagged book equity.

La realidad es que el factor investing siempre se estudia desde un punto de vista muy teórico, y a veces cuesta trasladarlo a un sistema invertible en el mundo real. 

Empezaremos estudiando los retornos sobre el equity, los activos y la inversión, para ver cómo afectan a los rendimientos de una cartera.

Para esto vamos primero a definir los parámetros del estudio. Utilizaremos la plataforma Portfolio123, que usa los datos Point in Time de Compustat. Estos datos están ya filtrados y sin sesgos de visión a futuro ni supervivencia. Además, usaremos el índice Russell 1000 como Universo para tener suficientes acciones sin incurrir demasiado en el factor tamaño, que al formar carteras equiponderadas añadiría una prima de rentabilidad. Rebalanceos cada 13 semanas (3 meses) y en un periodo de backtest desde el 02/01/1999 hasta 28/02/2018

 Los retornos a utilizar vienen definidos por la propia plataforma y son:

• Return on Equity (RoE): Beneficio antes de extraordinarios, dividido por la media del equity (inicial menos final entre dos). Expresado como porcentaje.
• Return on Assets (RoA): Beneficio antes de extraordinarios, dividido por la media de los activos (inicial menos final entre dos). Expresado como porcentaje.
• Return on Investment (RoI): Beneficio después de impuestos, dividido por la media de la deuda de Largo plazo y el equity de los accionistas. Expresado como porcentaje.

Además, utilizaremos los retornos de dos formas, o bien la media de los 12 meses previos (4 trimestres) o la media de los 4 trimestres anteriores, empezando con uno atrás.

Para hacer el análisis, se utiliza un modelo de deciles. Se ordenan de mayor a menor todas las acciones del universo y se forman 10 cestas de acciones. Al cabo de un periodo de rebalanceo se vuelve a reordenar el universo y se vuelven a formar las cestas. De esta forma podemos tener rentabilidades de las cestas que contienen las acciones con mejor ranking cada trimestre. Los dividendos están incluidos, pero las comisiones no se incluyen en esta parte del análisis.

Al hacer este estudio sobre las 6 combinaciones (RoA, RoE, RoI, con retraso o no) vemos resultados curiosos. Las Imagen 1 y la tabla 1 muestran los rendimientos obtenidos para cada cesta en las diferentes combinaciones. Se aprecia cómo no hay excesiva linealidad entre las cestas, es decir, la primera no bate sólidamente a las demás. Sin embargo, los 6 resultados parecen separar claramente al 20% de peor rendimiento. Las dos últimas cestas son claramente inferiores a las demás. No obstante, la media está sorprendentemente cerca del primer/mayor decil indicando que el resto de las cestas, con el 80% de las mejores acciones, dan rendimientos similares, independientemente de que cestas te quedes.

Imagen 1 & Tabla 1

El siguiente paso consistiría en analizar si el factor es robusto independientemente de los periodos de rebalanceos. En este caso hemos descartado las combinaciones que utilizaban los retornos con un trimestre de retraso, y hemos hecho los rebalanceos para 4 semanas, 13 semanas (un trimestre) y 26 semanas (medio año).

Tabla 2

La tabla 2 muestra los resultados de las 10 cestas. Nada cambia respecto a lo que hemos visto antes. Independientemente del periodo de rotación, los 3 retornos son relativamente estables para las cestas 3 al 10, mientras que la 1 y 2 son claramente perdedoras.

Parecen unos resultados pobres, pero si tuviera un método de selección que de 10 acciones, me permitiera quedarme con las 8 mejores y descartar las 2 peores, ¿lo cogería? 

Pues este es el valor añadido que parece que dan los retornos. Filtrar las empresas de una calidad mala.

Hasta aquí, mi conclusión es que efectivamente los retornos son un buen factor pero, ¿suficiente para un modelo de inversión?

De un factor a un sistema de inversión

El sistema consistirá en seleccionar las 20 empresas de mayor ranking según su factor RoE, y mantenerlas durante un trimestre. Sencillo. En este paso incluimos ya las comisiones para empezar a ser más realistas.

Imagen 3

En la imagen 2 se aprecian tres curvas. La azul, es el resultado del sistema; la naranja que es el ETF IWB; y la gris, que es el resultado de comprar todas las acciones del Russell 1000, equiponderarlas y mantenerlas. Siempre que una acción salga del índice se vende y cuando entre al índice se compra. Esta última curva, sería un benchmark más realista, puesto que estaría descartando la ventaja que me da el tener una cartera equiponderada respecto a una ponderada por pesos.

Se ve cómo hay tramos donde el sistema saca ventaja de las dos curvas, o donde sube a la par que la gris, siendo significativo que el factor RoE no es el que está aportando valor, si no el factor tamaño. 

Mi siguiente aproximación será la de analizar el factor combinándolo con otros factores. La primera idea es combinarlo con value. La “Fórmula Mágica” de Joel Greenblatt precisamente era lo que trataba de capturar, empresas de calidad y que estén baratas. Aunque no estamos usando las mismas métricas. 

Para combinar con un factor value realizo un nuevo ranking de forma combinada (50%/50%) entre el RoE y un nuevo componente que será el earnings yield. Aunque no es el mejor factor value, es ampliamente utilizado por la comunidad.

Los resultados mostrados en la imagen 3 indican que al añadir el factor value, se incrementa la exposición al factor mercado (Beta), y la mayor volatilidad, traducida en un mayor drawdown.

A priori, podríamos descartar esta combinación, pero en la imagen se ve que en determinados momentos del mercado, el factor value aporta un rendimiento que no aportaba el RoE ni el factor tamaño.  Esto se debe a que está aprovechando una ineficiencia diferente y, por tanto, nos interesa mantenerlo.

Imagen 4

La volatilidad también es un factor

Como el mayor problema de añadir este factor es el incremento del drawdown, vamos a incluir un nuevo componente: baja volatilidad.

Aunque sea realmente sorprendente, todos los estudios apuntan a que la baja volatilidad es un factor que bate recurrentemente al mercado. Esto choca mucho con que la teoría de que los excesos de rentabilidad van asociados a un exceso de riesgo. Sin embargo, las finanzas conductuales si tienen explicación para esta anomalía.

De nuevo, creamos un nuevo ranking, con pesos al 33% para las empresas de mayor RoE, mejor earnings yield y volatilidad más baja. 

Imagen 5

Los resultados que se muestran en la imagen nos enseñan un modelo de inversión cuantitativo multifactor que es capaz de rendir en diferentes momentos del mercado, con una volatilidad menor que su benchmark original y unos rendimientos ampliamente superiores.

Conclusiones

Este modelo solo tiene que ser rebalanceado una vez cada trimestre, lo que lo hace apto para todos los operadores. Sin embargo, su alta exposición al mercado y su drawdown hace que sólo quienes estén dispuestos a buscar plazos de inversión de cinco o más años puedan asumir los periodos de rendimiento negativo.

La conclusión es que un modelo multifactor puede batir al mercado de forma consistente en el largo plazo.

Mucho trabajo quedaría aún por hacer. Las condiciones introducidas para el factor value y el factor volatilidad se han incluido sin estudiar previamente si son las mejores formas de capturar esas anomalías.

Además, quedarían por ver las descorrelaciones que tienen entre ellos, qué periodos son más beneficiosos para cada factor, si se consiguen resultados mejores creando carteras monofactor y combinándolas después, etc.

Un modelo multifactor de inversión cuantitativa requiere un profundo estudio de validez estadística antes de ser llevado a operar en real. 

Nota: todos lo resultados mostrados son fruto de un backtest. Los rendimientos pasados no garantizan rendimientos futuros.

  Estructuras técnicas y su invalidación por Eduardo Faus

• ¿Son la figuras técnicas infalibles como algunos piensan? Veamos cómo saber detectar las señales falsas.
• Artículo publicado en Hispatrading 14.

Es bien sabido la gran cantidad de formaciones técnicas y sus proyecciones teóricas en sus rupturas. 

Ejemplo en el gráfico anterior, en el IBEX 35 durante el año 2008, completando una formación de rectángulo o doble techo que no llegó a cumplir sus objetivos:

Por esta razón, es fácil intuir que no resulta completo el análisis chartista por sí sólo, necesitando el análisis complementario de otras herramientas técnicas, como son los indicadores, siendo éstos clave no sólo en sus lecturas diarias o intradiarias, sino semanales o mensuales. 

Debajo apreciaremos los síntomas de cercanía de suelo que los indicadores semanales señalaban:

El ejemplo anterior no es un caso aislado, siendo las rupturas de niveles de soporte en muchas ocasiones falsas, y pudiendo ser detectadas mediante otras herramientas:

Bienvenida inflación moderada por Sentimentrader

• El mercado de valores odia la incertidumbre, y pocas cosas causan más incertidumbre que la inflación alta.
• La tasa de cambio de 12 meses del índice de precios al consumidor de EE. UU. ha vuelto a caer a un «rango de inflación moderada».
• Por primera vez desde abril de 2021, un modelo de inflación simple ha vuelto al lado alcista del libro mayor.

Cómo medir la inflación

Una medida estándar de la inflación es el cambio de 12 meses en el Índice de Precios al Consumidor (IPC). El Índice de Precios al Consumidor (IPC) es:

• una medida que examina el promedio ponderado de los precios de una cesta de bienes y servicios de consumo, como transporte, alimentos y atención médica.
• se utiliza para evaluar los cambios de precios asociados con el costo de vida.
• una de las estadísticas más utilizadas para identificar períodos de inflación o deflación.

Divido el último valor bruto del índice de precios al consumidor por el valor de este índice doce meses antes para llegar a una tasa de cambio porcentual de 12 meses. El gráfico a continuación muestra los resultados históricos de este cálculo mensual desde 1914. Tenga en cuenta el rango de «rango de inflación moderada» entre +4% y -3%. Tenga en cuenta también que la tasa de inflación superó el nivel del +4 % en mayo de 2021 y cayó por debajo del +4 %, con la última lectura registrada en julio de 2023.

Lo que nos dice el estudio

A la larga, la buena noticia es que las acciones han superado la inflación en los últimos 100 años o más. Pero la mala noticia es que el comportamiento del mercado de valores ha sido negativo cuando la inflación ha sido anormalmente alta o baja.

A corto plazo, la buena noticia es que la inflación del IPC ha vuelto a caer al «rango de inflación moderada» entre +4% y -3%. A fines de julio de 2023 (ya que este modelo solo se actualiza una vez al mes a fin de mes), el modelo resaltado arriba volverá a este rango por primera vez desde abril de 2021.

Los puntos clave: 1) El argumento de que las acciones son «una protección contra la inflación» solo se aplica a los inversores que compran y mantienen dispuestos a aprovechar cada mercado bajista hasta el suelo y de vuelta. 2) La inflación anormal no garantiza que las acciones se comporten mal. Pero los resultados de rentabilidad a largo plazo para el Promedio Industrial Dow Jones durante períodos inflacionarios o deflacionarios extremos sugieren que la inflación anormal debe verse como algo negativo para el mercado de valores.

Tener éxito en trading por Hispatrading

• Artículo publicado en Hispatrading 15.

El libro del que hoy hablamos es de esos que cumple sobradamente las expectativas que se ponen en él. Cierto es que cualquier libro, pero en especial un libro de trading, con que contenga una única página valiosa puede ser la clave que te ayude por mucho tiempo no es menos cierto que todos queremos aprovechar al máximo la lectura de un libro, encontrándonos consejos útiles a cada “girar” de página. “Tener éxito en trading” de Van. K Tharp, editado en castellano por Valor Editions, es uno de esos libros.

Cuando uno ve la parte trasera del libro comentarios de recomendación sobre esta obra de autores como el sr. Schwager o Ed Seykota ya le hace ajustar la postura, como cuando estamos ante alguien de peso. No obstante, esto podría quedarse ahí, en simples apariencias. Para eso debemos enfrascarnos en sus páginas.

Como cualquier obra, leyéndola ya podemos saber mucho sobre su autor y, Van K. Tharp, sabe de lo que habla. 

Dividido en tres partes, el libro va desgranando poco a poco lo que cualquier persona que quiera crearse un sistema o por el contrario aunque ya tenga uno quiera perfeccionar el que ya tiene, debería saber y tener cuenta para que como bien dice el título, tener éxito en trading. Lejos de intentar frivolizar con el llamado éxito en el trading, podremos encontrar elementos y consejos concisos sobre cómo conseguir nuestro objetivo.

La primera parte del libro dedicada al llamado psicotrading, esto es, el factor psicológico, como sabemos tan importante en este mundo. En él, no sólo matiza lo que todos conocemos, pero que pocos acaban de verdad aceptando: el Santo Grial en el trading, es una leyenda. Que un libro que hable de trading comience de esta forma, ya nos dice mucho de la honestidad de su autor y nos ayuda a no crearnos falsas expectativas. Algo que cualquier persona debe conocer antes, de tan siquiera abrir una posición, son los sesgos que todos tenemos a la hora de tomar decisiones en materia de inversión y por supuesto, los objetivos, que deberíamos plantearnos.

En el segunda parte se habla sobre el sistema en sí. De esta forma, no sólo aprenderemos los pasos para desarrollar un sistema, sino los diferentes tipos de sistemas que podemos crear en función del concepto que queramos utilizar. De verdad, dentro de esta sección podremos encontrar auténticas joyas, explicadas además no solo por el propio Dr. Tharp sino por colaboradores suyos expertos en la materia que escriben.

Una vez entendemos la importancia del factor psicológico y sabemos crear un sistema, la tercera parte habla sobre los elementos clave de un sistema, en los que se detallan no sólo algunos trucos sin más sino verdaderos consejos y técnicas que podremos incorporar directamente en nuestra operativa.

Si tuviera que destacar un punto importante del libro, a pesar de que cada parte tiene su propia importancia dentro de su contexto, quizá hablaría de la importancia que da su autor a las salidas. Más allá del codiciado punto de entrada que todos como traders solemos buscar como primer recurso y al cual dedicamos gran parte de nuestras energías, buscar un buen punto de entrada, el autor vuelca la victoria sobre el recurrido debate de ¿qué es más importante? ¿las salidas o las entradas en una operación? a favor de las salidas, con datos que seguro que te dejarán sorprendido. De hecho, muestra un sistema programado con entradas aleatorias pero puntos de salida definidos por el ATR que en el momento de programarlo el autor volcó resultados cuanto menos interesantes. Otra pequeña joya dentro de un libro plagado de ellas.

Como decíamos un libro que emana conocimiento por los cuatro costados, lo que es más, en vez de un libro en sí recuerda más a un seminario impartido por una de las principales figuras internacionales como es Van K. Tharp. Desde Hispatrading esperamos que disfrutes de su lectura y como siempre, te sea útil en tu operativa.

Buena lectura.

Saltos cuánticos por Ed Yardeni

La inteligencia artificial es solo una de varias innovaciones tecnológicas que probablemente impulsarán la economía durante los felices años 2020. La promesa de la computación cuántica, y lo que los humanos pueden lograr con cantidades tan grandes de poder de cómputo, hace que los científicos se sientan mareados. Google, Amazon, Microsoft e IBM lideran la carrera para desarrollar estas computadoras y ofrecer acceso a ellas en la nube. Hoy le traigo algunos desarrollos recientes en el área:

(1) Google presume de supremacía. El rey de la búsqueda reclama la supremacía cuántica. La última versión de su sistema cuántico Sycamore tiene 70 qubits y un procesador cuántico que es 241 millones de veces más potente que la oferta anterior de la empresa. La computadora cuántica de Google “puede superar a la supercomputadora más poderosa del mundo, ejecutando cálculos que tardarían 47 años en completar el enorme sistema ‘Frontier’ de 1,68 exaflops en los Laboratorios Nacionales de Oak Ridge”, explicó un artículo del 18 de julio en The Next Platform.

(2) Amazon hace de anfitrión. Amazon Bracket es un servicio que permite a los usuarios crear sus propios algoritmos cuánticos y luego probarlos en computadoras cuánticas en la nube de Amazon. Amazon informa que varias organizaciones están aprovechando la computación cuántica en la nube de Amazon, incluido el Instituto de Innovación Tecnológica, un centro de investigación científica que forma parte del Consejo de Investigación de Tecnología Avanzada de Abu Dhabi; Grupo Volkswagen; Centro Fidelity de Tecnología Aplicada; Amgen; la multinacional eléctrica Enel; Aioli, una agencia de seguros; y el Instituto de Computación Cuántica de la Universidad de Waterloo.

(3) ¿Más qubits que otros? El otoño pasado, IBM informó que desarrolló un procesador Osprey de 433 qubits, más qubits que cualquier otro procesador de IBM y más del triple que el procesador Eagle hecho público en 2021. El objetivo de IBM Quantum System es tener un sistema con 4000 o más qubits para 2025. IBM también alberga una serie de empresas que desean aprovechar más de 20 computadoras cuánticas en la nube. La compañía dijo que el conglomerado alemán Bosch, el proveedor de telecomunicaciones Vodafone y el banco francés Credit Mutuel Alliance Federale se han unido a Quantum Network de IBM.

(4) Nuevas partículas descubiertas. Los qubits son propensos a errores, por lo que Microsoft ha estado construyendo algo mejor. Los científicos de la compañía están construyendo qubits a partir de cuasipartículas, «que no son partículas verdaderas sino vibraciones colectivas que pueden surgir cuando partículas como los electrones actúan juntas», informó un artículo del 21 de junio en New Scientist. Llamadas «modos Majorana cero», estas antipartículas tienen una carga y energía que equivalen a cero y hacen qubits «sin precedentes».

Atención a las materias primas por Sentimentrader

• Nuestro Modelo Índice Macro continúa mejorando
• Una relación poco entendida es la que existe entre los factores macroeconómicos y las materias primas.
• Si bien no pretende ser un modelo de trading en sí, la lectura más reciente es favorable para las materias primas.

La última tendencia en el Modelo Índice Macro

Nuestro Índice Macro combina 11 indicadores económicos diversos para determinar el estado de la economía de EE. UU. en este momento. La buena noticia es que, a pesar del constante redoble de pesimismo económico entre muchos expertos del mercado, el índice ha mejorado considerablemente en los últimos meses. La mala noticia es que la última lectura se mantiene por debajo de 0,70, el límite oficial de lecturas «favorables» versus «desfavorables» para la economía y el mercado de valores. Sin embargo, como señaló Dean, la buena noticia es que el modelo pasó recientemente de menos de 0,30 a más de 0,60 y que esto ha sido seguido por un índice S&P 500 más alto el 86 % del tiempo desde 1971.

El siguiente gráfico muestra el modelo índice macro y su media móvil de 10 meses. La última lectura es 0,636, por encima de su mínimo reciente de 0,43 hace cuatro meses. La media móvil de 10 meses acaba de cruzar por encima de 0,40 y se ubica en 0,42.

Lo que nos dice el estudio

El ciclo de materias primas de 30 años cubierto recientemente y la estrategia del modelo Índice Macro destacada anteriormente argumentan a favor de un movimiento alcista para las materias primas. Sin embargo, parece probable que la estacionalidad sea un lastre a medida que avanza 2023, y la acción del precio es francamente desfavorable en este momento. Ha llegado el momento de que los inversores decidan «si» considerarán asignar capital a las materias primas (y, de ser así, «cuánto») y «cuándo» podría ser el momento ideal para asumir ese compromiso.

Rendimiento ajustado por beta por Quantpedia

Los factores de capital de rendimiento ajustados por beta son considerablemente más estables, lo que indica que las metodologías de construcción de factores pueden mejorarse más allá de la neutralidad del dólar y el tamaño. El efecto beta bajo a nivel de factores confirma la existencia de efectos estacionales y de impulso en la sección transversal de los rendimientos de los factores. En conjunto, estas ideas profundizan la comprensión del comportamiento de los factores y pueden ayudar al desarrollo de estrategias de inversión más sólidas basadas en factores.

David Blitz de Robeco Quantitative Investments, en su artículo que revisamos, estudia la sección transversal de los rendimientos de los factores de capital utilizando la biblioteca de datos de Jensen, Kelly y Pedersen (2021). La mayoría de los más de 150 factores en su muestra muestran una prima positiva y una beta de mercado negativa a largo plazo. Los dos únicos temas con una beta positiva clara, a saber, bajo apalancamiento y tamaño, no tienen alfa después de controlar esta exposición beta. Los valores beta negativos de los factores restantes tienen implicaciones significativas para sus rendimientos no ajustados en diferentes condiciones del mercado, mostrando principalmente un mayor rendimiento durante los mercados bajistas. Esto indica que las ineficiencias de precios generalmente se acumulan durante los períodos alcistas, lo que lleva a rendimientos de los factores más débiles, mientras que tienden a corregirse durante los períodos bajistas, lo que resulta en beneficios sustanciales de los factores. Además, este hallazgo da luz al motivo de la decadencia en el rendimiento de los factores, lo que sugiere que casi la mitad de la caída en el rendimiento observado después de 2004 puede atribuirse a una disminución de los mercados bajistas durante ese período de tiempo. Además, los rendimientos ajustados de los factores, conocidos como alfas de los factores, no solo son más consistentes, sino también de mayor magnitud.

El apéndice 1 muestra que la mayoría de los factores ofrecen una prima positiva, lo que no es realmente sorprendente porque esta es una característica definitoria de los factores de precio. El apéndice 2 informa de la muestra beta completa de cada factor. El apéndice 4 muestra los alfas CAPM anualizados de los factores, donde solo ajustamos la exposición contemporánea al mercado por simplicidad. El apéndice 5 traza los alfas de todos los factores contra sus betas, lo que revela una fuerte relación inversa. Por último, el Anexo 20 ofrece una visión general de algunos de los principales hallazgos a nivel de temas de factores.

Te recomendamos que eches un vistazo a este artículo fácil de entender, pero completo, lleno de información. Con un resumen de 11 páginas fácil de digerir y un extenso apéndice de figuras, este es un artículo bastante agradable para obtener una visión general sobre alfas, betas e inversión de factores, con la mayoría de los datos recientes y reales. Los lectores más experimentados encontrarían los resultados de Quant Cycle de Blitz (2022), otro trabajo del autor, interesante y esclarecedor.

• Autores:David Blitz
• Título: La sección cruzada de los rendimientos de los factores
• Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4441376

Resumen:

Exploramos la sección transversal de los rendimientos de los factores utilizando una muestra de más de 150 factores de capital. La mayoría de los factores muestran una prima positiva y una beta de mercado negativa a largo plazo. Los temas de factores con una clara beta positiva, en particular bajo apalancamiento y tamaño, no tienen alfa después de controlar esta exposición beta. Los factores restantes generan la mayor parte de su rendimiento bruto en los mercados bajistas, lo que también explica la mitad de su decadencia en el período predominantemente alcista posterior a 2004. Los rendimientos del factor de ajuste beta producen alfas que no solo son más altos, sino también considerablemente más estables. También revisamos la cíclica del rendimiento de los factores, establecemos un efecto de baja beta a nivel de factores y confirmamos la existencia de efectos estacionales y de impulso en la sección transversal de los rendimientos de los factores. En conjunto, nuestros conocimientos sobre el comportamiento de los factores ayudan al desarrollo de estrategias de inversión basadas en factores más sólidas.

Y; como siempre, presentamos varias figuras y tablas interesantes:

Citas notables del paper de investigación académica:

«Desde el descubrimiento del tamaño, el valor y los efectos del impulso en las décadas de 1980 y 1990, se han identificado cada vez más factores de precios en la literatura de precios de los activos. En los últimos años, el enfoque ha pasado de establecer otro factor a reflexionar sobre todo el «zoo» de factores que ya han surgido. Este documento se suma a esta nueva corriente de literatura al profundizar la comprensión general de la sección transversal de los rendimientos de los factores de capital. Mientras que los factores clásicos de fijación de precios de los activos de Fama y French (1993, 2015), como el tamaño (SMB), el valor (HML) y el impulso (WML), se entienden bien después de décadas de extensa investigación, se sabe mucho menos sobre los muchos otros factores en el zoológico. Estamos particularmente interesados en el rendimiento a largo plazo de los factores, sus características y comportamiento de riesgo, la ciclicidad de los rendimientos de los factores y el potencial de las estrategias de rotación de factores. Los conocimientos obtenidos pueden ayudar al diseño de estrategias de inversión basadas en factores más sólidas, ayudar a dar forma a la agenda para la futura investigación de factores y también pueden tener implicaciones para las metodologías de construcción de carteras de factores.

«[El] trabajo está relacionado con estudios recientes que han examinado preguntas como cuántos factores se necesitan realmente, la replicabilidad de los resultados reportados originalmente y la decadencia del rendimiento de los factores a lo largo del tiempo.»

«Las principales ideas de [el autor] se pueden resumir de la siguiente manera. La mayoría de los factores muestran una prima positiva, aunque algunos no pasan esta prueba básica. La mayoría de los factores también muestran una beta de mercado negativa a largo plazo, mientras que los dos únicos temas con una beta positiva clara, a saber, bajo apalancamiento y tamaño, no tienen alfa después de controlar esta exposición beta. El beta negativo de los factores restantes tiene importantes implicaciones para su rendimiento bruto en diferentes entornos de mercado, y la mayor parte del rendimiento se genera en los mercados bajistas. Esto sugiere que los precios erráticos generalmente se acumulan durante los mercados alcistas (lo que resulta en rendimientos de factores débiles) y tienden a corregirse en los mercados bajistas (lo que resulta en grandes beneficios de factores). Este resultado también arroja una nueva luz sobre la decadencia del rendimiento de los factores, ya que estimamos que aproximadamente la mitad de la decadencia después de 2004 se puede atribuir a una disminución de los mercados bajistas durante este período. Los alfas de los factores, es decir, sus rendimientos ajustados para la exposición ex post beta, no solo son más estables, sino también más altos. Nuestro estudio también profundiza en la información sobre la cíclica del rendimiento de los factores, establece un efecto beta bajo a nivel de factores y confirma la existencia de efectos estacionales y de impulso en la sección transversal de los rendimientos de los factores. En conjunto, nuestros hallazgos muestran qué tipo de factores son recompensados y cuáles no, cómo varía su rendimiento en diferentes entornos de mercado y cómo las estrategias de inversión se pueden construir sobre los propios factores.»

«Sobre la base de estas consideraciones, consideramos que la biblioteca de factores Jensen, Kelly y Pedersen (2021) es la más adecuada para los fines de este documento. Examinamos todos los factores de su biblioteca de datos de factores globales, que da un número total de 153 factores, clasificados en 13 temas utilizando técnicas de agrupación estadística. Nos centramos en el mercado de EE. UU. porque ofrece la historia más larga. Obtenemos series mensuales de rendimiento de cartera de arriba a menos de abajo construidas con la metodología de «valor máximo ponderado» recomendada por los autores. La ponderación de valores evita un peso excesivo de las acciones de microcapitalización, similar a la metodología Fama-francesa 2×3, mientras que el límite también garantiza que los resultados no estén dominados por un puñado de acciones de megacapitalización, sin inflar arbitrariamente el peso de las acciones de pequeña capitalización al 50 % como con el enfoque Fama-francés. El período de muestra es de julio de 1963 a diciembre de 2021, lo que proporciona cobertura para el 90 % de los factores al inicio, y cobertura completa desde 1971 en adelante.»

«Las betas negativas de capital de la mayoría de los factores, en particular los que realmente proporcionan alfa, sugieren que los rendimientos de los factores brutos pueden ser más altos en promedio en los mercados bajistas que en los mercados alcistas. Para probar esta conjetura, examinamos los rendimientos promedio de los factores brutos en estos dos entornos diferentes, utilizando la clasificación del mercado alcista frente al oso de Geertsema y Lu (2022), que siguen la metodología de Pagan y Sossounov (2003). Este método de clasificación primero identifica los picos y valles locales, y luego aplica reglas de censura, como la duración mínima requerida de un ciclo de toro/oso.»

«Nuestras ideas también arrojan una nueva perspectiva sobre la decadencia ampliamente documentada del rendimiento de los factores a lo largo del tiempo. En línea con estudios como McLean y Pontiff (2016), encontramos que el rendimiento promedio del factor en bruto es sustancialmente menor después de 2004 en comparación con antes de 2004. Sin embargo, el mercado estaba en un estado de mercado bajista el 27 % de las veces antes de 2004, en comparación con solo el 9 % de las veces después de 2004, lo que equivale a una diferencia de factor 3. El cambio total en el rendimiento de los factores después de 2004 se puede desglosar en el cambio en el rendimiento de los factores durante los mercados alcistas, el cambio en el rendimiento de los factores durante los mercados bajistas y el impacto del cambio en la frecuencia del mercado alcista frente al bajista».

¿Cuándo empezarán a importar realmente las tasas de interés? por Ben Carlson

Durante mucho tiempo, los expertos predijeron que las tasas de interés subirían, pero no hicieron más que bajar año tras año.

Luego, cuando las tasas alcanzaron el 0 %, parecía que todo el mundo asumía que tendríamos tasas más bajas para siempre… justo a tiempo para que las tasas subieran más de lo que nadie pensaba que era posible en un período de tiempo tan corto.

Así sucede cuando se trata de los mercados.

Cuando las tasas comenzaron a subir por primera vez, parecía que era solo cuestión de tiempo antes de que la Reserva Federal rompiera el mercado y la economía.

Pero sucedió algo gracioso: las tasas subieron de forma increíble y nada se rompió.

Echemos un vistazo a los rendimientos actuales de los bonos del gobierno de EE. UU.:

Es increíble cuando se piensa en lo invertida que está la curva de rendimiento, la velocidad del aumento de las tasas y el nivel absoluto de rendimientos que no hemos visto, al menos en el extremo corto de la curva, en décadas.

Entonces, ¿hasta donde podemos llegar sin sufrir las consecuencias?

Hay tres áreas de los mercados y la economía para las que tengo esta misma pregunta:

¿Cuándo comienzan a importar las tasas al mercado de valores? Hubo una historia en el Wall Street Journal hace poco sobre el aumento sustancial de las asignaciones de capital por parte de los inversores mayores:

Casi la mitad de los inversores de Vanguard 401(k) que gestionan activamente su dinero y mayores de 55 años tenían más del 70 % de sus carteras en acciones. En 2011, el 38 %. En Fidelity Investments, casi cuatro de cada 10 inversores de entre 65 y 69 años tienen alrededor de dos tercios o más de sus carteras en acciones.

Y no son solo los baby boomers. En las cuentas de corretaje imponibles en Vanguard, una quinta parte de los inversores de 85 años o más tienen casi todo su dinero en acciones. Lo mismo ocurre con casi una cuarta parte de esas personas de 75 a 84 años.

Hay algunas razones diferentes para que esta tendencia aumente.

Los inversores más antiguos han pasado por más mercados bajistas y han visto los beneficios de invertir en acciones a largo plazo.

Es probable que algunas personas necesitaran correr más riesgos porque no ahorraron lo suficiente.

Pero también pasamos por un largo período de bajas tasas de interés en la década de 2010, en el que las personas se vieron obligadas a salir de la curva de riesgo.

Hoy es todo lo contrario.

Ahora mismo puedes ganar casi el 5,5 % renta fija a 3 meses. Ese es el nivel más alto desde principios de 2001. Los rendimientos a corto plazo no han superado el 5 % desde 2007.

Los inversores conservadores deberían estar contentos, especialmente si la Reserva Federal es capaz de mantener las tasas más altas durante más tiempo.

Pero, ¿cuándo empezaremos a ver que los inversores se vuelven más conservadores con sus asignaciones ahora que las tasas libres de riesgo son tan altas?

¿Y cómo afectará esto al mercado de valores?

¿Cuándo empiezan a importar las tarifas al mercado de la vivienda? Las tasas hipotecarias se han disparado por encima del 7 % en las últimas dos semanas:

Pero estas tasas más altas no han disuadido ciertas partes del mercado de la vivienda.

Las acciones de los constructores de viviendas se están disparando este año:

Pulte, Lennar, Toll Brothers y D.R. Horton ha alcanzado nuevos máximos históricos este año a pesar de que las tasas hipotecarias han subido por encima del 7 %.

Hay tan pocas casas existentes en el mercado que los constructores de viviendas que se han convertido en la única opción en la ciudad para muchos compradores.

Los precios de la vivienda también están subiendo de nuevo. Lance Lambert de Fortune analizó los cambios en los precios regionales de las viviendas en mayo:

Noventa y nueve de los mercados de vivienda más grandes del país experimentaron aumentos de precios en mayo. La única zona en caer fue Austin, TX.

Desde la pandemia, hemos vivido uno de los ciclos más extraños del mercado de la vivienda de la historia.

En algún momento, asumiría que las tasas hipotecarias que van del 3 % al 7 % tendrían un impacto más allá de la disminución de la oferta de casas en venta.

Los precios de la vivienda y las acciones de los constructores de viviendas han sido resistentes (Hasta ahora).

¿Cuánto tiempo tienen que permanecer elevadas las tasas hipotecarias antes de que el mercado de la vivienda finalmente caiga?

¿Cuándo empiezan a importar las tasas al mercado laboral? La mayoría de los economistas y responsables políticos asumieron que necesitábamos un desempleo mucho más alto para contener la inflación.

Esto es lo que Larry Summers dijo que tenía que suceder en un discurso que pronunció hace poco más de un año:

Necesitamos cinco años de desempleo por encima del 5 por ciento para contener la inflación; en otras palabras, necesitamos dos años de desempleo del 7,5 por ciento o cinco años de desempleo del 6 por ciento o un año de desempleo del 10 por ciento.

Desde que Summers hizo estos comentarios, la economía de EE. UU. ha añadido más de 3,7 millones de puestos de trabajo. La tasa de inflación ha caído, mientras que la tasa de desempleo no se ha movido:

Estamos viviendo en uno de los mercados laborales más fuertes de la historia y no parece importarle lo que digan o hagan los economistas o la Reserva Federal.

La proporción de participación en la fuerza laboral en la principal edad sigue aumentando, cerrándose a los máximos históricos vistos por última vez en 2000:

Jerome Powell dijo explícitamente que quería que la gente perdiera sus empleos para ayudar con el problema de la inflación.

Bueno, la inflación ha bajado.

¿Puede durar esto?

Sinceramente, no lo sé.

Mucha gente piensa que la política monetaria funciona con retraso. Si las tasas se mantienen altas, eventualmente los consumidores explotarán con su exceso de ahorros producidos en la pandemia, los costos de los préstamos se volverán demasiado prohibitivos y la economía y el mercado de valores fallarán.

Podría asumir que las tasas hipotecarias del 7% y las tasas de los préstamos para automóviles del 9% y las tasas de las tarjetas de crédito del 27% ralentizarían la economía.

Ya hemos visto una desaceleración de la actividad económica durante mucho más tiempo de lo que la mayoría de los expertos pensaban que era posible.

Estoy de acuerdo en que las tasas más altas deberían tener un impacto en algún momento.

Simplemente no sé cuál será el punto de inflexión si la gente sigue gastando dinero.

Las tres claves para tener éxito en el trading por Brett N. Steenbarger, Ph.D.

• Brett N. Steenbarger, Ph.D.  es uno de los entrenadores de traders, en activo, con mayor prestigio a nivel internacional. ¿Te gustaría saber los tres factores que destaca para tener éxito en el trading?
• Artículo publicado en Hispatrading 55.

Después de muchos años entrenando a traders de primer nivel, muchos de ellos trabajadores de firmas de trading propietario y bancos de inversión, he podido obtener lo que pienso que son las tres claves para el éxito en el trading. Me gustaría compartir en este artículo cuales son. 

El primer factor que contribuye al éxito es simplemente el entorno del mercado. No es coincidencia que algunos meses en concreto sean especialmente rentables para los day traders activos. En ocasiones vemos que acciones de menor capitalización, u otros activos, hacen grandes movimientos intradía durante muchos días. Es muy difícil para los traders direccionales lograr rendimientos espectaculares en entornos de baja volatilidad. Lo que permite a los traders activos lograr rendimientos sólidos es su capacidad para dirigir sus operaciones hacia lo que se está moviendo en ese momento, encontrando así ventanas de oportunidad, incluso cuando el VIX está por los suelos. El principio que subyace es que lo que operas es tan importante o más a cómo lo haces. Puedes ser el mayor minero de oro del mundo, pero arruinarte si excavas en los lugares equivocados.

En una nota entre paréntesis, podría mencionar que el principio anterior es tan importante para los participantes de marcos de tiempo más largos, no solo para los traders intradía activos. El inversor macro direccional generalmente se beneficia, no solo de la volatilidad, sino también de la tendencia. Si observas los rendimientos de los traders de fondos de cobertura durante ciertas épocas, encontrarás que los que han tenido buenos resultados tienden a ser aquellos que han estado largos en acciones (o una combinación de acciones en largo y largos también en bonos); cortos de volatilidad y/o trading con estrategias de «reversión a la media»/valor relativa. Sin embargo, en otras épocas sucede justo lo contrario. Como cualquier empresario, el trader de éxito tiene que operar en un mercado que ofrece oportunidades claras y únicas.

El segundo factor que contribuye al éxito, de los traders que han tenido los mejores meses y años de su carrera, ha sido la presencia de un objetivo visionario global. Varios me dijeron explícitamente a principios de año que querían ganar un millón de dólares este año. Era una parte regular de su pensamiento y enmarcaba cómo pensaban sobre su rendimiento. La presencia de esta visión los mantiene con fuerza y proporciona ese impulso motivador para trabajar en su trading. Sostener la visión los mantiene emocionados y llenos de energía durante todo el año. En muchos casos, esa emoción y energía se está trasladando a los miembros de su equipo, impulsando su rendimiento.

El tercer elemento de éxito para estos traders fue tener pequeños objetivos mientras alcanzaban su gran objetivo. Los pequeños objetivos eran las cosas en las que necesitaban trabajar día a día y semana a semana para seguir mejorando. Sin ese gran objetivo visionario, los objetivos más pequeños del proceso habrían sido un mero trabajo pesado. Pero sin esos objetivos de proceso a corto plazo, la gran visión nunca se habría hecho realidad. Es la acumulación de mejoras en las operaciones durante el año lo que prepara al traders para explotar el entorno de mercado. Cuando tiene una visión inspiradora y un proceso sólido para trabajar hacia esa visión todos los días, se prepara para el éxito cuando surja la oportunidad.

¿Y tú? ¿Cómo te estás preparando para tener éxito este año?