La estacionalidad en los datos macroeconómicos por Tomás García-Purriños

Decimos que una serie temporal es estacional cuando tiene una variación periódica predecible en un periodo inferior al año. Los motivos de estas variaciones predecibles pueden ser diversos, el más importante suele ser la influencia de las estaciones (temperatura, luz, precipitaciones, etc), pero una serie puede ser estacional por muchos otros motivos, como por ejemplo la ecología (migraciones, caída de las hojas de los árboles, etc) o por motivos culturales (temporada de bodas, etc).

Evidentemente otros aspectos, como la tendencia, influirán en la serie. Saber que una serie tiene estacionalidad no significa que sepamos predecir su comportamiento. Por eso, sería más preciso decir que una serie temporal es estacional cuando su valor esperado no es constante, pero varía con una pauta cíclica. Esta pauta se superpone a la tendencia, produciendo un comportamiento cíclico que se repite cada año.

A veces es sencillo detectar estacionalidad, atendiendo sólo al gráfico de la serie. El ejemplo que se suele poner en todo curso de econometría es el de la creación de empleo. Así, si vemos el gráfico de creación de empleo en EEUU comprobamos fácilmente que tiene una clara estacionalidad. Se ve cómo diciembre, enero y julio son meses históricamente malos, frente a marzo, abril u octubre. Aún se ve más claro cuando calculamos las medias mensuales (desde 2001) y las graficamos.

El ejemplo que hemos visto del empleo es un proceso estacional determinista: esto es, constante para el mismo mes de cada año. Sin embargo, la estacionalidad no siempre se presenta así. A veces el proceso estacional varía con otras propiedades de la serie. Para corregir este efecto, podemos considerar que la evolución es estacionaria: el proceso estacional no es determinista, pero oscila alrededor de un valor medio. Así tenemos por un lado un proceso  estacional, que varía en función de un proceso estacionario de media cero.

Finalmente, puede darse el caso de una serie temporal estacional que cambia en el tiempo sin valor medio. Es decir, sigue un proceso estacional no estacionario. Para eliminar la estacionalidad en este tipo de casos, el modelo más sencillo asumirá que la variación de la estacionalidad sigue un proceso aleatorio.

La estimación de la estacionalidad es importante no sólo para incorporarla a nuestros modelos, sino para eliminarla de la serie y poder atender así otros componentes como, por ejemplo, su tendencia. Las consecuencias de que una serie sea estacional son claras: Distorsiona el estudio de los datos, los hace no comparables y puede restar precisión a nuestros modelos si no la tenemos en cuenta. 

Para analizar la estacionalidad, podemos utilizar la función de autocorrelación. Esta mide la correlación entre los valores de la serie distanciados por un periodo de tiempo. Si existe autocorrelación significativa, aceptaremos que la serie es estacional. Una versión más sofisticada de la autocorrelación consiste en el análisis del espectro de frecuencias.

Otros métodos usados ampliamente para la detección de estacionalidad son el contraste Krustal-Wallis o el contraste KPSS, que analizan la hipotésis de estacionalidad asumiendo que los valores de la serie son la suma de un paseo aleatorio y un componente estacionario. 

En el caso de que la serie sea estacional, podemos desestacionalizarla. La desestacionalización o ajuste estacional, consiste en eliminar el componente estacional de la serie. En este sentido, desde los años 70, el trabajo de Box y Jenkins supusieron una revolución en el análisis de las series temporales, introduciendo sus modelos conocidos como modelos ARIMA (y también, como modelos Box-Jenkins).

A grandes rasgos, en este tipo de modelos se transforma una serie temporal en estacionaria (esto es, ni la media, ni la varianza, ni las autocorrelaciones dependerán del tiempo). Tras la transformación, el siguiente paso consiste en identificar un modelo de predicción válido y después, deshacer la transformación para comprobar si los pronósticos son acertados. La gran ventaja de estos modelos es su simplicidad relativa frente a los clásicos.

Por suerte, la mayoría de series de los indicadores más relevantes ya vienen desestacionalizadas y corregidas de otros efectos. No obstante, para las que esto no sea así, podemos servirnos de programas como el X-12-ARIMA o TRAMO para tratar las series. 

¿Qué puede suceder con la inflación? por Dr. Ed Yardeni

La mayoría de los economistas, incluidos Debbie y yo, creemos que si los datos no respaldan nuestros pronósticos, entonces debe haber algo mal en ellos y que serán revisados para demostrar que, después de todo, teníamos razón. La mayoría de los economistas, incluido un servidor, también suelen descartar componentes de los indicadores principales que no respaldan nuestra historia y miran los indicadores «básicos» restantes para comprobar que se ajustan a nuestra perspectiva y, por lo tanto, la confirman.

Este enfoque de corte de los principales indicadores económicos suele ser lo que sucede cuando se publica el informe mensual de empleo. Se piensa que si los datos desestacionalizados no respaldan la narrativa, tal vez los datos no desestacionalizados sí lo hagan. O tal vez las revisiones de los datos de los meses anteriores apunten en la dirección “correcta” y, por lo tanto, sean lo que se debe destacar. Si la medida del empleo de las nóminas no es tan amigable como la medida de los hogares, concéntrese en la de los hogares.

Otro indicador económico importante que invariablemente es desmenuzado por la hermandad de economistas es el IPC. El número de septiembre se publicó junto con todos sus componentes la semana pasada el jueves. Algunos economistas (como nosotros) afirmamos que esto confirma que la inflación todavía se está moderando y está resultando ser relativamente transitoria. Otros examinaron el informe y concluyeron que la inflación se está estancando a un ritmo muy superior al objetivo de inflación del 2,0% de la Reserva Federal. Algunos economistas encontraron evidencia de que la inflación puede estar acelerándose nuevamente, por lo que sigue siendo un problema persistente.

Entonces ¿quién tiene razón? Todos tenemos razón siempre porque hay muchos datos que respaldan todas nuestras historias. Los datos no conformes se descartan como estimaciones preliminares que sin duda serán revisadas o simplemente son erróneas. Sin duda, las revisiones futuras demostrarán que, después de todo, estamos en el camino correcto; si no, datos diferentes lo harán. Puede que no todos seamos keynesianos ¡pero todos somos profetas según los datos que elegimos para respaldar nuestra perspectiva!

Ahora analicemos el último IPC y veamos qué queda:

(1) Ignore el titular. No preste atención a la tasa de inflación general. Ese fue uno de los mensajes del discurso pronunciado por el presidente de la Reserva Federal, Jerome Powell, en Jackson Hole el 25 de agosto. Desde el principio, dijo que “los precios de los alimentos y la energía están influenciados por factores globales que siguen siendo volátiles y pueden proporcionar una señal engañosa de hacia dónde se dirige la inflación”. Así que centró su análisis en la tasa de inflación subyacente, es decir, la tasa general menos energía y alimentos. Por supuesto, éste ha sido el enfoque de la Reserva Federal durante muchos años.

La medida de inflación preferida por la Reserva Federal ha sido la PCED básica, que sigue de cerca al IPC subyacente (Gráfico 1). Este último tiende a superar al primero. Por hoy, nos centraremos en el IPC hasta septiembre, ya que la lectura del PCED de septiembre no se publicará hasta casi finales de mes.

La tasa de inflación general del IPC fue del 3,7% interanual hasta septiembre (Gráfico 2). La tasa subyacente del IPC fue más alta, alcanzando el 4,1%. Ambos están por debajo de sus máximos de 2022 del 9,1% y 6,6%, respectivamente. Pero ambos siguen muy por encima del objetivo del 2,0% de la Reserva Federal.

(2) Saliendo del refugio. Antes de continuar, aquí está nuestro chiste: las tasas de inflación general y básica del IPC, excluyendo la vivienda, fueron ambas del 2,0% interanual durante septiembre (Gráfico 3). Entonces, a la pregunta de cuándo llegaremos al objetivo de inflación de la Reserva Federal, la respuesta es que ahora estamos allí excluyendo la vivienda, ¡al menos según la medida del IPC!

El alquiler de viviendas representa un enorme 34,7% y 43,6% de las medidas generales y básicas del IPC. Su tasa de inflación saltó de un mínimo del 1,5% en febrero de 2021 a un máximo del 8,2% en marzo de 2023 (Fig. 4). En septiembre bajó, pero sólo al 7,2%.

En su discurso, Powell dijo: “Debido a que los arrendamientos se renuevan lentamente, se necesita tiempo para que una disminución en el crecimiento de los alquileres en el mercado se introduzca en la medida general de la inflación. La desaceleración del alquiler en el mercado recién ha comenzado a reflejarse en esa medida. Se puede considerar que la desaceleración del crecimiento de los alquileres para nuevos arrendamientos durante aproximadamente el año pasado está “en proceso” y afectará la inflación medida de los servicios de vivienda durante el próximo año”.

Además, Powell reconoció en su discurso que la inflación de los “alquileres de mercado” (es decir, de nuevos arrendamientos) ha disminuido “constantemente” este año. El índice de alquileres de Zillow bajó al 3,2% interanual durante septiembre. Utilizando esa lectura en lugar de la lectura del IPC sobre el alquiler de viviendas del 7,2 %, Debbie descubrió que el IPC general aumentó solo un 2,3 % frente al 3,7 % del IPC general real.

Según nuestro análisis hasta el momento, en nuestra opinión, el último episodio de inflación está resultando ser transitorio en lugar de persistente. La Reserva Federal podría alcanzar su objetivo del 2,0% para la tasa de inflación básica PCED mucho antes de lo previsto, es decir, en 2024 en lugar de 2025.

(3) La inflación de bienes es buena. En su discurso, Powell dio a entender que, después de todo, la inflación subyacente de bienes sin duda ha resultado ser transitoria. Dijo: “La inflación de los bienes básicos ha caído drásticamente, particularmente en el caso de los bienes duraderos, a medida que tanto el ajuste monetario como el de la política económica y la lenta corrección de las dislocaciones de la oferta y la demanda lo están haciendo caer”.

Anteriormente explicamos que el atracón de compras de los consumidores después del confinamiento se centró en bienes porque los servicios todavía se veían obstaculizados por las restricciones de distanciamiento social. Eso provocó que la inflación de los bienes aumentara desde aproximadamente cero en el verano de 2020 al 14,0% en 2022 (Fig. 5). Durante septiembre, la inflación de bienes bajó al 1,4%, los bienes duraderos bajaron un 2,2% y los bienes no duraderos aumentaron un 3,2%. Los bienes básicos se mantuvieron sin cambios en septiembre respecto al año anterior (Gráfico 6).

(4) La inflación supercore es persistente. En su discurso, Powell dijo: Para comprender los factores que probablemente impulsen un mayor progreso [en la reducción de la inflación], es útil examinar por separado los tres componentes amplios de la inflación PCE básica: la inflación de bienes, la de servicios de vivienda y la de todos los demás. servicios, a veces denominados servicios no relacionados con la vivienda”. Esta última categoría también se conoce como tasa de inflación “superbásica”. Ha estado estancada en torno al 4,5%-5,0% desde octubre de 2021 (Fig. 7). Sin embargo, la tasa de inflación del IPC de servicios menos vivienda bajó al 2,8% en septiembre desde el máximo del 8,2% del año pasado.

(5) El seguro médico es una locura. Es ampliamente reconocido que el componente de seguro médico del IPC es muy volátil y se basa en una técnica de medición muy cuestionable (Gráfico 8). Mucho más sensata es la medida del seguro médico del PCED, que recientemente se ha mantenido relativamente estable y en un solo dígito en temporalidad interanual, mientras que la medida del IPC ha estado oscilando entre cambios porcentuales interanuales positivos y negativos de dos dígitos. Este último bajó un 37,3% interanual durante septiembre y ahora se espera que regrese a territorio positivo durante los próximos meses.

Todos lo sabemos y nos adaptaremos a esta distorsión. En cualquier caso, tiene un peso minúsculo del 0,545% del IPC.

(6) Los precios de los automóviles podrían acelerarse. Los precios de los automóviles nuevos y usados han contribuido a la volatilidad y la naturaleza transitoria de la inflación desde la pandemia. Las interrupciones en la cadena de suministro interrumpieron el suministro de automóviles nuevos desde 2020 hasta la primera mitad de 2022, lo que hizo que los precios de los automóviles nuevos se dispararan. A medida que estos problemas disminuyeron, la tasa de inflación de los precios de los automóviles nuevos se desplomó (Figura 9).

Los precios de los automóviles usados se dispararon incluso más que los precios de los automóviles nuevos durante la pandemia, y los primeros se desplomaron más que los segundos después (Fig. 10). Ahora la preocupación es que la huelga del UAW provoque una escasez de inventarios de automóviles nuevos que una vez más impulse los precios de los automóviles nuevos y usados.

(7) Conclusión. Dicen que el diablo está en los detalles. Es muy posible que eso sea cierto respecto de las perspectivas de inflación. Sin embargo, la inflación suele definirse como un aumento general y relativamente amplio de los precios. En cualquier mes, algunos de los componentes del IPC pueden explicar gran parte del aumento o disminución de ese mes. Lo que importa es la tendencia subyacente. Eso es lo que más buscamos para confirmar nuestra perspectiva o la necesidad de cambiarla. Los últimos datos nos confirman que nuestro escenario sigue por buen camino: la inflación continúa moderándose.

Estrategias simples y efectivas para entrar y salir de una operación por The Trader Chick

Si bien una buena estrategia puede ayudarlo a convertirse en un trader de éxito, puede que no sea suficiente para que las cosas funcionen sin problemas a largo plazo. Muchos traders no entienden que no hay lugar para el miedo en el trading. Dejan que su miedo les impida ejecutar una operación y nunca se convierten en el trader que quieren ser.

Muchos traders no confían en sus estrategias de entrada y salida. Algunos diseñan sólidas estrategias de entrada y salida, pero no las cumplen cuando llega el momento. A continuación, encontrará una guía concisa para identificar los mejores momentos para entrar y salir de una operación:

¿Cómo y cuándo entrar en una operación?

Es relativamente fácil entrar en una operación. Puede entrar con varios tipos de operaciones en el mercado, a saber, una posición larga o una posición corta. La primero se refiere a la compra de un activo con la expectativa de que su precio aumente y la segunda se refiere a la venta de un activo con la intención de recomprarla a un precio más bajo.

Antes de entrar en una operación, debe investigar el activo utilizando la acción del precio y el análisis técnico. Xstation es un ejemplo de una plataforma de análisis técnico. Una vez que haya realizado su investigación, debe seleccionar cuidadosamente el volumen del activo, es decir, la cantidad del activo que desea comprar o vender.

El paso final es utilizar las opciones de compra y venta para entrar al mercado. Sin embargo, solo debe entrar a una operación cuando comprenda los factores que afectan el precio del activo para saber si el precio es correcto. También debe estar psicológicamente preparado cuando entra a una operación.

¿Cuándo salir de una operación?

El momento adecuado para salir de una operación es cuando haya alcanzado su objetivo de ganancias. Cuando la operación alcanza un determinado nivel de precio, se activa una orden de limitación de pérdidas y se envía a la bolsa para su ejecución. Como trader, debe salir de una operación unos momentos antes de que cierre el mercado para evitar los riesgos que se presentan durante la noche.

¿Cómo superar el miedo a ejecutar una operación?

Los traders investigan mucho, formulan sus estrategias de entrada y salida, y aun así no toman medidas cuando llega el momento. Como la ejecución de algunas operaciones no puede esperar, puede terminar perdiendo mucho dinero si duda en apretar el gatillo cuando llegue el momento.

Para superar su miedo y aumentar sus posibilidades de obtener ganancias, apriete el gatillo de la operación cuando llegue su punto de entrada. Si no puede luchar contra este tipo de miedo, puede ejecutar la operación a través de una orden límite, es decir, una orden que restringe el precio máximo a pagar o el precio mínimo a recibir en la compra o venta de un activo, respectivamente.

Si piensa constantemente en ganar y perder, no podrá ejecutar operaciones de acuerdo con sus estrategias bien diseñadas. Debe aceptar que está participando en un juego de probabilidades en el que debe tener el control. Estar demasiado preocupado por hacerlo mal nos paraliza. Debe confiar en su análisis y apretar el gatillo.

Nuevas métricas del riesgo y sus aplicaciones en portafolios de sistemas (Parte 1) por Andrés García

• El control del riesgo es uno de los aspectos fundamentales en toda operativa. Más allá de las simples señales de entrada y salida tenemos un universo de opciones que podrán determinar la mejora o fracaso estrepitoso de un sistema con esperanza matemática positiva. En esta serie de dos artículos profundizaremos en ello. 
• Artículo publicado en Hispatrading 18.

Si preguntásemos a cualquier gestor financiero por la noción de riesgo que maneja seguramente nos hablaría de incertidumbre en la evolución de los precios y de la probabilidad de incurrir en una pérdida potencial. En otras palabras, incertidumbre asociada al tamaño de las pérdidas y al desconocimiento de los resultados en el tiempo. Nótese que esto último es importante: Una pérdida segura no es un riesgo, como tampoco lo es la obtención de beneficios inesperados. El riesgo que preocupa al gestor es el relativo a la frecuencia y tamaño de las pérdidas. De ahí que los modelos de cartera tradicionales  traten de buscar medidas coherentes del riesgo en términos probabilísticos. Es decir, vinculándolo con variables aleatorias cuyas distribuciones son total o parcialmente conocidas. 

De este modo surge en el modelo de Markowitz (1952) la noción de riesgo como variabilidad que se identifica con la desviación típica o varianza de los resultados en el tiempo. Medir el riesgo de un activo se convierte en el problema de determinar su volatilidad histórica. Y este va a ser el elemento central en la generalización del trabajo de Markowitz llevada a cabo por William Sharpe (1964) y su Modelo de Valoración de Activos (CAPM). Ahora se manejan dos tipos de riesgo: El sistemático o de mercado, que no puede eliminarse por completo, y el específico o de producto que puede minimizarse mediante una adecuada selección de activos. Las volatilidades de los valores se cuantifican respecto a un índice de referencia y se representan con un solo número, la beta. Construir carteras con mayor o menor aversión al riesgo se convierte ahora en un problema mucho más sencillo para el gestor,  ya que  solo tendrá que seleccionar activos con betas distintas para obtener una cartera convenientemente balanceada en términos de riesgo-recompensa (R/R). Pero en ambos modelos el riesgo se mide en términos de varianzas y covarianzas, por lo que solo serán plenamente robustos cuando las rentabilidades de los activos están normalmente distribuidas. Fuera del universo gaussiano estos modelos y sus numerosas variantes van a tener problemas. 

Otro inconveniente de estos modelos es que no contemplan situaciones adversas muy alejadas de la normalidad o en las colas de la distribución. El llamado efecto «cisne negro» (Taleb, 2007) tiene su origen en el carácter atípico y no lineal de las formaciones de precios en respuesta a hechos inesperados. Se trata de una sobrerreacción de corta duración pero enorme amplitud que se verá acentuada en la operativa con derivados por el alto nivel de apalancamiento con el que normalmente se trabajan estos productos.

Si nos retrotraemos al ámbito del trading de sistemas, el drawdown de Montecarlo, la máxima pérdida y la desviación de las operaciones perdedoras, nos pueden dar una idea bastante precisa del riesgo de una estrategia cuando disponemos de series de operaciones largas y fiables. Pero estás métricas nos ofrecen una visión estática del riesgo, no nos permiten inferir con un nivel de confianza elevado dónde debería estar nuestro portfolio, considerando los escenarios más adversos y en un horizonte temporal de días, semanas o años. Como veremos más adelante, otros estimadores de riesgo como el CVaR (valor en riesgo condicional) y el CDaR (drawdawn en riesgo condicional) sí nos permitirán responder a esta pregunta.

1.- EL VALOR EN RIESGO (VaR)

El VaR ha desempeñado desde la década de los noventa un papel fundamental en la estimación del riesgo de mercado en una amplia variedad de productos. De hecho, ya en 1993 el grupo de los 30 (G-30) consideró al VaR una herramienta idónea para evaluar la exposición bancaria global. Dos años después el Comité de Basilea permitió a los bancos establecer sus reservas de capital  empleando modelos matemáticos basados en el VaR. En 1996 Morgan Stanley y Reuters generalizaron el uso del VaR en la estimación del riesgo en carteras de renta fija y variable, así como en algunos productos derivados bajo la metodología Riskmetrics, que incluye un amplio conjunto de técnicas, datos y protocolos de implementación ampliamente utilizados en el sector financiero. Desde entonces en el arsenal estadístico de los gestores de carteras siempre está presente este estimador del riesgo.

Definido de manera sencilla el VaR es la pérdida máxima esperada en una cartera con una probabilidad y un intervalo temporal conocidos y, de manera más precisa, es el  (1-α) percentil de la distribución de pérdidas y ganancias en el horizonte t. El VaR de la distribución Fx para un nivel de confianza α ϵ | 0-1|, es:

VaR_α (X) = min { z | Fx (z) ≥ α}

Cuando aplicamos el VaR a la distribución del beneficio acumulado obtenido mediante simulaciones de Montecarlo para un horizonte t, lo que obtenemos es el valor mínimo del portfolio (no necesariamente negativo) para el nivel de confianza especificado. 

En el supuesto de la normalidad, el cálculo del VaR resulta muy sencillo ya que sería proporcional a la media y desviación estándar de la distribución y podría aproximarse mediante el método Delta Normal (Letmark, 2010). Pero en la mayoría de los casos no podemos esperar normalidad en la distribución del retorno y el VaR debe ser estimado mediante modelos no paramétricos como la simulación histórica y la simulación de Montecarlo. Ambos modelos son idóneos para carteras sistemáticas, ya que en esta modalidad de trading disponemos de grandes series de operaciones obtenidas mediante técnicas de backtest que nos permiten evaluar el comportamiento de las estrategias en marcos temporales muy amplios. Veámoslas con más detalle:

a) Modelo VaR de simulación histórica: 

Permite una estimación directa del VaR en función de los rendimientos pasados para el horizonte temporal requerido. El percentil (1-α) de la serie histórica nos dará el VaR empírico de nuestra cartera. Ni que decir tiene que su valor dependerá de factores como el origen de los datos (reales, out-sample) y el tamaño de la serie. Por ejemplo el Comité de Basilea recomienda no menos de 252 días de datos (año laboral) y cortes temporales de 1 día y 10 días para la estimación del riesgo. Nosotros consideramos muy escasa esta recomendación ya que en nuestra modalidad de trading los sistemas se comportan de manera muy distinta entre marcoépocas caracterizadas por largos períodos de mayor o menor volatilidad y tendencia. Si no se dispone de un histórico P/G de varios años (al menos 5-7) podemos estar subestimando el riesgo que mide el VaR. 

Por otra parte, la principal crítica a este modelo es que no contempla variaciones futuras de los escenarios pasados. Por tanto, estamos asumiendo erróneamente invariancia temporal en la distribución del retorno. Para mitigar este problema se recomienda la realización de stress-tests o análisis de escenarios hipotéticos de los mercados que reflejen las situaciones más desfavorables. Por ejemplo,  movimientos bruscos de los precios en situaciones de volatilidad extrema. Hecho de manera rigurosa equivaldría a evaluar los sistemas en series sintéticas construidas para replicar estos escenarios, lo cual es complejo y tedioso. En la práctica lo que se hace es  empeorar ligeramente las series P/G mediante algún elemento corrector aplicado a todas las operaciones (ej. mayor deslizamiento).

  b)  Modelo VaR de Montecarlo:

Es la forma más elegante de construir un número ilimitado de escenarios hipotéticos partiendo de las series originales. Una simulación de Montecarlo bien planteada ha de generar diversidad al tiempo que se acomoda globalmente a los ratios generatrices de la serie de partida. En nuestro artículo «Simulaciones de Montecarlo y operativa sistemática» (Hispatrading, nº 15 y 16) ya hemos analizado su tipología, características y ventajas. Ahora nos centraremos en su capacidad para estimar de manera precisa el riesgo de una cartera. Esto lo haremos en varias etapas:

– Lo primero será elegir el simulador adecuado. Para el cálculo del VaR necesitamos un modelo que genere curvas aleatorias de la rentabilidad del portfolio. Esto deja fuera a los simuladores basados en permutaciones sin repetición que, como ya vimos, solo son útiles para evaluar el drawdown. En este caso los mejores simuladores son los que generan las curvas a partir de los ratios de la serie original. Aportan diversidad (en este caso valores P/G nuevos) y, si están bien construidos, replican con notable fidelidad la serie original. En la imagen inferior podemos ver una simulación realizada por el método del inverso y que utiliza cinco variables: Porcentaje de aciertos,  beneficio medio, pérdida media, desviación de las operaciones perdedoras y desviación de las ganadoras. Con estos ratios obtenemos curvas como estas: 

– La estimación del VaR requiere un elevado número de escenarios hipotéticos ya que la precisión del modelo está relacionada con la variabilidad de la muestra. A medida que aumentamos el número de escenarios heurísticos el estimador del VaR tiende a valores más precisos a un ritmo creciente. 100 escenarios son suficientes para calcular el VaR, mientras que el CVaR requiere al menos 1.000. En general la precisión aumenta con la raíz cuadrada del número de simulaciones. En el siguiente gráfico podemos ver el resultado de simular el beneficio acumulado de una cartera durante un año laboral. La simulación se ha construido partiendo de las estadísticas de una serie out-sample de cuatro años:

En este caso obtenemos un VaR_95% de 31.700€ y un VaR_99% de 21.600€ esta última cifra sería el valor mínimo esperado del portfolio a un año y para un nivel de confianza del 99%. Cuando la pendiente media de las curvas simuladas es positiva el VaR converge hacia valores positivos en un tiempo finito y, el ritmo al que lo hace, está relacionado con la cadencia operativa y con la esperanza matemática del sistema o cartera. 

– La validación del modelo es fundamental y el Comité de Basilea recomienda realizar pruebas de backtest para comprobar que el VaR estimado se verifica en las series históricas. Se han propuesto varios tests. Uno de los más empleados es la «Prueba de proporción de fallos» o estadístico de Kuipec (1995), que consiste en comprobar de manera recursiva el número de «fallos» o desbordamientos del VaR sobre el P/G de la serie histórica. El Comité de Basilea recomendaba aplicar el test al menos a un año, con un nivel de confianza del 99% y ventanas VaR de 1 y 10 días. Veamos un ejemplo:

En este gráfico mostramos el P/G diario de un sistema durante un número (N) de días y las bandas inferiores representan la evolución del VaR 95% y 99% a un día. El primer paso para aplicar el estadístico es calcular la proporción (ṕ) de fallos (S): ṕ= . Esta proporción se aproxima a la probabilidad de fallo (p) para el nivel de confianza deseado. Así con un VaR_95% solo deberíamos encontrar un promedio 5 fallos cada 100 barras y con un VaR_99% de 1 fallo. Hecho el conteo, aplicamos el estadístico de Kuipec:

Y contrastamos la hipótesis de que la probabilidad empírica ṕ de fallo no se aleje de la probabilidad teórica p, establecida en el modelo de VaR al 99%.  Dado que la distribución asintótica de esta prueba es Chi con un grado de libertad cuando N es grande, podemos plantear las hipótesis nula y de rechazo del siguiente modo:

H₀ → p=1%,  Sí LR ≤ χ_1%,1 y rechazamos H₀ si LR > χ_1%,1

χ_1%,1 es el percentil 1% de la distribución de Chi = 6,635. Si el percentil es 5% su valor es 3,841.

En la siguiente tabla vemos los resultados de aplicar el estadístico sobre una serie out-sample (histórico de 252 días) y sobre la misma serie simulada por Montecarlo (4.749 días). Ambas pasan claramente la prueba, así que en este caso damos por bueno el modelo de VaR.

Pese a convertirse la metodología VaR en un estándar ampliamente utilizado en el mundo financiero, pronto surgieron algunas voces críticas (Artzner et al., 1999) que señalaron que el VaR no es una medida coherente del riesgo ya que no satisface el criterio de subaditividad (la fusión de portfolios no debe incrementar el riesgo de cada uno por separado) y, además, es insensible a las colas de la distribución, lo que hace indeseable su uso con distribuciones asimétricas y con colas gruesas que podrían estar enmascarando riesgos mayores. Para solventar estas carencias conservando las ventajas del VaR se ha propuesto como métrica alternativa el CVaR que analizaremos en el próximo número de Hispatrading Magazine.

Cae la amplitud que apoya el mercado alcista por Sentimentrader

La actividad reciente reduce la amplitud del mercado alcista

• Durante los últimos 50 días, la amplitud del S&P 500 (el rendimiento de las acciones que componen el índice) ha sido lo suficientemente mala como para desencadenar una fuerte caída.
• Ha sido suficiente para reducir las medidas a largo plazo, incluida la amplitud neta total, desde el mínimo de octubre.

Los últimos dos meses han terminado con muchos avances en la amplitud del mercado

Han sido un par de meses difíciles para las acciones promedio. En los últimos 50 días, un promedio de 25 acciones más del S&P 500 han caído de las que han avanzado. Ésta es una de las lecturas más extremas de la última década.

Si los últimos diez años sirven de indicación, el Backtest Engine muestra rendimientos anormalmente altos en prácticamente todos los períodos de tiempo.

Lo que nos dice el estudio

En los primeros meses posteriores al mínimo de octubre, tuvimos múltiples oportunidades de mostrar cuán agresivos eran los compradores a la hora de adquirir acciones. Esto siguió hasta enero e incluso abril para algunos indicadores. Desde entonces, se ha desacelerado notablemente y se volvió muy débil a partir de finales de julio.

Si bien eso no anula necesariamente todos los aspectos positivos acumulados durante los once meses anteriores, hace que las cosas sean más complicadas en el futuro. Hay algunos indicios de que la situación es lo suficientemente débil como para considerar que estamos en zona de sobreventa, pero los alcistas tienen que demostrar que comprarán en estas condiciones.

Time Invariant Portfolio Protection por Quantpedia

Este artículo se centrará en una extensión del modelo original introducido por Estep y. Kritzman (1988), a saber, Time Invariant Portfolio Protection.

El Constant Proportion Portfolio Insurance (CPPI) y la Time-Invariant Portfolio Protection (TIPP) son dos de las estrategias de protección de cartera más conocidas que juegan un papel importante en el ámbito de la gestión de las inversiones y la mitigación de riesgos. Estas estrategias están diseñadas para abordar el desafío fundamental de equilibrar la búsqueda del crecimiento financiero con el imperativo de la protección del capital contra las caídas del mercado. Idealmente, la protección garantizada se logra con la prima más baja posible para los inversores.

EL MODELO

CPPI es un enfoque dinámico que se adapta a las condiciones del mercado ajustando activamente la asignación entre activos de riesgo y sin riesgo, esforzándose por preservar un valor mínimo predefinido al tiempo que permite la participación en los aumentos del mercado. Por el contrario, TIPP emplea una metodología más conservadora, en la que se garantiza un porcentaje fijo del valor de la cartera a lo largo del horizonte de inversión y la exposición de riesgo se ajusta en consecuencia. La principal diferencia es que, mientras que en CPPI el Floor (Se trata de una opción sobre tipos de interés. Una cobertura ante posibles bajadas en el nivel de los tipos de interés) base crece a un ritmo constante, en TIPP es una función del valor de la cartera y, por lo tanto, tiene una naturaleza dependiente de la ruta. Estas dos estrategias ofrecen ventajas e inconvenientes distintos, lo que las convierte en herramientas valiosas para los inversores con diferentes apetitos de riesgo, objetivos de inversión y preferencias para la gestión de la cartera.

Ambas estrategias prescriben una asignación al activo de riesgo que es igual al colchón (diferencia entre V0 y F0) multiplicada por un coeficiente de riesgo-aversión m. Cuanto más alto sea el coeficiente, más agresiva será la estrategia y, a la inversa. La asignación a la libre de riesgo se determina de forma residual.

Vamos a mostrar un ejemplo. Si asumimos un capital invertido inicial de 100 $, un Floor inicial de 85 $ y un multiplicador de 4, obtenemos una exposición arriesgada de 60 (4x (100-85)) y una asignación libre de riesgo de 40. Muchos profesionales de las finanzas han introducido nuevas extensiones al modelo vanilla. Por ejemplo, establecer la exposición máxima y mínima evitará, por un lado, la asunción excesiva de riesgos y, por otro, la absorción en un estado de asignación 100% libre de riesgos. En nuestro experimento, forzamos la exposición a estar en el rango del 40 al 120 %.

La Figura (a) y la Figura (b) muestran ejemplos de las dos metodologías. En el primer caso, la protección crece con el tiempo a una tasa fija como:

En el segundo caso, el Floor se ajusta hacia arriba para mantener el mismo nivel de protección con respecto al valor de la cartera en cada momento t:

Ahora que hemos explicado la diferencia entre los dos enfoques, nos centramos en las propiedades estadísticas de TIPP. Para hacer eso, seguimos el enfoque metodológico utilizado para CPPI por Khuman et al. (2008) e implementamos el mismo análisis para esta nueva técnica. En particular, investigamos el comportamiento de nuestras métricas de riesgo obtenidas mediante la aplicación de TIPP en dos procesos simulados: el movimiento browniano geométrico (GBM) y el proceso de difusión de salto (JDP). Estos procesos representan un representante de nuestros activos financieros de riesgo. Dado que establecemos un tamaño de salto negativo esperado para reflejar la inclinación negativa de los mercados financieros, permitimos una comparación justa entre los dos procesos mediante la introducción de un compensador positivo al JDP.

Para validar la eficacia de la estrategia en dos escenarios, consideramos cuatro métricas de riesgo relevantes:

• Pago final promedio
• Probabilidad de brecha, es decir, una brecha en el piso
• Exceso de Sharpe Ratio
• Máximo descuento

Resultados

El primer análisis tiene como objetivo comprender las propiedades de TIPP cuando el multiplicador (m) y la frecuencia de reequilibrio (n) varían. La siguiente tabla muestra la estructura multidimensional de nuestras medidas de interés.

En general, la introducción de saltos negativos en el mercado reduce en un 10% en promedio el pago final y aumenta la probabilidad de una violación del Floor en un 2-4%. Para multiplicadores bajos y reequilibrios frecuentes, el gráfico muestra valores similares de la reducción máxima. En este caso, la presencia de saltos no afecta significativamente a los resultados. Por el contrario, se puede ver un Drawdown un 3% más profundo en la parte superior de la superficie cuando se añade el salto. En términos de Sharpe, la tabla indica una fuerte preferencia por la baja exposición y el reequilibrio diario. De acuerdo con nuestras impresiones iniciales, una m más alta aumenta la volatilidad más de lo que hace en el rendimiento. Teniendo en cuenta la peculiaridad de la protección del capital del TIPP y el impacto de m en la volatilidad y los costos de transacción, creemos que establecer un multiplicador en un rango de 2 a 4 beneficiaría considerablemente la implementación y el seguimiento de dicho enfoque.

Luego investigamos el impacto de los costos de transacción y el efecto de rotación. Dada la naturaleza más volátil, las tarifas de transacción incurridas en el caso de JDP siempre excederán las pagadas en el escenario de GBM. Por esta razón, llevaremos a cabo nuestro análisis solo para el caso JDP. Los honorarios de gestión no están incluidos en este caso.

A medida que aumenta la tarifa porcentual, el valor final de la cartera cae exponencialmente. En particular, para el caso de tc = 0,001, el pago neto no se altera significativamente en comparación con el caso de tarifa cero. Por el contrario, vemos un impacto sustancial para los costos de transacción de m ≥ 4 y más altos. Para m = 9, solo un rendimiento semanal del activo de riesgo del -10% daría como resultado un reequilibrio completo de la cartera de la exposición máxima (120) a la mínima (40).

Conclusión

El resultado del estudio revela que la fuerza de TIPP varía significativamente a través de los dos procesos estocásticos. El modelo fue más capaz de mitigar las pérdidas en el GBM en comparación con el caso de JDP, lo que indica una alta sensibilidad a la arriesgada distribución del rendimiento de los activos. Además, vimos que la alta volatilidad y los costos de transacción perjudican el uso de multiplicadores por encima de 5 y que, para aumentar la exposición y evitar el estancamiento, los inversores en TIPP podrían establecer un límite inferior del nivel mínimo de activo de riesgo que se mantendrán en la cartera en su lugar. Por el contrario, el aumento del apalancamiento no tiene resultados positivos en el rendimiento. Por último, destacamos cómo tener una ejecución rentable representa una gran limitación para los gestores de fondos de TIPP, y ese aspecto se vuelve cada vez más importante para los fondos más agresivos.

Autores:
Gianluca Baglini, Baglini Finance
Tony Berrada, Universidad de Ginebra

La diferencia entre acciones y bonos por Ben Carlson

El rendimiento del Tesoro a 10 años alcanzó recientemente el 4,8 %, su nivel más alto desde el verano de 2007.

Es más que el rendimiento de los dividendos de todas las acciones del S&P 500, excepto en 53.

Solo cuatro de las 30 acciones del Promedio Industrial Dow Jones rinden más que el bono de referencia del gobierno de EE. UU.

El rendimiento de los dividendos en el S&P 500 ha estado cayendo durante años debido a una combinación de valoraciones crecientes y el mayor uso de recompras de acciones por parte de las corporaciones.

Pero incluso esos rendimientos de dividendos inferiores a la media fueron suficientes para ofrecer cierta competencia a los rendimientos de los bonos en los últimos años.

Ya no.

Aquí está el rendimiento histórico de los dividendos del S&P 500 en comparación con el rendimiento del Tesoro a 10 años que se reejó en 1926:

En la primera parte del siglo XX, las acciones rindieron mucho más que los bonos durante décadas. Esto se debió en parte al colapso de la Gran Depresión. También tenía que ver con el hecho de que había menos inversores de capital en ese entonces, por lo que las corporaciones tenían que ofrecer jugosos rendimientos de dividendos para atraer a los compradores.

Esa relación cambió durante el mercado alcista de la década de 1950 y el período inflacionario que comenzó en la década de 1960. Las acciones no volverían a rendir más que bonos hasta un breve período en el fondo de la Gran Crisis Financiera a principios de 2009. Ha habido una ida y vuelta desde entonces.

Ahora los bonos tienen una clara ventaja.

Algunas personas, incluyéndome a mí mismo, se preguntan si los rendimientos más altos de los bonos significa que tendremos problemas en el mercado de valores. Los rendimientos más altos son sin duda una buena noticia para los inversores de renta fija, pero es importante reconocer la diferencia en las características de rendimiento entre las acciones y los bonos.

Digamos que usted es un inversor centrado en los rendimientos que está pensando en fijar el 4,8 % en bonos del Tesoro a 10 años para la próxima década.

Eso son 4.800 dólares al año para un total general de 48.000 dólares en pagos de intereses durante la vida del bono.

Eso es bastante bueno, especialmente cuando se compara con los míseros rendimientos de los últimos 15 años.

El rendimiento de los dividendos del S&P 500 del 1,6 % y 1600 $ en ingresos anuales no se acercan a igualar eso.

Pero los rendimientos en el mercado de valores no funcionan igual que los pagos regulares de cupones de bonos. Los pagos de dividendos tienden a aumentar con el tiempo.

Desde 1926, los dividendos en el mercado de valores de EE. UU. han aumentado a una tasa anual del 5 % anual. Y a pesar de que las recompras de acciones son una parte aún mayor de la ecuación en estos días, los dividendos han crecido aún más rápido en los tiempos económicos modernos, aumentando un 5,7 % y un 5,9 % anual desde 1950 y 1980, respectivamente.

Históricamente, los dividendos son una maravillosa cobertura contra la inflación, ya que las empresas aumentan esos pagos con el tiempo.

Seamos conservadores y asumamos que la tasa de crecimiento anual de los dividendos del 5 % sigue en vigor. En 10 años, sus dividendos saltarán de 1600 $ a casi 2500 $. Para igualar el rendimiento del 4,8 % de los bonos del Tesoro, necesitaría un crecimiento de los precios de solo el 2,5 % en el mercado de valores durante 10 años.

Sin embargo, esa tasa de crecimiento que supera la inflación de los dividendos del mercado de valores no es gratuita. La volatilidad es la compensación obvia en esta comparación.

El punto aquí es que no podemos simplemente mirar los rendimientos de las acciones y los bonos para tomar una decisión de inversión coherente.

Los rendimientos del mercado de valores y los rendimientos del mercado de bonos son animales diferentes con diferentes características de riesgo. Debe entender en qué está invirtiendo y por qué antes de asignarlo a cualquier clase de activos o estrategia.

La buena noticia es que la diferente naturaleza de las acciones y los bonos los hace útiles para fines de diversificación.

Los bonos proporcionan ingresos regulares a intervalos preestablecidos, mientras que las acciones proporcionan acceso a flujos de efectivo y ganancias que históricamente han crecido más que la tasa de inflación.

La inflación es un riesgo a largo plazo para los flujos de efectivo de los bonos, pero las acciones le ayudan a protegerlo contra el impacto perjudicial del aumento de los precios.

El mercado de valores es impredecible a corto plazo, mientras que los bonos tienden a ser más estables y aburridos (al menos bonos a corto plazo).

Y si queremos llevar esto un paso más allá, los equivalentes de efectivo como los mercados monetarios o los T-Bills son una cobertura mucho mejor que los bonos en un entorno de tasa de interés/inlación creciente. El efectivo es una terrible cobertura de inflación a largo plazo, pero una maravillosa cobertura de volatilidad y tasa de interés a corto plazo.

Añádelo todo y una cartera que utiliza una combinación de acciones, bonos y efectivo proporciona una opción duradera que utiliza clases de activos simples.

Diversificar no funciona siempre, pero funciona la mayor parte del tiempo y eso es tan bueno como se puede esperar en los mercados.

Una de las principales razones de esto son las diferentes características que tienen las acciones, los bonos y el efectivo en diferentes entornos económicos y de mercado.

A falta de la capacidad de predecir el futuro, una cartera diversificada que sea lo suficientemente duradera como para soportar una amplia gama de resultados sigue siendo su mejor opción para la supervivencia a largo plazo en los mercados.

El oro cae a niveles históricos de sobreventa por Sentimentrader

• El índice de fuerza relativa (RSI) de los futuros del oro cayó a uno de los valores más bajos de la historia.
• Condiciones de sobreventa similares llevaron a un repunte el 78% de las ocasiones durante los dos meses siguientes.
• Cuando el oro y el S&P 500 registran condiciones de sobreventa del RSI al unísono, el oro subió en el 100% de las ocasiones.

El impulso del precio del oro ha llegado a ser tan malo, que es algo bueno

Los operadores no quieren tener nada que ver con vehículos de inversión tradicionalmente defensivos como el oro o las acciones de servicios públicos, a medida que los rendimientos de los bonos del Tesoro vuelven a dispararse a nuevos máximos, ofreciendo opciones más atractivas.

La intensa presión bajista del oro envió el Índice de Fuerza Relativa (RSI), un indicador de impulso, a una de las condiciones de mayor sobreventa de la historia, un nivel visto menos del 1% de las veces desde 1971.

Los valores del índice de fuerza relativa (RSI) por debajo de 20, como ahora, producen rendimientos anualizados descomunales.

Lo que nos dice el estudio

Al igual que otros vehículos defensivos, el oro ha estado bajo severa presión y las tasas de interés han alcanzado nuevos máximos. El impulso bajista de la materia prima ha provocado que el Índice de Fuerza Relativa (RSI) se desplome a niveles raramente vistos en la historia, presagiando a menudo el inicio de un repunte de reversión a la media de varios meses. La situación de sobreventa del oro también estuvo acompañada por la del S&P 500. Siguiendo señales similares, el oro repuntó en el 100% de las ocasiones durante los dos meses siguientes, superando consistentemente al índice de referencia más famoso del mundo.

Las condiciones de sobreventa son una condición previa. Es crucial utilizar un filtro de tendencias u otro tipo de indicador para determinar el momento óptimo para abrir una posición.

Las novedades del sector por Hispatrading

• Por si se las han perdido, aquí tienen condensada las novedades más destacadas que se han producido en el sector a largo del último trimestre.
• Artículo publicado en Hispatrading 56.

¿Tendremos ETF de Bitcoin?

A finales de agosto, conocíamos la noticia de que una jueza del Tribunal de Apelaciones de EE.UU. daba la razón a la compañía Grayscale, creadora del Grayscale Bitcoin Trust, en la reclamación presentada contra la decisión de la Securities and Exchange Commission (SEC) de no aprobar la conversión de dicho trust en un ETF. 

En su escrito, la jueza considera que la SEC no explicó adecuadamente en su respuesta por qué aprobó la cotización de dos ETFs de futuros sobre Bitcoin, a la vez que denegaba la aprobación del ETF de Bitcoin spot propuesto por Grayscale. En concreto, el tribunal señala que, “a falta de una explicación coherente, este tratamiento normativo diferente de productos similares es ilegal”. 

Ello lógicamente no implica que automáticamente se apruebe la conversión del trust en un ETF, pero sí que la SEC deberá volver a evaluar la solicitud de Grayscale y dar unos argumentos consistentes en caso de denegar la conversión, algo que sin duda le va a costar ahora mucho más al regulador estadounidense.

Todo ello ha despertado cierta euforia en las gestoras estadounidenses que recientemente han vuelto a solicitar un ETF sobre Bitcoin contado. En particular, nombres tan relevantes como BlackRock, WisdomTree, VanEck, Fidelity o Ark Invest han presentado este verano diferentes solicitudes para emitir un ETF cuyo subyacente sea Bitcoin contado. 

De aprobarse cualquiera de ellos, el precio de Bitcoin podría dispararse, por cuanto supondría la entrada masiva de capital de inversión en la principal criptomoneda. Sin duda, todo un hito porque ¿quién nos iba a decir hace más de 10 años que tendríamos a los institucionales peleándose por ofrecer productos de inversión referenciados a Bitcoin?   

Tesla Tiene Dojo

Nos guste más o menos como personaje público, lo cierto es que lo que no consiga Elon Musk, no lo consigue nadie. Y es que Tesla ha puesto en marcha Dojo, el superordenador construido a medida (incluso cuenta con su propio procesador) para entrenar los coches de la compañía. 

Se trata de un verdadero “monstruo” de la Inteligencia Artificial (IA), capaz de extraer y analizar una enorme cantidad de información a partir del análisis de millones de vídeos e imágenes que recibe desde los vehículos Tesla. Y ojo porque aunque inicialmente está pensado para mejorar los sistemas de conducción autónoma, nada impide que tal capacidad de computación sea aplicada a otros sectores tales como fábricas o robots (incluso humanoides). 

De ser así, Tesla contaría con el que probablemente sea uno de los ordenadores con mayor capacidad de computación del mundo (se prevé que superará los 8 exaflops por segundo), lo que proporcionaría a la compañía una posición privilegiada en la carrera por liderar el sector de la IA. 

No en vano, algunos analistas estiman que la apertura de nuevas líneas de negocio y el crecimiento que ello podría suponer para la compañía podría incrementar la valoración de Tesla en 500.000 millones de dólares, algo que sería equivalente a sumar casi la mitad de la valoración de Nvidia al valor actual de la empresa.

Cuentas Fondeadas: ¿El Principio del Fin?

A comienzos de septiembre, la Commodity Futures Trading Commission (CFTC) anunciaba una denuncia contra la empresa de cuentas fondeadas My Forex Funds. En la denuncia, el regulador acusaba a la compañía de solicitar de forma fraudulenta a los clientes que realizasen operaciones apalancadas en el mercado Forex y en materias primas. 

En particular, My Forex Funds prometía a los clientes minoristas que podrían convertirse en traders profesionales utilizando el dinero de la compañía para realizar operaciones contra proveedores de liquidez de terceros y después compartir los beneficios de las operaciones. 

Sin embargo, en la práctica My Forex Funds actuaba como contrapartida de la mayoría de las operaciones de sus clientes, lo que significaba que ganaba a costa de las pérdidas de los operadores y que, por tanto, sus incentivos no estaban alineados ni mucho menos con los de ellos.

De hecho, para minimizar la probabilidad de que los clientes obtuvieran beneficios, la compañía utilizaba pretextos para cancelar las cuentas o se aplicaban comisiones de forma engañosa, siempre con el objetivo final de reducir el capital en las cuentas de los clientes. Incluso llegó a utilizar supuestamente algún software que permitía manipular la ejecución de las órdenes de los clientes, recibiendo así precios peores. 

La caída de My Forex Funds podría abrir el melón de la regulación de un sector, el de las empresas de cuentas fondeadas, que actualmente se mueve en un limbo legal, por cuanto no gestionan dinero de terceros. Tan solo ofrecen el acceso a la gestión de capital de la compañía, una vez que el cliente ha superado un reto de trading pagando una suscripción. Eso sí, superar el reto generalmente es muy complicado ya que las condiciones requeridas para superarlo suelen ser muy difíciles de cumplir. 

Las tendencias en el empleo avisan de peligros por Sentimentrader

• Un empleo fuerte es a la vez catalizador y presagio del crecimiento económico.
• El debilitamiento del empleo es a menudo una señal temprana de una economía debilitada.
• Las tendencias de la construcción, el transporte por carretera y el empleo temporal pueden ofrecer una mejor imagen de las tendencias del empleo que la tasa de desempleo oficial.

Notas del autor sobre los indicadores

A lo largo de los años, he desarrollado una serie de indicadores a los que sigo con fines operativos y/o informativos. Muchos de ellos no aparecen en nuestra web. Para evitar frustrar a algunos suscriptores, a veces evito escribir sobre cosas que los suscriptores no pueden rastrear directamente en nuestro sitio. Otras veces, sin embargo, decido seguir adelante y transmitir lo que considero conocimiento útil, con la promesa de que actualizaré el indicador o sistema en cuestión cuando sea relevante. El indicador que se detalla a continuación entra en esta última categoría (aunque, con toda franqueza, probablemente debería haber escrito sobre él hace un mes).

El empleo da pistas importantes sobre las recesiones

En términos generales, cuando el empleo es abundante, los tiempos son buenos. Cuando la gente trabaja y gana dinero para gastar en bienes y servicios, la economía normalmente marcha bien. Sin embargo, cuando el empleo cae y el desempleo aumenta, a menudo es la base del debilitamiento de la economía. La tasa de desempleo oficial es una herramienta razonablemente útil. Sin embargo, la forma en que se calcula la cifra oficial ha cambiado a lo largo de los años y es posible que no siempre refleje una imagen precisa.

Entonces, es por eso que me gusta usar un enfoque que combine las tendencias del empleo en algunas áreas sensibles a la economía en un solo indicador para, con suerte, generar algunas pistas tempranas sobre la fortaleza o debilidad de la economía. En pocas palabras, el indicador (que desarrollé y calculo de forma independiente) combina tendencias en el empleo entre los empleados de la construcción, el transporte por carretera y los temporales.

Una nota sobre el cálculo y el análisis: los datos brutos de cada sector generalmente están disponibles en la primera semana de cada mes. Sin embargo, no analizo estos datos hasta el cierre del último día hábil de cada mes. Entonces, si, por ejemplo, el número de trabajadores de la construcción, del transporte por carretera y temporales se informa el 1 de octubre, no uso esas nuevas cifras hasta el cálculo de fin de mes después del cierre del último día hábil de octubre.

• El indicador bruto se calcula al final del mes multiplicando el último valor de cada una de las tres series de datos y luego dividiendo el resultado por un millón (los cálculos de ejemplo se tratarán más adelante).
• Después, este indicador bruto se compara con su propia media móvil exponencial de 12 meses para determinar si se encuentra en una tendencia alcista o bajista. Si el indicador bruto está por encima de la EMA de 12 meses, se considera que está en una tendencia alcista y viceversa.
• Las tendencias alcistas se consideran favorables para las acciones y la economía en su conjunto.
• Las tendencias bajistas se consideran desfavorables para las acciones y la economía.

Seguimiento del empleo en la construcción

Los datos de este indicador se pueden encontrar aquí. El siguiente gráfico muestra los datos brutos del empleo en la construcción.

Lo que nos dice el estudio

Una economía fuerte y una fuerte tendencia en el empleo suelen ir de la mano. Además, sectores económicos específicos -en particular la construcción, el transporte por carretera y los empleados temporales- son muy sensibles a los cambios económicos y a menudo pueden ofrecer pistas tempranas sobre su fortalecimiento o debilitamiento. El hecho de que el indicador de empleo JK haya estado por debajo de su EMA de 12 meses desde finales de agosto de 2023 no garantiza una economía o un mercado de valores débiles en el futuro. Pero sí parece añadir peso al lado bajista del mercado de valores y de la propia economía.

El escenario de crisis de deuda por Dr. Ed Yardeni

Crisis de la deuda I: ¿un escenario plausible? “Vamos a tener una crisis de deuda en este país”, advirtió Ray Dalio, fundador del fondo de cobertura Bridgewater Associates, en una entrevista con Sara Eisen de CNBC que se transmitió el jueves pasado. Los dos estaban hablando en una charla informal en la Asociación de Fondos Gestionados. «Creo que la rapidez con la que suceda dependerá de ese problema de oferta y demanda, así que lo estoy observando muy de cerca».

Melissa y yo hicimos referencia ayer al escenario de crisis de deuda de Dalio. Hemos estado cubriendo la historia pero no hemos llegado a la conclusión de que deba terminar tan mal como Dalio espera. Pensemos en lo siguiente:

(1) La política fiscal está fuera de control, como lo demuestra el rápido aumento del déficit presupuestario del gobierno federal. Durante los últimos 12 meses hasta agosto, el déficit ascendió a 2,0 billones de dólares, frente a un mínimo reciente de 1,0 billón de dólares hasta julio de 2022 (Fig. 1). Es una simple aritmética: la tendencia de los desembolsos es más pronunciada que la tendencia de los ingresos (Figura 2).

En el pasado, el déficit presupuestario federal era anticíclico. Como porcentaje del PIB nominal, se amplió cuando la economía cayó en recesiones y se redujo durante las expansiones (Gráfico 3). Como porcentaje del PIB nominal, los desembolsos aumentaron durante las recesiones y cayeron durante las expansiones (gráfico 4). Los ingresos tendieron a tener el efecto opuesto a los desembolsos.

Por eso es inquietante ver que los desembolsos están aumentando mientras que los ingresos están cayendo durante la actual expansión económica.

(2) Se supone ampliamente que la reciente ampliación del déficit federal es atribuible principalmente a los programas de gasto promulgados por la administración Biden durante 2022. De hecho, la reciente ampliación es principalmente atribuible a la inflación, que ha impulsado los desembolsos del gobierno federal en Social. Garantía e interés neto (Fig. 5).

Los intereses netos ascendieron a 634 mil millones de dólares en los últimos 12 meses hasta agosto (Figura 6). Se ha duplicado desde abril de 2021. Es la categoría de desembolsos del gobierno federal de más rápido crecimiento (Fig. 7). Calculamos que el gobierno federal está pagando actualmente alrededor del 2,50% de su deuda pendiente en poder del público (Figura 8). El bono del Tesoro a 2 años se encuentra actualmente por encima del 5,00%.

El mayor contribuyente al creciente déficit en los últimos meses ha sido una disminución de los ingresos por impuestos a la renta de las personas físicas durante el año fiscal actual, después de que se vieron impulsados el año pasado cuando los inversores vendieron muchas de sus acciones que tuvieron ganancias de capital durante el mercado bajista de 2022. Pagaron muchos impuestos sobre las ganancias de capital.

(3) Los desembolsos se verán impulsados aún más en los próximos años por todo el gasto aprobado por el Congreso el año pasado. Además, el gasto neto en intereses del gobierno federal seguirá aumentando, como lo ha estado haciendo desde que la Reserva Federal comenzó a aumentar agresivamente las tasas de interés en 2022.

(4) La cuestión de la oferta del Tesoro pasó a primer plano durante el verano pasado, cuando los títulos del Tesoro en circulación en poder del público aumentaron en la friolera de 1,4 billones de dólares entre junio y agosto (Fig. 9). Fitch Ratings rebajó la calificación de la deuda federal de AAA a AA+ el 1 de agosto debido a las preocupaciones sobre la creciente deuda federal y la falta de voluntad política en Washington para hacer algo para controlar el déficit. Ese anuncio realmente marcó el comienzo de la preocupación del mercado de bonos del Tesoro por el exceso de oferta en relación con la demanda. El rendimiento del bono a 10 años era del 4,05% el 1 de agosto. Ahora es casi del 4,80%.

(5) Por lo tanto, el mercado de bonos está ajustando los rendimientos al alza para equilibrar el mercado, es decir, para impulsar la demanda para satisfacer el aumento de la oferta. El riesgo es que el rendimiento del mercado desplace las demandas crediticias del sector privado. Esto equivaldría a una crisis crediticia, que provocaría una recesión.

En el escenario de crisis de deuda, una recesión atribuible a déficits fiscales excesivos requeriría que el gobierno federal redujera el gasto y aumentara los impuestos, lo que exacerbaría la crisis crediticia y la recesión. En el peor de los casos, podría desencadenar una espiral deflacionaria de incumplimiento de la deuda. En este escenario, la Reserva Federal podría verse obligada a bajar las tasas de interés y poner fin a su ajuste cuantitativo.

Crisis de la deuda II: no tiene por qué terminar mal. Bien, ahora salgamos a tomar un poco de aire. Hasta ahora, el rendimiento de los bonos del Tesoro se ha normalizado esencialmente a los niveles de rendimiento del 4,00% al 5,00% que prevalecieron entre 2003 y 2007, antes de la “Nueva Anormalidad” (Fig. 10). Ese fue el período comprendido entre la Gran Crisis Financiera y la Gran Crisis por el COVID, cuando los principales bancos centrales estaban preocupados por la deflación y obsesionados con aumentar la tasa de inflación hasta sus objetivos del 2,0%. Durante ese período, las tasas de interés eran anormalmente bajas y proliferó la flexibilización cuantitativa.

Hasta ahora, la economía ha demostrado ser notablemente resistente ante el salto de tres años en el rendimiento de los bonos desde un mínimo histórico del 0,52% el 4 de agosto de 2020 a casi el 4,80% actual. Esto plantea la posibilidad de que la economía pueda vivir con el rendimiento de los bonos volviendo a su antiguo nivel normal.

Por otra parte, la velocidad del respaldo de las tasas ha sido vertiginosa, ya que solo tomó tres años revertir completamente la tendencia de la caída del rendimiento de los bonos durante los 12 años de la Nueva Anormalidad. Es probable que aún surjan efectos retardados de carácter depresivo sobre la economía. Sin embargo, es posible que sigan manifestándose como una recesión progresiva en lugar de una recesión que abarque a toda la economía. La recesión actual está afectando al mercado inmobiliario comercial.

¿Qué se necesitaría para evitar que el rendimiento de los bonos del Tesoro subiera muy por encima del 5,00% aparte de una debacle deflacionaria de la deuda? Posiblemente la “desinflación inmaculada” que esperamos. Es decir, creemos que la inflación puede seguir cayendo sin una recesión en toda la economía. También esperamos ver una desaceleración del auge liderado por el consumo del tercer trimestre, con un aumento del PIB real entre 4,0% y 5,0%. Creemos que el crecimiento del PIB real en el cuarto trimestre volverá a bajar al 2,0%. En este escenario, la demanda de bonos del Tesoro debería absorber la oferta con un rendimiento por debajo del 5,00%.

Tengan cuidado: si vemos que el rendimiento se dispara muy por encima del 5,00%, nosotros (junto con todos los demás) tendremos que concluir que la crisis de deuda de Dalio podría haber comenzado.

Media móvil (MA)- definición, tipos y cómo usarla por Timothy Sykes

La media móvil es uno de los indicadores bursátiles más populares que existen. A los traders les gusta porque es versátil. Y puede mostrarte cosas importantes sobre el mercado.

Puede ayudarlo a ver claramente los niveles de soporte y resistencia. También puede ser bueno para ver cuál es la tendencia de una acción.

Me gusta este indicador. Pero como la mayoría de los indicadores técnicos, no confío solo en él. Es una pieza del rompecabezas que debes resolver cada vez que realizas un intercambio.

Aprender sobre indicadores técnicos, como la media móvil, es una forma de empezar a construir una base de conocimientos útiles para hacer trading. Así que entremos en ello.

¿Qué es la media móvil (MA)?

El media móvil tiene un significado simple … Es una forma de graficar los precios diarios durante un período de tiempo.

Utiliza el precio de cierre diario de una acción como punto de datos. Esto se promedia durante un período determinado.

Estos períodos de tiempo solían estar algo estandarizados. Pero los software de gráficos actual lo hacen fácil. Ahora puede completar las variables que desee.

A medida que se trazan nuevos puntos de precios en el gráfico de una acción, el último número en la media móvil cambia. Esto moverá la línea de tendencia.

Los promedios móviles a corto plazo se mantendrán más cerca del último precio que los de largo plazo. Pero los operadores a largo plazo confían en el valor que muestran las medias móviles a largo plazo.

¿Es la media móvil un buen indicador?

La media móvil es un indicador de acciones fundamental. Tiene un uso generalizado entre los traders más técnicos.

Y también influye. Bollinger Bands® , MACD y McClellan Oscillator lo utilizan.

Me gustan las medias móviles por varias razones. En primer lugar, son realmente buenas para hacer aquello para lo que fueron diseñadas. Trazan la acción del precio de forma limpia y sin ruido. Esto puede ser útil cuando se trata de acciones de alta volatilidad como las que yo opero.

La línea suave que obtiene con las medias móviles también puede ser útil. Puede mostrar los niveles de soporte y resistencia de una acción durante un período de tiempo más largo. Eso es valioso para su plan de trading.

Puede ayudarlo, si lo usa correctamente. En mi opinión, eso es suficiente para que la media móvil califique como un indicador de acciones “interesante”. El lado negativo proviene de hacer mal uso de ellas.

Muchos traders utilizan medias móviles para identificar tendencias de precios. Y en realidad son geniales para eso. Si el precio cruza la línea del media móvil en su camino alcista, la acción está en una tendencia alcista. ¿Si se cruza mientras baja? Lo adivinaste … tendencia es bajista.

El problema aquí es que algunas personas ven estas tendencias como un indicador de movimientos futuros. En realidad, la media móvil es un indicador de seguimiento de tendencias. El precio se mueve primero y el media móvil se mueve en segundo lugar.

Si depende demasiado de la media móvil, siempre verá las el mercado con retraso.

Tipos de medias móviles con ejemplos

¿Qué fórmula funciona para usted?

Algunos fanáticos de las acciones han pasado sus carreras afinando sus medias móviles. Pero traders suelen usar las tres más básicas:

• Media móvil simple (SMA)
• Media móvil exponencial (EMA)
• Media móvil ponderada (WMA)

Las diferencias entre estas tres radican en la importancia que se da a los puntos de datos más recientes.

Las medias móviles simples tratan todos los puntos de datos como iguales. Las medias móviles exponenciales dan cada vez más importancia a los puntos de datos recientes. Los promedios móviles ponderados también se centran más en los datos recientes, pero de una manera más uniforme.

Algunas personas llaman a la medias móviles “promedios móviles” o “promedios finales”. Mantengamos las cosas simples y usemos el término media móvil.

Media móvil simple (SMA) + Ejemplo

Una media móvil simple toma un promedio de los puntos de datos especificados.

Por ejemplo, una SMA de nueve días toma el promedio de los últimos nueve días del precio de una acción. Cambia cada día, se ‘mueve’. Le da una imagen de la acción reciente del precio de una acción, junto con una perspectiva sobre su valor.

Pero esta no es la forma en que la gente usa las medias móviles en el software de gráficos actual. En estos días, una media móvil muestra períodos en lugar de días.

Si está mirando un gráfico de un año con velas diarias, su SMA de nueve períodos podría ser una SMA de nueve días.

Media móvil

Pero si está mirando un gráfico de un día con velas de un minuto, su SMA de nueve períodos será una SMA de nueve minutos. ¿Ves cuánto más se acerca a la acción del precio?

¿Tener sentido?

Media móvil exponencial (EMA) + Ejemplo

Una media móvil exponencial le da a su media móvil un sesgo más reciente. Esto es bueno en algunos casos; después de todo, está buscando operar ahora, no hace nueve días. Pero conlleva el peligro de emitir señales falsas.

Las EMA utilizan un multiplicador para priorizar períodos más recientes. Esta es una de las intervenciones que se utilizan para retrasarlo un poco menos.

Mire el gráfico de un mes a continuación para ver cómo refleja los movimientos extremos de precios con un poco más de fidelidad.

Simple vs exponencial: ¿Qué media móvil es mejor?

Perdona el juego de palabras … pero esta no es una pregunta sencilla.

Como dije antes, hay algunas razones por las que es posible que desee utilizar una media móvil en primer lugar.

Determinar la tendencia de los precios es más una razón proactiva. Los promedios móviles suavizan los altibajos de una acción. Esto puede brindarle una descripción más precisa de la dirección de la tendencia de una acción.

Si usa una media móvil simple, corre el riesgo de perderse una acción que explota. Pero una media móvil exponencial podría inducirlo a error sobre la dirección a largo plazo de la acción.

Las direcciones a largo plazo son menos importantes para los traders intradía como yo que para los traders a largo plazo. Pero el historial de una acción sigue siendo importante.

Si una acción alcanza un máximo de 52 semanas, eso podría ser una señal de una ruptura. Pero si está recuperando los niveles que alcanzó por última vez hace un año y medio, eso podría significar que vendrá una gran liquidación en su futuro inmediato.

También puede utilizar este indicador para soporte y resistencia.

Los promedios móviles simples mostrarán una mejor imagen del soporte y la resistencia históricos.

Eso es genial para ciertas acciones, menos para otras. Si está negociando una acción volátil, es posible que desee utilizar promedios móviles exponenciales. Dado que son más reactivos a los altibajos, es posible que le den una mejor impresión de lo que está haciendo el mercado.

¿Cómo se calcula una media móvil?

Antes de los softwares de trading actuales, era mucho más difícil calcular las medias móviles. No se publicaban los precios de las acciones al minuto en el diario.

Ahora los operadores pueden utilizar las medias móviles con mayor facilidad. Solo asegúrese de tener una plataforma de trading que esté a la altura de la tarea.

Fórmula de la media móvil

¿Eres del tipo de traders que le gusta hacer su propio trabajo?

Aquí hay una media móvil simple de 10 días. Suma todos los días y luego divide el total por el número de días.

Se ve así: (Día 1 + Día 2 +… Día 9 + Día 10) ÷ 10 = SMA.

Una media móvil exponencial es MUCHO más complicada. Aquí está la idea básica …

(Precio de hoy) × [2 ÷ (Número de días) + 1] + (EMA de ayer) × {1 – [2 ÷ (Número de días) + 1]} = EMA de hoy

Cómo puede utilizar la media móvil para negociar acciones: 3 estrategias principales de cruce

¿Sabes que siempre te digo que lo hagas simple? Bueno, profundicemos un poco más aquí.

Los promedios móviles importan por la misma razón que cualquier indicador que se precie. La gente cree en ellos.

Aquí hay setup hipotético: la EMA de nueve días de una acción hace un fuerte movimiento alcista atravesando la EMA de 20 días. Muchos operadores creen que esto indica una futura ruptura.

¿Por qué me importa este patrón? Dice mucho sobre el desempeño reciente de una acción. Pero sobre todo me preocupo porque a otros traders les importa.

El mercado es un juego del gato y el ratón al que juegan personas que creen que son gatos. La mayoría de los traders creen que van a atrapar al ratón y disfrutar de una buena cena.

Quiero que seas el ratón. Todos sabemos cómo se desarrollaron esas viejas caricaturas. Deje que el gato persiga cosas mientras usted le ata la cola al perro.

No estoy describiendo estos indicadores porque quiero que base sus operaciones en ellos. Quiero que reaccionen a lo que el mercado piensa de ellos.

Si quieres vencer al gato en su propio juego, primero aprende a pensar como él.

Los crossovers son una señal de trading

Esta es la estrategia de media móvil más popular.

Hay muchos traders que utilizan esta configuración. Particularmente en gráficos a largo plazo. Una media móvil a corto plazo que cruce una a largo plazo puede ser una señal de impulso.

Si la media móvil a corto plazo cruza hacia arriba, muchos traders lo ven como una señal alcista. Cuando hace un cruce claro hacia abajo, se ve como bajista. Cuando las líneas rebotan entre sí, indica una continuación de la tendencia.

He aquí un vistazo al gráfico de un mes de FCEL. Si usted es un comerciante de swing, operar cruces aquí podría haberlo ayudado.

Tenga cuidado con los cruces de transacciones diarias

Esta es la parte en la que les digo que tengan cuidado. Ningún indicador puede garantizar el movimiento futuro de los precios.

Cuando se negocian acciones volátiles durante el día, los cruces pueden ser engañosos. Déjame mostrarte un día típico de señales confusas.

Si operara con estos crossovers, podría haberlo hecho bien … pero habría estado un paso por detrás del mercado.

El mercado cree en ellos

Hay muchas cosas que puede hacer con las medias móviles. Y hay muchos traders que las utilizan por diferentes razones.

Algunos usan cruces como señales trading. Algunos usan promedios móviles a más largo plazo para determinar los niveles de soporte y resistencia.

Debido a que muchos operadores usan este indicador, puede decirle algo sobre el futuro de una acción. Solo debe comprender que le dice más sobre los traders que sobre las acciones en sí.

Conclusión sobre la media móvil

El indicador de acciones de media móvil es una herramienta que puede utilizar en su búsqueda de la consistencia. Y quiero que te lo aprendas de memoria.

Los cirujanos no se centran en las herramientas que utilizan. Las herramientas simplemente les ayudan a alcanzar sus objetivos reales. Eso es lo que debes hacer.

¿Qué opinas de las medias móviles? ¿Las usas? 

Encontrar mejores patrones o entradas en su trading por Brett N. Steenbarger

Pensé en hacer algo diferente con los artículos que escribo normalmente. Hacer una crónica del desarrollo de nuevos patrones o entradas al hacer  trading. Pensé en hablar tanto de mis éxitos como de los fracasos y las lecciones aprendidas, teniendo en cuenta la psicología y también la propia psicología de los activos que estoy operando.

Una lección que aprendí al trabajar con los traders en SMB Capital es que su éxito se basa tanto en *qué* operan así de *cómo* lo hacen. Ambos aspectos son muy importantes, por supuesto, pero si uno está haciendo trading de forma discrecional y la acción, el índice o el activo que se está operando simplemente no se mueve, no habrá muchas oportunidades. Durante este período reciente de «trading de memes», también me di cuenta de que los niveles muy altos de movimiento no son necesariamente los mejores momentos para obtener ganancias. No solo queremos cosas que se muevan; también necesitamos que se muevan de manera significativa y predecible.

Cuando compramos y vendemos activos financieros poco óptimos esto tiene el mismo impacto en nuestros resultados que utilizar métodos de trading igual de poco óptimos. Ambos conducen a importantes oportunidades perdidas.

Una herramienta que usaré para encontrar mejores oportunidades es el sitio Market Charts. Los lectores con más experiencia seguramente sabrán que he utilizado el sitio indexindicators para identificar patrones de amplitud prometedores en el mercado general. El sitio de Market Charts es una versión mucho más amplia de Index Indicators, que rastrea más y múltiples indicadores y una variedad de acciones y ETF. Respeto el trabajo de Mo y, por lo tanto, veo esto como una plataforma valiosa para comenzar a encontrar nuevas fuentes. (Tenga en cuenta: no tengo ningún interés comercial en estos sitios; como siempre, solo comparto recursos que he encontrado útiles y prometedores).

Tenga en cuenta el artículo que ya escribí sobre la innovación en nuestro trading. Un tema importante de ese artículo es que la innovación comienza haciendo preguntas diferentes y mejores. Usaré la plataforma Market Charts para generar primero mejores hipótesis y solo luego para generar mejores ideas de trading. Por ejemplo, ¿sería posible generar operaciones y carteras long/short al encontrar acciones relacionadas que tengan mayor o menor ventaja? Al tener una acción larga con una buena ventaja alcista y una acción corta sin esa ventaja y ponderando el par por su volatilidad relativa, uno podría ganar dinero ya sea que el mercado general suba o baje, siempre que la ventaja se desarrolle. En otras palabras, ¿la presencia de una ventaja histórica predice el rendimiento *relativo*?

Las buenas ideas de trading provienen de buenas preguntas.

¿Es buena idea hacer trading con bots? por Kevin Davey

¿Las acciones de pequeña capitalización avisan de las recesiones? por Sentimentrader

• Las empresas de pequeña capitalización y las industriales han caído más de un -7,5% desde sus máximos recientes.
• La debilidad de esas sensibles acciones ha generado algunos temores sobre una recesión inminente.
• Históricamente, las grandes caídas en esos grupos no han precedido a recesiones o debilidad generalizada del mercado.

Los sectores sensibles luchan, lo que aumenta los temores de recesión

Las acciones han estado luchando durante semanas. También lo han hecho los bonos del Tesoro, que no es algo que esperaríamos ver si la economía se dirigiera a una recesión. Dentro de la debilidad de las acciones, un par de sectores y factores indican debilidad económica.

Como señala Bloomberg:

El índice industrial S&P 500 alcanzó su punto máximo el 1 de agosto y ha bajado aproximadamente un 8% desde entonces, entrando en una corrección después de que varias grandes compañías estadounidenses redujeran sus perspectivas de ganancias para el tercer trimestre ante un repentino salto en los precios del petróleo. El índice Russell 2000 de pequeña capitalización ha perdido más del 11% desde sus máximos a precios de cierre del 31 de julio, aproximadamente el doble de la caída del índice S&P 500 durante el mismo período. Las caídas pronunciadas en las acciones industriales y de pequeña capitalización suelen darse cuando la economía está en recesión.

Para comprobarlo, buscamos cada vez que tanto las empresas de pequeña capitalización como las industriales habían alcanzado un máximo de 52 semanas en los últimos dos meses y luego ambas sufrieron caídas de al menos -7,5% desde esos máximos. Ambos debieron haber sufrido caídas mayores que las del S&P 500.

La tabla muestra si estas señales precedieron a las recesiones económicas de Estados Unidos. Examina cualquier día dentro del período de tiempo determinado y determina si ese día estuvo en un período de recesión según lo definido por la Oficina Nacional de Investigación Económica (NBER).

Lo que nos dice el estudio

Casi siempre es peligroso aplicar las señales del mercado de valores a la economía en general y viceversa. Este es especialmente el caso cuando se consideran plazos relativamente cortos. Cuando se trata de debilidad en las empresas de pequeña capitalización e industriales que conducen a una debilidad en el mercado de valores o en la economía en general, hay poca o ninguna evidencia.

Si bien podrían haber sido predictores valiosos un par de veces, tendríamos que seleccionar solo esos casos y asumir que se aplican a nuestra situación actual. Quizás lo hagan; No lo sé, no soy lo suficientemente inteligente como para adivinarlo. Teniendo en cuenta una larga historia y un tamaño de muestra relativamente sólido, es difícil respaldar ese argumento.