¿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.

¿Puede el VIX predecir el movimiento del mercado? por Quantpedia

Durante tiempos de alto nerviosismo e incertidumbre de cualquier tipo, la volatilidad del mercado sube, y los precios de los diferentes instrumentos tienden a moverse a máximos o mínimos increíbles, definiendo cualquier nuevo máximo históricos (por ejemplo, unas acciones de meme que se van a la luna) o, por otro lado, literalmente activos que no encuentran su suelo (véase los futuros de petróleo crudo durante un breve tiempo durante la pandemia por el coronavirus). Realmente parece que los mercados financieros están impulsados por el miedo y la codicia. Siempre será interesante pensar si los algoritmos informáticos que utilizan alguna IA de aprendizaje automático casi mágica también sienten estas emociones.

¿Qué nos dice una de las métricas más populares y conocidas, el VIX, sobre los rendimientos futuros?¿Somos capaces de verificar de alguna manera dichos como «Compra cuando hay sangre en las calles, incluso si la sangre es tuya» (atribuido al Barón Rothschild) o (por decirlo de otra manera) «ser cautelosos cuando otros son codiciosos y ser codiciosos solo cuando otros son cautelosos«. (variaciones de Warren Buffett).

Un artículo académico reciente presenta un descubrimiento interesante. Muestra que se puede introducir una regla común e intuitiva de 20/80: la mayoría de los rendimientos excedentes obtenidos de la exposición a nivel de mercado se realizan el 20 % del tiempo siguiendo los valores VIX más altos.

De 1990 a 2022, los científicos muestran que la variación temporal en los rendimientos obtenidos de la exposición al mercado de valores se puede explicar bien por una simple especificación de riesgo-rendimiento de 2 plazos, que predice (1) rendimientos mucho más altos después de que VIX supere un umbral alto alrededor de su percentil 80 y (2) mayores rendimientos más bajos después de un alto sentimiento del mercado. Bansal y Stivers (julio de 2023) argumentan que el VIX y el sentimiento del mercado tienden a medir aspectos complementarios del riesgo: el nivel de riesgo (VIX) y el precio del riesgo o el apetito por el riesgo (sentimiento), y que, por lo tanto, ambos términos deben tenerse en cuenta al evaluar la variación temporal en la prima de riesgo del mercado de valores.

Para evaluar el riesgo sistemático, investigan principalmente el exceso de rendimiento posterior para el mercado de valores agregado (principalmente). Para abrir posiciones basadas en beta, lo mejor es encontrar acciones de alta beta para posiciones largar y para posiciones cortas, acciones de baja beta. Como resultado, encontraron constantemente umbrales óptimos cerca del percentil 80 al 85.

La creciente evidencia indica que el umbral y el sentimiento del VIX tienen un papel complementario y sustancial en la predicción de los rendimientos excedentes posteriores de las acciones. El modelo que incluye el índice de volatilidad implícita (MOVE) del Tesoro retrasado como término explicativo adicional añade un poder explicativo apreciable en el período posterior a 1997. Eso se puede ver muy bien en las siguientes figuras.

Para terminar, este documento es un buen ejemplo que muestra que el patrón de altas lecturas del VIX encaja con la intuición de que la prima de riesgo de capital puede aumentar drásticamente en períodos de alto estrés económico y baja liquidez, junto con el comportamiento no lineal de la prima de capital como se pensaba hasta ahora.

• Autores: Naresh Bansal y Chris T. Stivers
• Título: Prima de capital variable en el tiempo con lecturas y sentimiento alto en el VIX
• Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4477652

Resumen:

Durante el período de 1990 a 2022, mostramos que la variación temporal en los rendimientos obtenidos de la exposición al mercado de valores se puede explicar bien con una regla simple, que predice: (1) rendimientos en exceso mucho más altos después de que la volatilidad implícita de las opciones del índice de acciones supere un umbral alto alrededor de su percentil 80; y (2) un exceso de rendimiento más bajos después de niveles altos sentimiento del mercado. Nuestros resultados son sólidamente evidentes para los rendimientos de 1, 3, 6 y 12 meses; en el análisis de subperíodo; y tanto para los rendimientos agregados del mercado de valores en exceso como para las posiciones de cartera largas/cortas basadas en beta. Los valores predictivos de R-squared son sustanciales en alrededor del 20 % y el 30 % para rendimientos de 6 y 12 meses, respectivamente. Comparativamente, mostramos que el umbral VIX en nuestra especificación supera a otros términos explicativos de riesgo sugeridos por los estudios realizados anteriormente; incluida la reciente volatilidad realizada por la alta frecuencia, la prima de riesgo de volatilidad de las acciones, una medida del índice de aversión al riesgo, la falta de liquidez del mercado de valores y la incertidumbre macroeconómica. Nuestros hallazgos siguen siendo muy evidentes al controlar el diferencial de rendimiento por defecto y el diferencial de rendimiento a plazo. Nuestros hallazgos indican que el umbral y el sentimiento del VIX capturan de manera importante los aspectos de riesgo complementarios, lo que sugiere una interpretación en la que VIX indica en gran medida el nivel de riesgo y el sentimiento es informativo sobre el apetito de riesgo del mercado o el precio del riesgo.

Como siempre, presentamos varias figuras y tablas interesantes:

Citas notables del documento de investigación académica:

«El VIX y el sentimiento miden intuitivamente los aspectos complementarios del riesgo de mercado; en el sentido del nivel de riesgo (VIX) y el precio del riesgo o el apetito de riesgo (sentimiento). Por lo tanto, es importante tener en cuenta ambos efectos al estudiar el poder predictivo de estas variables para los rendimientos de las acciones. En este documento, durante el período VIX disponible de 1990 a 2022, mostramos que la variación temporal en los rendimientos obtenidos de la exposición al mercado de valores se puede explicar bien con una especificación simple de riesgo-rendimiento de 2 parámetros, que predice: (1) rendimientos en exceso mucho más altos después de que la volatilidad implícita de las opciones de índice de renta variable (VIX) supere un alto umbral de una manera no lineal; y (2) mayores rendimientos en exceso después de un alto sentimiento del mercado.
Específicamente, estimamos una variable óptima del indicador de umbral del VIX, alrededor del percentil VIX 80 sobre nuestra muestra, como un término explicativo para el exceso posterior de rendimientos del mercado de valores. Demostramos que un enfoque simple de umbral VIX supera considerablemente a una estrategia con una relación explicativa lineal VIX. Luego combinamos este término predictivo de alto umbral de VIX con el sentimiento. Siguiendo a Lochstoer y Muir (2022) y otros, nuestras especificaciones se saltan un mes entre los términos explicativos y los posteriores rendimientos excedentes del mercado. Esta brecha temporal permite cierta separación entre el impacto negativo de los precios del aumento del riesgo (una influencia en gran medida contemporánea) y las primas más altas sugeridas por el riesgo elevado (una relación predictiva o intertemporal).»

«La figura 1 muestra la serie temporal de observaciones mensuales para VIX (fin de mes) y el índice de sentimiento de Baker-Wurgler. Como se muestra, el VIX y el sentimiento no están esencialmente correlacionados durante nuestro período de muestra. Las dos medidas tienen una correlación de 0,038 sobre nuestra muestra completa. Las correlaciones aproximadas de medio subperíodo también son bastante modestas, en +0.150 durante 1990:01- 2006:06 y -0,027 durante 2006:07 a 2022:06. Además, destacamos que el sentimiento tiene máximos locales prominentes en cada subperíodo medio. El sentimiento alcanzó su punto máximo en 2,93 en febrero de 2001 y en 2,28 en diciembre de 2021.»

«En general, nuestros resultados en esta sección demuestran el impresionante poder explicativo de nuestro sencillo modelo de 2 parámetros, que incluye un umbral de alto VIX y un término de sentimiento, al explicar la variación temporal en los rendimientos a nivel de mercado. Nuestros resultados siguen siendo sólidos, independientemente de si estimamos el umbral de alto VIX a partir de regresiones de umbral óptimo o utilizamos un umbral ad hoc del percentil 80.»

«Para presentar nuestros resultados de una manera diferente, la Figura 2 presenta gráficamente los resultados de la estimación de nuestro modelo principal. La figura traza la serie temporal del rendimiento ajustado (o condicional) previsto de 6 meses durante los seis meses siguientes (la línea más oscura y gruesa) a partir de nuestra estimación del modelo primario en la Tabla 1, Panel A.1, fila-3. También traza los rendimientos reales de exceso realizados a 6 meses (la línea más ligera y delgada). Dado que analizamos los rendimientos continuos de 6 meses, observados mensualmente, la periodicidad de los datos es mensual.»

«En resumen, nuestros hallazgos sugieren que la volatilidad implícita de los rendimientos del Tesoro también puede ayudar a explicar la relación riesgo-rendimiento en el mercado de valores, particularmente en el período posterior a 1997. Sin embargo, nuestro modelo de dos parámetros de «sentimiento y sentimiento de alta VIX» sigue siendo sólido para controlar el MOVE, lo que indica que VIX y el sentimiento capturan conjuntamente aspectos complementarios del riesgo y el apetito de riesgo del mercado».

Más alto por más tiempo en comparación con el mercado de valores por Ben Carlson

En los últimos meses, ha habido una rápida revalorización de los rendimientos de los bonos a más largo plazo.

Lo renta fija, en Estados Unidos, a 10 años ahora está rindiendo alrededor del 4,8 %, frente a un mínimo del 3,3 % en abril. Estaba rindiendo un 3,7 % en julio.

Muchos expertos creen que el mercado de bonos está despertando al potencial de un régimen de tasas de interés más alto durante más tiempo causado por el mercado laboral fuerte, una economía resiliente, una inflación más alta de lo esperado y las políticas de la Reserva Federal.

No sé en qué está pensando el mercado de bonos, pero vale la pena considerar el potencial de que las tasas se mantengan más altas de lo que hemos estado acostumbrados desde la Gran Crisis Financiera.

Así que utilicé varios niveles de tasas de interés e inflación para ver cómo se ha comportado el mercado de valores en el pasado.

¿Los rendimientos son mejores cuando las tasas son más bajas o más altas? ¿La inflación alta es buena o mala para el mercado de valores?

Aquí están los rendimientos iniciales basados en el bono del Tesoro a 10 años junto con los rendimientos promedio a plazo de uno, cinco, diez y veinte años para el S&P 500 desde 1926:

Sorprendentemente, los mejores rendimientos futuros han venido de ambos períodos de tasas de interés iniciales muy altas y muy bajas, mientras que los peores rendimientos han venido durante los regímenes de tasas de interés promedio.

El rendimiento promedio a 10 años desde 1926 es del 4,8 %, lo que significa que estamos en ese promedio a largo plazo en este momento.

Hace veinte años, la renta fija a 10 años estaba rindiendo alrededor del 4,3 %.

Los rendimientos se han movido mucho desde entonces:

En ese período de 20 años, el S&P 500 ha subido casi un 540 % o un 9,7 % al año.

No está mal.

Tengo algunas ideas sobre el razonamiento detrás de estos rendimientos, pero primero echemos un vistazo a los datos de inflación.

Estos son los rendimientos medios a plazo del S&P 500 de varios niveles de inflación en el pasado:

La tasa de inflación promedio desde 1926 fue de alrededor del 3 %.

Estos resultados también podrían parecer sorprendentes. Los mejores rendimientos a largo plazo vinieron de los niveles de inflación inicial muy altos. Con una inflación del 6 % o más, los rendimientos a plazo fueron muy buenos. Con un 6 % o menos, sigue siendo bastante bueno, pero más parecido al promedio.

Entonces, ¿qué está pasando?

¿Por qué los rendimientos futuros son mejores a partir de las tasas de interés más altas y los niveles de inflación?

La explicación más simple es que solo hemos tenido un régimen de altas tasas de interés en los últimos 100 años más o menos y dos entornos altamente inflacionarios. Y cada uno de estos escenarios fue seguido por mercados alcistas.

La tasa de inflación anual alcanzó casi el 20 % a finales de la década de 1940, después de la Segunda Guerra Mundial. Ese período fue seguido por la mejor década de la historia para las acciones de EE. UU. en la década de 1950 (más del 19 % más del año).

Y el período de la década de 1970 de alta inflación y aumento de las tasas de interés fue seguido por el mercado alcista más largo que hemos experimentado en las décadas de 1980 y 1990.

Un aspecto simple pero a menudo pasado por alto de la inversión es que una crisis puede conducir a rendimientos terribles a corto plazo, pero rendimientos maravillosos a largo plazo. Los tiempos de deflación y alta inflación dan miedo mientras los estás viviendo, pero también tienden a producir excelentes puntos de entrada en el mercado.

También vale la pena señalar que los períodos de alta inflación y las altas tasas son valores atípicos históricos. Solo el 13 % de las observaciones mensuales desde 1926 han visto tasas del 8 % o más, mientras que la inflación ha sido más del 8 % menos del 10 % de las veces.

Esto también ayuda a explicar por qué los rendimientos a plazo se ven más apagados con respecto al rendimiento promedio y los niveles de inflación. En un entorno económico «normal» (si existe tal cosa), es probable que la economía ya se haya estado expandiendo durante algún tiempo y los precios de las acciones hayan subido.

El mejor momento para comprar acciones es después de una caída y los mercados no se desploman cuando las noticias son buenas.

Desde el comienzo de 2009, el mercado de valores de EE. UU. ha subido más del 13 % al año. Hemos tenido una tendencia fantástica.

Tiene sentido que los rendimientos superiores a la media estén seguidos por rendimientos inferiores con el tiempo.

También es importante recordar que, si bien la volatilidad de las tasas y la inflación pueden afectar negativamente a los mercados a corto plazo, un horizonte de tiempo lo suficientemente largo puede ayudar a suavizar las cosas.

Independientemente de lo que esté pasando con la economía, le irá mejor en el mercado de valores si su horizonte temporal se mide en décadas en lugar de en días.

Las 3 razones por las que el 90 % de los traders fracasan por Timothy Sykes

Vivimos en un mundo de que busca la gratificación instantánea. Comida rápida, entregas al día siguiente… queremos los resultados YA.

Y esta mentalidad, lamentablemente, se infiltra en nuestros hábitos con el trading. He visto a demasiados traders, con ganas de aprovechar cada «oportunidad» sin analizar si se alinea con su estrategia.

Quieren dinero rápido. No obstante, al mercado no le importa tu impaciencia.

Al no esperar las oportunidades adecuadas, te estás preparando para el fracaso. Recuerda, el trading no es un sprint; es un maratón.

Mis estudiantes con más éxito pelearon por ganar dinero en su primer año, algunos no vieron resultados hasta el segundo o tercer año.

Pero los resultados no deben medirse en las ganancias en sus primeros años, sino en el conocimiento adquirido.

Aquellos que buscan atajos están a punto de despertar.

#2 La trampa del ego: exceso de confianza y operaciones a lo loco

Una vez que hayas entendido cómo funcionan los mercados y hayas encontrado buenas operaciones, el siguiente paso es gestionar tus emociones.

El ego es posiblemente uno de los peores enemigos de un trader. Ganar está bien. Y después de una serie de buenas operaciones, es fácil sentirse invencible. Pero el mercado es una bestia impredecible. El exceso de confianza ciega a los operadores de los potenciales riesgos, lo que los hace ignorar las reglas y la gestión de riesgos.

Y luego está el trading, que podemos llamar “a lo loco”. Después de una pérdida, el impulso de recuperar ese dinero puede ser muy fuerte.

En lugar de dar un paso atrás y evaluar lo que salió mal, los traders vuelven a entrar, a menudo con grandes sumas de dinero, tratando de «ganar» contra el mercado. Alerta de spoiler:

El mercado siempre gana.

Después de sufrir una de mis peores pérdidas en años hace unos meses, me vi obligado a reducir mi trading y jugar de nuevo poco a poco.

¿Querías recuperar esas pérdidas de inmediato?

Por supuesto.

Pero también ese tipo de mentalidad te hará entrar en un agujero más profundo.

Es por eso que me escapé, mes tras mes.

Ahora estoy empezando a encontrar mi ritmo de nuevo, y se siente aún mejor, porque sé que hice las cosas de la manera correcta.

#3 Apego emocional: La incapacidad de reducir las pérdidas

Este es un gran problema. A muchos traders les cuesta aceptar que están equivocados. Se apegan emocionalmente a una posición, con la esperanza de que se dé la vuelta, incluso rezando para que lo haga. Pero la esperanza no es una estrategia.

Cada trader, incluidos nosotros mismos, hará malas operaciones de vez en cuando.

¿Cuál es la diferencia entre el éxito y el fracaso?

Saber cuándo reducir tus pérdidas.

Aferrarse a un barco que se hunde debido al orgullo o el apego emocional es una forma segura de torpedear nuestra cuenta.

¿Quieres Ser El 10% Que Sí Gana?

En el trading, el conocimiento por sí solo no es poder. El verdadero poder radica en combinar el conocimiento con la disciplina.

No es suficiente saber qué hacer; debes tener la paciencia y la fortaleza para hacerlo de manera consistente.

He estado en el mercado el tiempo suficiente como para haber visto todas las trampas y confía en mí, si no abordas estos problemas, paralizarán tu potencial.

Incluso con más de 7,5 millones de dólares en ganancias con el trading y la tutoría de numerosos traders de éxito, he visto innumerables traders tropezar con los mismos obstáculos. No se trata solo de estrategias; se trata de disciplina, mentalidad y enfrentar las brutales realidades del mercado.

🔥 ¿Eres culpable de buscar ganancias rápidas sin tener paciencia?

🔥 ¿Alguna vez has sido cegado por el exceso de confianza o realizar operaciones sin sentido?

🔥 ¿Te encontraste emocionalmente ligado a una operación, incapaz de reducir las pérdidas?

No tienen que definirte.

El S&P 500 hace mínimos de 3 meses por Sentimentrader

• El S&P 500 cerró en un mínimo de 3 meses, rompiendo un nivel de soporte importante.
• Patrones de máximos similares en una tendencia alcista dieron como resultado, movimientos alcistas en el S&P 500 durante el mes siguiente.
• Las señales que coincidieron con condiciones de sobreventa demostraron resultados marginalmente más favorables.

Una ruptura de soporte con el S&P 500 en tendencia alcista

La semana pasada, el S&P 500 rompió el soporte por debajo del mínimo de agosto y registró un nuevo mínimo de 3 meses.

Queda por ver si el patrón resulta ser algo más significativo o una corrección común en una tendencia alcista. Como siempre, utilizaremos un enfoque objetivo e imparcial para analizar las perspectivas después de patrones similares.

Lo que nos dice el estudio

El S&P 500 completó un patrón bajista al romper su soporte, cerrando en un mínimo de 3 meses. Rupturas de soportes similares en una tendencia alcista generaron retornos positivos de forma consistente durante los siguientes meses. Cuando el patrón se da con menos del 20% de las acciones del S&P 500 por encima de su media de 50 días, el índice más famoso del mundo muestra rendimientos y tasas de ganancias ligeramente más favorables. Si las tendencias alcistas a medio plazo bajan o suben con respecto al nivel actual, los rendimientos anualizados mejorarán significativamente.

Todos están fabricando semiconductores por Dr. Ed Yardeni

Las grandes empresas tecnológicas se han lanzado a la industria de los semiconductores. Amazon, Google, Tesla y otros han desarrollado semiconductores para utilizarlos en sus propias operaciones en lugar de comprar todos sus semiconductores a Nvidia, Intel y similares. Los chips personalizados adaptados a los requisitos específicos de su empresa pueden funcionar mejor y son más baratos de fabricar que comprar chips de otras empresas en el mercado.

En el caso de los chips para servidores de IA, las empresas sin duda buscan ahorrar dinero desarrollando una alternativa a los chips de Nvidia, que en el caso de sus GPU A100 pueden venderse entre 20.000 y 25.000 dólares cada una en eBay. Los costos pueden acumularse rápidamente. OpenAI, por ejemplo, necesitará más de 30.000 GPU A100 de Nvidia para la comercialización de ChatGPT, informó un artículo del 18 de abril en TheVerge.com.

A continuación se muestra el progreso que están logrando algunas empresas de tecnología en el diseño de sus propios chips:

(1) Amazon participa. A principios de la semana pasada, Amazon dijo que invertirá hasta 4 mil millones de dólares en Anthropic, una empresa de inteligencia artificial (IA) con un chatbot de IA llamado “Claude 2”. Anthropic utilizará Amazon Web Services (AWS) como su principal proveedor de nube y utilizará semiconductores diseñados por AWS para entrenar modelos de IA con grandes cantidades de datos.

Anthropic utilizará chips AWS Trainium e Inferentia para construir, entrenar e implementar futuros modelos básicos. Las dos empresas también colaborarán en el desarrollo de la futura tecnología Trinium e Inferentia. Los dos chips se consideran una alternativa menos costosa y más accesible a los chips Nvidia utilizados para los mismos fines.

Amazon impulsó sus esfuerzos en el desarrollo de chips en 2015 cuando compró Annapurna Labs, una startup israelí. Desde entonces, produce Graviton y Nitro, chips utilizados en sus servidores. Ahora Amazon tiene un paquete de IA para ofrecer a sus clientes. Además de Anthropic, Amazon puede ofrecer a sus clientes sus chips Trainium e Inferentia; Titán, un gran modelo de lenguaje; y Bedrock, un servicio para ayudar a los desarrolladores a mejorar el software utilizando IA generativa. Algunos creen que tener sus propios chips de inteligencia artificial (que Microsoft no tiene) se convertirá en un diferenciador para Amazon, según informó un artículo de la CNBC del 21 de agosto sobre los esfuerzos de Amazon.

(2) Google también tiene chips de IA. Google ha desarrollado unidades de procesamiento tensorial personalizadas, chips diseñados para acelerar tareas de aprendizaje automático como el reconocimiento de imágenes, el procesamiento del lenguaje natural y el análisis predictivo. Sólo los clientes de Google Cloud acceden a los chips.

Google también ha desarrollado chips Tensor para sus teléfonos Pixel junto con Samsung. Según se informa, Google está trabajando para diseñar su primer conjunto de chips totalmente personalizado, el Tensor G5, para 2025 sin la ayuda de Samsung, según informó un artículo de Tom’s Guide del 7 de julio. TSMC se encargaría de la producción del chip.

(3) Tesla tiene a Dojo. Tesla ha construido el chip Dojo para entrenar redes de inteligencia artificial en centros de datos. Los chips están diseñados y construidos para “el máximo rendimiento, rendimiento y ancho de banda en cada granularidad”, afirma el sitio web de la compañía. Los chips se utilizan en la supercomputadora Dojo de la compañía, revelada por primera vez en 2021, y se utilizan para entrenar los modelos de inteligencia artificial autónomos de Tesla. Puede analizar rápidamente el extenso video de la compañía desde su flota de vehículos, informó un artículo del 25 de septiembre en DriveTeslaCanada.ca. El sistema también podría utilizarse en robótica y otros sistemas autónomos. Tesla utiliza Taiwan Semiconductor Manufacturing Co. para fabricar los chips Dojo y, según se informa, ha duplicado su pedido este año, según el artículo.

(4) Meta y Microsoft en la mezcla. Microsoft está trabajando en el desarrollo del chip Althena AI, que podría reemplazar a los chips Nvidia. Según se informa, el proyecto, que comenzó en 2019, dará como resultado chips que estarán disponibles para los empleados de Microsoft y Open AI el próximo año.

Meta también está trabajando en un chip para sus servicios de inteligencia artificial. El Meta Training and Inference Accelerator (o chip MTIA) en combinación con GPU supuestamente ofrece un mejor rendimiento, menor latencia y mayor eficiencia, informó un artículo del 18 de mayo en TheVerge.com. No se espera que salga hasta 2025.

(5) Datos de rendimiento de la semiindustria. El índice de precios de las acciones de S&P 500 Semiconductors ha subido un 66,2% hasta el año hasta el cierre del martes, aunque ha bajado un 11,5% desde su máximo histórico del 1 de agosto (Fig. 1). Nvidia ha tenido un gran impacto en la industria este año. Sus acciones han subido un 188,9% hasta el año hasta el cierre del martes. Si la empresa fuera eliminada del índice de precios de acciones de S&P 500 Semiconductors, el índice subiría sólo un 23,2% hasta la fecha.

Las acciones de semiconductores se han recuperado antes del repunte previsto en el crecimiento de los ingresos y las ganancias el próximo año. Se espera que el crecimiento de los ingresos de la industria pase de una disminución del 2,1% este año a un aumento del 17,4% en 2024 (Fig. 2). Asimismo, se espera que las ganancias disminuyan un 7,5% este año, pero aumenten un 37,0% en 2024 (Fig. 3). Si las ganancias de Nvidia se eliminaran de la industria de semiconductores, la tasa de crecimiento de los ingresos futuros de la industria caería del 15,6% al 7,9% y su crecimiento de las ganancias futuras caería del 35,5% al 20,6%.

El P/E adelantado de la industria de semiconductores alcanzó un máximo de 29,5 a mediados de julio y actualmente se sitúa en 22,7 (Fig. 4). Pero a medida que las ganancias se recuperen el próximo año, la relación precio-beneficio anticipada de la industria cíclica debería caer. Si se eliminara del cálculo el P/E adelantado de Nvidia de 28,3, el P/E adelantado de la industria sería de sólo 19,0.

¿Son las materias primas una buena inversión? Depende del país por Quantpedia

En los últimos años, el potencial de diversificación de las materias primas ha sido objeto de estudio. Si bien la mayoría de los estudios que examinan el papel de las materias primas en una cartera generalmente se centran en los inversores estadounidenses o en aquellos que se ocupan principalmente de activos denominados en dólares estadounidenses, Dequiedt et al. (2023) ofrecen una perspectiva única al considerar el punto de vista de los inversores nacionales en una muestra de 38 países desarrollados y emergentes.

El estudio explora la relación entre los beneficios de diversificación de las materias primas para los inversores locales y el nivel de exposición al riesgo de materias primas del país. Este último se interpreta como la dependencia de las materias primas, es decir, como el porcentaje de las exportaciones de materias primas en relación con las exportaciones totales de materias primas. Utilizando un modelo de economía pequeña y abierta con dos sectores (materias primas y no productos básicos), los autores clasifican los países en dos grupos: baja exposición al riesgo de las materias primas, baja dependencia de las materias primas (por ejemplo, Japón, China, Hong Kong) y alta dependencia de las materias primas, exposición de riesgo moderado a alto (por ejemplo, Chile, Australia, Noruega).

Los hallazgos revelan que la incorporación de materias primas tiende a mejorar el ratio Sharpe de las carteras de activos nacionales óptimas en la mayoría de los países con baja dependencia de las materias primas, pero no beneficia a los altamente dependientes de las materias primas. Además, la alta dependencia de las materias primas conduce a una correlación positiva entre los precios de las materias primas y los rendimientos de las acciones y bonos nacionales, lo que reduce los beneficios de diversificación a medida que la demanda de exportación impulsa el crecimiento económico del país exportador y los rendimientos de los activos tradicionales.

• Autores: Vianney Dequiedt, Mathieu Gomes, Kuntara Pukthuanthong, Benjamin Williams
• Título: Dependencia de materias primas y asignación óptima de activos
• Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4534370

Resumen:

Presentamos un modelo para explicar los beneficios de diversificación de incorporar materias primas en una cartera de activos tradicionales desde la perspectiva de los inversores nacionales. Utilizando una muestra de 38 países de 2000 a 2020, mostramos que los inversores en países de alta dependencia de las materias primas generalmente no se benefician de agregar materias primas a sus carteras, mientras que los inversores ubicados en países de baja dependencia de materias primas generalmente lo hacen. Las materias primas pueden aumentar una cartera diversificada si los inversores no están excesivamente expuestos al riesgo de las materias primas a través de la estructura económica de su país. La investigación de gestión de carteras debe tener en cuenta la diversidad de los contextos locales, ya que puede proporcionar diferentes conocimientos sobre la asignación de activos.

Como siempre, presentamos cifras interesantes del periódico:

Citas destacables del documento de investigación académica:

«Recuperamos los datos del comercio de exportación del sitio web de estadísticas de la Conferencia de las Naciones Unidas sobre Comercio y Desarrollo (UNCTAD). Para medir la dependencia de las materias primas a nivel nacional, definimos la dependencia de las materias primas de exportación como la relación porcentual entre las exportaciones de materias primas y las exportaciones totales de materias primas. Calculamos la dependencia general de las materias primas para cada país dividiendo el valor total de las exportaciones de materias primas por el valor total de las exportaciones de materias primas. Además, calculamos la relación de dependencia para cada sector y cada producto básico donde hay disponible un índice de materias primas invertibles.»

«Para representar una inversión en futuros de materias primas, utilizamos el Índice de Retorno Total de Materias Primas Dow Jones (DJCTRI), disponible desde diciembre de 1999. Este índice refleja una inversión totalmente garantizada en futuros de materias primas cercanos, con posiciones a lo largo de cinco días (el 20 % de la posición se invierte cada día en el próximo contrato de futuros), asumiendo la misma ponderación de tres sectores principales: energía, agricultura/ganadería y metales. Las materias primas se ponderan por la liquidez relativa en función del valor promedio total en dólares de cinco años negociado, y el índice se reequilibra trimestralmente.»

«Empleamos el marco clásico de optimización de la varianza media para evaluar el potencial de diversificación de las materias primas dentro de una cartera de activos tradicionales (Markowitz, 1952). Dentro de este marco, los beneficios de la diversificación están relacionados con la correlación media observada entre los activos: cuanto menor sea la correlación media, mayores serán los beneficios esperados de la diversificación.»

«En el marco de la varianza media, la cartera de tangencia (es decir, la cartera que ofrece la mejor combinación posible de riesgo de la cartera y rendimiento esperado) es de particular relevancia: se espera que todos los inversores, dependiendo de su respectiva aversión al riesgo, tengan una mezcla dada del activo libre de riesgo y la cartera de tangencia (o óptima). Con esto en mente, nos centramos en el cambio en la cartera óptima evaluando estadísticamente la diferencia en los ratios Sharpe entre las carteras sin materias primas y las carteras, incluidas las materias primas. Si el ratio Sharpe de la cartera óptima aumenta con la inclusión de materias primas, entonces todos los inversores se beneficiarán independientemente de su aversión al riesgo, ya que sus servicios públicos esperados aumentarán.»

«Para hacer las cosas más transparentes, proporcionamos gráficos de dispersión de los pesos de las materias primas frente a la dependencia de las materias primas para todos los países en la Figura 1. Esta figura muestra una clara relación negativa entre el peso asignado a las materias primas en la cartera óptima y el grado de dependencia de las materias primas del país.»

«Aunque el DJCTRI aplica los mismos pesos a nivel de sector (los sectores de energía, metales y agricultura/ ganadería representan cada uno el 33,33 % del índice), los pesos asignados a las materias primas individuales pueden diferir significativamente. Como resultado, algunas personas podrían argumentar que los beneficios observados de diversificación de las materias primas pueden ser el resultado de una amplia exposición a una o unas pocas materias primas. Para abordar este tema, construimos un índice de materias primas ponderado igualmente reequilibrado anualmente utilizando los índices que representan las materias primas individuales presentes dentro del DJCTRI.»

“Las parcelas de dispersión de los pesos de las materias primas frente a la dependencia de las materias primas que utilizan materias primas invertibles solo para todos los países se muestran en la Figura 2. Aunque son ligeramente diferentes, nuestros principales resultados se confirman principalmente, ya que parece haber una clara relación negativa entre el grado de dependencia de las materias primas y el peso de las materias primas en las carteras óptimas.”

“Para confirmar que las características de diversificación de las materias primas que descubrimos en nuestros análisis anteriores se deben a la dinámica de los precios de las materias primas y no a los cambios en los tipos de cambio, repetimos nuestro análisis asumiendo una exposición a las materias primas cubierta por la moneda… Finalmente, al considerar las exposiciones a las materias primas con cubrir la moneda, el peso promedio de las materias primas en las carteras óptimas sigue siendo mucho más alto para los países de baja dependencia de las materias primas (8,23 %) que para los países de alta dependencia de las materias primas (2,12). En general, si bien los tipos de cambio juegan un papel, los beneficios de la diversificación de las materias primas se relacionan principalmente con la dinámica de los precios de las materias primas en lugar de con los cambios en los tipos de cambio.”

“Nuestros descubrimientos indican que los beneficios de diversificación de las materias primas dependen en gran medida del nivel de dependencia de las materias primas en cada país, con la inclusión en la cartera óptima que mejora el ratio Sharpe en el 71 % de los países de baja dependencia de materias primas, al tiempo que no proporciona beneficios de diversificación en los países de alta dependencia de materias primas. Además, observamos que el peso óptimo de la cartera de materias primas es, en promedio, sustancialmente mayor en los países de baja dependencia de materias primas (8,99%) que en los países de alta dependencia de materias primas (0,81 %).»

24 cosas que creo sobre las inversiones por Ben Carlson

Hoy mostraré algunas cosas en las que creo relacionadas con la inversión.

1. Creo que los ritmos simples son complejos. El problema es simple, es mucho más difícil de implementar porque lo complejo siempre parecerá más inteligente y atractivo.

2. Creo que el momento de las decisiones de compra o venta importa menos que su período de mantenerlos en cartera. Elegir techos y suelos es para los que tienen suerte y los mentirosos. Aferrarse pacientemente a sus inversiones es más importante para la mayoría de los inversores que el tiempo.

3. Creo que deberías ignorar lo que los multimillonarios y los inversores legendarios piensan sobre los mercados. Estas personas no comparten sus circunstancias, horizonte temporal o perfil de riesgo. ¿Por qué deberías seguir sus consejos de inversión?

4. Creo que el autocontrol puede hacerte ganar mucho más dinero que cualquier otro rasgo como inversor. Conozco a muchas personas de alto coeficiente intelectual que son inversores terribles porque no tienen el temperamento adecuado.

5. Creo que todos los inversores en activos de riesgo deberían sentirse cómodos viendo su dinero esfumarse de vez en cuando. Durante los mercados bajistas y las correcciones, parte de su dinero simplemente desaparece. Eso es solo parte de la inversión.

6. Creo que ser alcista o bajista importa menos que progresar hacia tus objetivos. Sus circunstancias financieras personales deben dictar cómo invierte mucho más de lo que cree que sucederá en los mercados. No es necesario tener una opinión sobre si los mercados van más o más abajo a corto plazo.

7. Creo que la gestión de riesgos es importante, pero hay que arriesgarse para ganar dinero. La gestión del riesgo es un componente importante de la gestión de la cartera, pero no se puede evitar el riesgo por completo. Tienes que invertir en algo.

8. Creo que el proceso es más importante que los resultados, pero en algún momento el rendimiento es importante. Un proceso de inversión de éxito requiere tomar buenas decisiones una y otra vez. Pero tienes que entender la diferencia entre disciplina y ilusión si tu proceso no está funcionando.

9. Creo que una buena estrategia que puedes seguir es muy superior a una gran estrategia que no puedes seguir. Lo perfecto es a menudo el enemigo de lo bueno cuando se trata del comportamiento de inversión.

10. Creo que es básicamente imposible pronosticar la economía. Ni siquiera la Reserva Federal puede averiguar el camino de las tasas de interés, la inflación y el crecimiento económico, y es parte de su trabajo. Si somos honestos, nadie entiende realmente cómo funciona la economía.

11. Creo que es mucho más fácil explicar lo que acaba de pasar que predecir lo que sucederá a continuación. Las únicas constantes en las finanzas son la naturaleza humana y mover los postes de la portería cuando te equivocas. Los expertos son muy buenos para decirte por qué algo inesperado era obvio en retrospectiva, incluso cuando todas sus predicciones sobre el futuro han estado equivocadas.

12. Creo que definir en qué no invertirás es más importante que en qué invertirás. Los inversores nunca lo han tenido mejor, pero la paradoja de la elección puede ser paralizante. Puedes encontrar la liberación limitándote a ciertos tipos de inversiones e ignorando todo lo demás.

13. Creo que hay muchos caminos diferentes para ser un inversor exitoso, pero solo un puñado de formas de fracasar. No hay una talla única cuando se trata de invertir de la manera correcta. Pero los inversores que no tienen éxito suelen mostrar el mismo mal comportamiento de inversión: el momento del mercado, la sobreoperativa, tratar de ser más astuto que el mercado, tener demasiada confianza en sus habilidades de inversión, invertir en base a creencias políticas, etc.

14. Creo que los mercados tienen razón la mayor parte del tiempo, pero no todo el tiempo. Los mercados son un poco, un poco eficientes. Pero el hecho de que los mercados puedan ser locos a veces no significa que sea fácil vencerlos.

15. Creo que actuar igual que en tu última guerra puede meterte en problemas. El siguiente riesgo rara vez es como el último riesgo.

16. Creo que cada inversor tiene sus propios puntos ciegos de comportamiento. Conocerse a sí mismo es más importante que preocuparse por lo que están haciendo otros inversores.

17. Creo que un horizonte de mucho tiempo es el mejor ecualizador en los mercados. Un horizonte de tiempo lo suficientemente largo es la mejor cobertura contra la mayoría de los riesgos del mercado.

18. Creo que es casi imposible aceptar consejos de inversión útiles durante los auges y las quiebras. Nadie quiere oír hablar de ser responsable durante un mercado alcista que ruge, al igual que nadie quiere oír hablar de las virtudes de comprar y mantener durante un mercado bajista que aplasta el alma.

19. Creo que los rendimientos a largo plazo son los únicos que importan, pero tienes que sobrevivir a corto plazo. Como dijo una vez Daniel Kahneman: «El largo plazo no es donde se vive la vida».

20. Creo que la mayoría de los desacuerdos sobre los mercados se deben a diferencias en el horizonte temporal y la tolerancia al riesgo. Los mercados están llenos de personas con diferentes objetivos, opiniones, horizontes temporales y apetito por el riesgo. Eso es lo que hace un mercado. También es lo que causa las discusiones y por qué siempre hay un comprador para cada vendedor.

21. Creo que nada de invertir es fácil, pero aún así lo hacemos más difícil de lo que tiene que ser. No se otorgan puntos por el grado de dificultad cuando se trata de ganar dinero en los mercados.

22. Creo que los optimistas son mejores inversores que pesimistas. Dicen que la esperanza no es una estrategia de inversión, pero lo es en cierto modo. Si no crees que las cosas serán mejores en el futuro de lo que son hoy, ¿qué sentido tiene invertir ahora?

23. Creo que no hacer nada es la mejor decisión de inversión la mayor parte del tiempo. Siempre y cuando tengas un plan en marcha, no hacer nada es un comportamiento de inversión perfectamente racional.

24. Creo que está bien construir riqueza lentamente. Alguien le preguntó una vez a Jeff Bezos el mejor consejo que había recibido de Warren Buffett. Bezos le preguntó a Buffett si sus ideas de inversión son tan simples y él es tan rico, ¿por qué no todo el mundo lo copia?

A lo que Buffett respondió: «Porque nadie quiere enriquecerse despacio».

Ninguno de nosotros va a ser el próximo Buffett, pero esta idea es más realista que suponer que puedes enriquecerte de la noche a la mañana.

Las correlaciones y el trading por Eduardo Faus

• Las correlaciones nos ayudan a poder analizar un activo desde una óptica más completa, dando mayor fuerza a nuestro análisis. Veamos un ejemplo. 
• Artículo publicado en Hispatrading 18.

En muchas ocasiones efectuamos estudios de mercado sin tener algunos datos básicos en cuenta. Este sería el caso de las correlaciones entre activos. Existen muchas correlaciones entre activos de distinta categoría que nos permiten completar el estudio que hacemos sobre uno en concreto.

Expondremos el siguiente ejemplo práctico:

Si mi objetivo es hacer un análisis técnico a medio plazo del dólar australiano no nos ceñiríamos a analizar técnicamente el mismo, sino que lo pondríamos en contexto con el índice MSCI emergentes, con el que guarda una elevada correlación en la mayor parte de movimientos importantes:

DÓLAR AUSTRALIANO –  MSCI EMERGING MARKETS: el dólar australiano proporciona síntomas de rebote , al tiempo que el MSCI emergentes reacciona al alza desde soporte. La correlación entre ambos es positiva

Otra correlación:

DÓLAR AUSTRALIANO –  USD DÓLAR: el dólar australiano proporciona síntomas de rebote en estos niveles, al tiempo que el índice dólar pierde su directriz alcista desde los mínimos de 2011. La correlación entre ambos es negativa

De este modo podemos concluir que no deberemos ceñirnos al estudio en concreto del dólar australiano, sino que podremos analizar al dólar estadounidense y al MSCI de mercados emergentes en aras de completar nuestra decisión.

Pero aún podríamos profundizar y completar más nuestra toma de decisiones:

Ejemplo:

INDICE MATERIAS PRIMAS-  MSCI EMERGING MARKETS: el CRB materias primas rompe su tendencia bajista desde 2011, al tiempo que el MSCI emergentes reacciona al alza desde soportes. La correlación entre ambos es positiva

Si anteriormente hemos dicho que el MSCI emergentes guarda una elevada correlación con el dólar australiano, en el gráfico superior podemos ver cómo a su vez el índice de materias primas y el MSCI emergentes también lo hacen. De este modo un estudio del índice CRB de materias primas debería respetar al análisis realizado en el dólar australiano.

Otro ejemplo:

FRANCO SUIZO-  USD DÓLAR: el franco suizo amaga con romper importantes niveles de resistencia, al tiempo que sus indicadores mensuales cortan al alza, por otro lado el USD dólar perdía su directriz alcista desde 2011. La correlación entre ambos es negativa

Si hemos dicho que el dólar estadounidense guarda correlación con el dólar australiano, un estudio sobre el franco suizo debería ir en la misma dirección que el segundo de ellos. 

En conclusión, es importante tener estos datos en cuenta ya que muchas veces cometemos el error de pensar que un mercado puede ir hacia una dirección y otro en la contraria, ignorando la correlación que pueden guardar entre sí.

¿Qué podemos esperar del mercado? [Dirty Dozen] por Alex Barrow

1. Siempre empiezo a analizar el mercado desde un gráfico mensual, pasando por uno semanal, hasta uno diario cuando miro los gráficos. Muchas personas se centran en los garabatos a expensas de la dirección de la tendencia a largo plazo. Esto ayuda a prevenir liarnos.

La ruptura de abril del rango de compresión de todo el año sigue siendo buena. Un cierre mensual por debajo de 4.150 lo anularía. Golpeó la resistencia en el nivel de 4.600, pero su retroceso siguió a cinco barras alcistas mensuales consecutivas, mostrando un fuerte control de los alcistas. A partir de ahora, este retroceso todavía está en el ámbito de una corrección saludable después de un gran empuje alcista.

Si el SPX opera cerca del nivel de 4.150, entonces nos gustaría ser considerablemente más cautelosos.

2. El gráfico semanal parece que está desarrollando un patrón de cuña de dos patas. Este es un patrón de continuación y las probabilidades favorecen una reversión en algún momento cerca del extremo inferior de este rango antes de otro movimiento alcista.

El gráfico diario (que no mostraré aquí) tiene un precio en su banda de Bollinger más baja. Es probable que veamos un doble suelo antes de otro movimiento alcista. Si se rompe y se mantiene por debajo de su BB, entonces el patrón de cuña se podría poner en duda.

3. Los diferentes sectores del mercado no están confirmando el camino bajista, lo que es una buena noticia para los alcistas.

4. Lo mismo ocurre con los diferenciales de crédito. Este no es el tipo de acción que ves en un techo importante, pero de nuevo está mucho más en línea con una corrección común y corriente dentro de una tendencia alcista más amplia.

5. La amplitud está alcanzando niveles profundamente sobrevendidos. Es posible que se vuelvan un poco más sobreventados. Pero en algún momento pronto las fuerzas de la reversión media funcionarán como un imán en la cinta, tirando de ella más alto para al menos un rebote.

6. Nuestra señal semanal de Nervous and Numb, que desencadenó una señal de venta a finales de julio, justo antes de esta venta, se produjo un poco de la activación de una señal de compra el viernes. Lo suficientemente cerca suele ser lo suficientemente bueno con este indicador y el mercado tiende a ver que los rendimientos futuros se inclinan fuertemente hacia arriba en las semanas posteriores a una señal.

7. Pero no todo es de color de rosa… Las fotos de amplitud a largo plazo no son tampoco para echar cohetes. El siguiente gráfico muestra los nuevos máximos – mínimos compuestos de Nasdaq. La amplitud ha sido débil durante todo el año, pero al menos fue débil y mejoró. Ahora solo está débil y cada vez más débil.

Esta acción es típica de un ciclo correctivo más amplio; ya sea un régimen volátil lateral extendido o un mercado bajista cíclico. Lo que también se alinea con nuestro escenario base macro más amplio.

8. Aquí hay otra visión de la amplitud a largo plazo, esta vez mostrando el porcentaje de acciones de MSCI World por encima de la media móvil de 200 dma. Actualmente, este número está justo por encima del 50 %, pero tiene una tendencia a la baja.

En términos simplistas, las cosas malas suceden entre el 50 % y por encima del 10 % (lo que marca niveles de sobreventa).

Pero tenemos que vigilar la amplitud a largo plazo. Un deterioro continuo aumentaría las probabilidades de que esta ola correctiva se esté desvaneciendo y nos gustaría comenzar a buscar una continuación a la baja.

9. Mientras tanto, el Péndulo Narrativo ha pasado de «ya estamos en una recesión» a comienzo de año a «aterrizaje suave / sin aterrizaje». Esta tabla de BBG muestra que las menciones de «aterrizaje suave» de los ejecutivos están alcanzando máximos de varios años.

¿Tal vez piensan que si lo dicen lo suficiente, podría hacerse realidad?

10. Aunque seguimos siendo constructivos con el petróleo a medio plazo, esperamos ver unas semanas de obtención de beneficios.

SentimenTrader parece estar de acuerdo, escribiendo «ahora identificaremos casos en los que el RSI estaba por encima de 77 por primera vez después de un mínimo de 1 año, y la estructura de los diferentes vencimientos era de 1,07 o más. Las perspectivas para el petróleo crudo no parecen prometedoras en ningún horizonte temporal. »

11. El crudo WTI también está girando hacia una resistencia significativa en el nivel de 95 $ (el siguiente gráfico es semanal).

Pero ten en cuenta el fuerte empuje alcista de dos patas que hemos visto hasta ahora. Este es un movimiento impulsivo y no correctivo. Así que al menos deberíamos esperar una etapa más (las tendencias de impulso tienden a moverse en tres ondas) a nuevos máximos o al menos volver al nivel de 95 $ para formar un doble techo después de un retroceso.

12. Si tiene algo de exposición al petróleo y el gas y le gustaría cubrirla, considere ir a largo DRIP, un ETF de E&P bajista apalancado 2 veces. Puede poner un stop ajustado por debajo del rango reciente..

Gracias por leer.

¿Por qué los traders pierden dinero? por Brett N. Steenbarger

Detectamos la fuerza en el mercado de valores y compramos. Detectamos debilidad y vendemos. En ambas ocasiones perdemos dinero. ¿Qué está pasando? En este artículo, echaremos un vistazo al comportamiento del mercado y a cómo los propios patrones del mercado crean desafíos en cuanto a la psicología del trading. La suposición común es que, si podemos mantener una mentalidad correcta, podremos identificar los patrones del mercado y ganar dinero. Este artículo mostrará que pensar así es reducir las cosas a algo demasiado simple.

Examiné los últimos tres años de datos diarios, centrándome en el SPY y el porcentaje de acciones en el índice SP500 que cotizan por encima de sus medias móviles de 5 y 20 días. (Datos de Barchart). Dividí el conjunto de datos en cuartiles y examiné específicamente lo que sucede después de períodos de amplitud muy fuerte (cuartil superior) y muy débil (cuartil inferior).

Cuando el porcentaje de acciones que cotizaban por encima de sus medias móviles de cinco días estaba en el cuartil superior (aproximadamente 74+%), los siguientes cinco días en SPY promediaron una pérdida de -0,14 %. Tenga en cuenta que esto fue durante un período en el que SPY aumentó aproximadamente un 30 % y la ganancia diaria promedio fue de +0.20%. Cuando el porcentaje de acciones que cotizaban por encima de sus medias móviles de cinco días estaba en el cuartil inferior (aproximadamente menos del 33 %), los siguientes cinco días en SPY promediaron una ganancia de +0,57 %. En otras palabras, ir con el impulso después de un período de cinco días subiendo hizo perder dinero a todos los traders, independientemente de su mentalidad. Comprar acciones, después de cinco días de debilidad, cuando da más miedo entrar al mercado, fue sólidamente rentable y duplicó los rendimientos promedio.

Hmmm…

Así que ahora examinemos los rendimientos promedio después de 20 días de fuerza y debilidad. Cuando los rendimientos de 20 días han sido más fuertes (más del 73 % de las acciones que cotizan por encima de sus medias móviles de 20 días), los siguientes 20 días en SPY han promediado una pérdida de alrededor del -0,31%. Esto es revelador, ya que la ganancia promedio de 20 días durante este período fue de +0,79 %. Por el contrario, cuando los rendimientos de 20 días han estado en su cuartil más débil (más del 37 % de las acciones que cotizan por encima de sus medias móviles de 20 días), los siguientes 20 días han promediado una enorme ganancia del +1,85 %. Ir con fuerza perdió sistemáticamente; comprar debilidad logró rendimientos superiores.

En resumen, los operadores pierden dinero cuando se centran en la tendencia y el impulso. Esperan que los rendimientos fuertes y débiles continúen en el futuro. Sin embargo, lo que realmente sucede en promedio es un giro, un cambio. Las acciones se comportan de forma cíclica. Cuando los mercados muestran impulso y tendencia, generalmente es porque los ciclos a más largo plazo son dominantes. La fase ascendente o descendente de un ciclo a más largo plazo abruma cualquier tendencia de reversión a corto plazo. (Tenga en cuenta cómo esto abre la puerta a la previsión del movimiento del mercado en función de la interacción de múltiples ciclos: un tema que espero abordar pronto).

El mercado tiende a frustrar las expectativas de los traders. Es la naturaleza humana extrapolar el futuro del pasado. Esto, independientemente de la psicología de un trader, perderá dinero con el tiempo. Dibujar y seguir las líneas de tendencia, ir con rupturas, esperar a que la «confirmación de precios» entre en movimientos del mercado: todos, con el tiempo, pierden dinero. No es solo nuestra psicología la que socava nuestro trading. Son nuestras suposiciones.

Atención al petroleo por Sentimentrader

• La estructura de los vencimientos de los futuros del petróleo crudo cruzó recientemente un nivel potencialmente significativo.
• Esta acción puede tener implicaciones para el complejo energético.
• Sin embargo, existe un sesgo reciente que los traders deben considerar.

Estructura de los plazos del petróleo crudo

La estructura temporal de los futuros de petróleo crudo muestra la relación del contrato de futuros a corto plazo con un contrato a más largo plazo. Si está por encima de 1,0, el contrato a corto plazo tiene un precio más alto que el contrato a más largo plazo, lo que se denomina backwardation. Los máximos en esta medida pueden indicar una debilidad inminente del mercado. Si es inferior a 1,0, entonces el mercado está en contango. Cuando entra en un contango severo, es una señal de estrés en el mercado y normalmente solo ocurre cuando el petróleo crudo está formando un suelo a largo plazo.

El siguiente gráfico muestra todas las fechas en las que la estructura temporal del petróleo crudo superó 1,05 por primera vez en 21 días hábiles. La señal más reciente se produjo el 15 de septiembre de 2023.

Lo que nos dice el estudio

Además del gas natural, los mercados energéticos se han recuperado fuertemente desde que tocaron suelo a principios de mayo de 2023. Intentar «buscar un techo» y vender en corto con este tipo de fortaleza está plagado de peligros. Dicho esto, las posibles señales de advertencia de un posible giro están comenzando a acumularse y no deben descartarse. Esto sugiere que los operadores deben prestar mucha atención a estos mercados en las próximas semanas y estar atentos a las señales de un cambio de rumbo.

Repitiendo, todo en este artículo equivale a «razones para estar atentos a las señales de un giro» y NO a «razones para vender en corto de inmediato».

Cómo mejorar los rendimientos por Ben Carlson

Kerala es un estado costero de la India con una gran industria pesquera.

A partir de 1997, se introdujeron los teléfonos móviles en la región. En 2001, más del 60 % de los pescadores y comerciantes utilizaban teléfonos para coordinar las ventas y fijar los precios del pescado.

Robert Jensen utilizó datos de este mercado en un documento de investigación llamado The Digital Provide para mostrar cómo la adición de más información afectó a los precios del pescado en el mercado.

Puedes ver el momento del despliegue de las torres de telefonía móvil en diferentes secciones de la región (los círculos muestran el radio de las torres de telefonía móvil para la cobertura telefónica):

Antes de que la información fuera fácilmente accesible, había un alto grado de dispersión de precios. Esa dispersión cayó en poco tiempo una vez que la información se hizo abundante:

Estos gráficos son notables.

Jensen explica:

Antes de que cualquier región tuviera teléfonos móviles, el grado de dispersión de precios entre los mercados dentro de una región en un día determinado es alto, y hay muchos casos en los que el precio es cero. Sin embargo, a las pocas semanas de la introducción de los teléfonos móviles en la Región I, hay una fuerte y sorprendente reducción en la dispersión de precios. Los precios en todos los mercados de la región rara vez difieren en más de unas pocas rupias por kilogramo en cualquier día, en comparación con los casos de hasta 10 rupias/kg antes de la introducción de los teléfonos móviles. Además, los precios en los diversos mercados suben y bajan juntos y la variabilidad de semana a semana dentro de cada mercado es mucho menor, ya que los choques de cantidad específicos de la zona de captación ahora se extienden por todos los mercados a través del arbitraje. Además, no hay casos de residuos en esta región después de que se introduzcan los teléfonos.

Más información condujo a un mercado más funcional tanto para los proveedores como para los consumidores. Las ganancias aumentaron y los consumidores experimentaron mucha menos volatilidad en el precio del pescado que estaban comiendo. Además, había menos peces que se desperdiciaban.

Todo el mundo gana.

Más información hace que los mercados sean más eficientes a toda prisa.

Después de leer sobre la industria pesquera de Kerala, no pude evitar pensar en el mercado de valores.

No me malinterpretes: el mercado de valores sigue siendo bastante volátil, incluso en la era de la información. Desde que Internet se convirtió en parte de nuestras vidas en la década de 1990, hemos experimentado muchos accidentes, mercados bajistas y volatilidad.

El mercado de valores todavía no es perfectamente eficiente. Todavía hay oscilaciones salvajes tanto en el mercado como en los valores individuales que lo componen.

Pero cada vez hay menos ventajas informativas hoy en día porque la información está muy fácilmente disponible para todos los inversores.

Cada vez es más difícil superar el rendimiento en un mundo con más información para todos los inversores. Desde que se introdujo el Reg FD, el alfa en el espacio de los fondos de cobertura ha desaparecido.¹

También podrías afirmar que las últimas dos décadas han sido uno de los entornos más difíciles de superar.

Solo mira las cifras de rendimiento a largo plazo para los gestores de fondos activos en el último informe de SPIVA:

Básicamente, ha sido imposible superar el rendimiento en los últimos 10-20 años en todas las categorías de fondos de capital.

El debate sobre los fondos indexados se resolvió hace mucho tiempo, pero es interesante mirar estos números a través de la lente de los rendimientos «promedios». Sí, la indexación le da el rendimiento promedio del mercado, pero el rendimiento promedio de los gestores de fondos activos, neto de las comisiones, es casi siempre más bajo que el punto de referencia.

La indexación no le proporciona rendimientos medios. Durante períodos de tiempo más largos, casi garantiza que terminarás en el cuartil superior o decil de rendimiento.

Tener en cartera fondos de índices siempre ha sido una estrategia ganadora cuando se trata de superar a los inversores profesionales por el simple hecho de que los inversores activos son el mercado. Cuando compensas sus tarifas de fondos superiores al índice, tienen que tener un rendimiento inferior, colectivamente.

Claro, algunos tendrán un rendimiento superior, pero las probabilidades de que elijas a esos gerentes activos con antelación son escasas.

La era de la información ha hecho que sea aún más difícil superar el rendimiento porque hay menos ventajas informativas. Y el hecho de que tantos inversores minoristas ahora estén optando por indexar, significa que hay menos tontos en la mesa de póquer: son profesionales que compiten contra profesionales, lo que hace que el juego sea más difícil.

La buena noticia para los inversores individuales es que no tienes que competir contra profesionales. Puedes adoptar un enfoque de bajo costo y a largo plazo y vencer a los profesionales.

La parte más difícil para la mayoría de la gente es mantener ese medio objetivo a largo plazo para no tener un rendimiento inferior a los fondos que posee al cometer errores de comportamiento cuando los mercados inevitablemente se vuelven locos.

Michael y yo hablamos sobre la velocidad de los mercados y mucho más en el vídeo de Animal Spirits de esta semana:

Suscríbete a The Compound para no perderte nunca un episodio.

Análisis de estrategias cuantitativas basadas en precios para la valoración de países por Quantpedia

La inversión en valor se originó como una estrategia de inversión en la que los inversores intentan batir al mercado de valores buscando acciones que coticen a un precio inferior a su valor intrínseco o valor contable. Los inversores en valor no suscriben la hipótesis del mercado eficiente, lo que sugiere que los precios de las acciones siempre reflejan su valor intrínseco. En cambio, los inversores en valor creen que las acciones pueden estar sobrevaloradas o infravaloradas debido a diversos factores. Se cree que el mercado a menudo reacciona exageradamente a noticias o eventos, lo que genera una brecha entre el precio de las acciones y los fundamentos a largo plazo de la empresa. Esta reacción exagerada crea una oportunidad para que los inversores en valor compren acciones con descuento con la esperanza de que el mercado finalmente reconozca el verdadero valor de las acciones, lo que provocará un aumento en el precio. Al buscar activamente acciones infravaloradas, los inversores en valor pretenden explotar la tendencia del mercado a valorar erróneamente los valores.

Reiteramos que la inversión en valor es verdaderamente una estrategia a largo plazo, y Warren Buffett es famoso por su enfoque paciente y a largo plazo. A menudo compra acciones con la intención de mantenerlas indefinidamente, centrándose en el valor y el potencial a largo plazo de las empresas en las que invierte. Las citas de Buffett enfatizan su compromiso con la naturaleza a largo plazo de la inversión en valor, donde no intenta obtener ganancias rápidas en el mercado de valores, sino que busca empresas sólidas en las que cree y que aumentarán su valor con el tiempo. Al mantener una cartera de acciones diversificada y una perspectiva a largo plazo, los inversores pueden esperar para vender sus acciones hasta que el precio exceda su valor justo de mercado y el precio que fijaron les pague, maximizando así las ganancias potenciales.

Pero las estrategias de valor no se utilizan sólo en acciones. Hay muchas definiciones diferentes de “valor” y la idea de comprar “activos baratos” se usa ampliamente en monedas ( Valor de la moneda – Factor PPA ), ETF de países ( Factor de valor – Efecto CAPE dentro de los países ) o en un entorno diversificado cartera de activos en general ( factores de valor y momento entre clases de activos ).

Enfoque, Metodología y Motivación

La motivación de este estudio surge de la idea de simplificar el concepto de valoración relativa entre los países. Existen varias ideas para enfoques de valor relativo que comparan el “precio visible” (o capitalización de mercado) del mercado de valores con algún “valor intrínseco” invisible del mercado. Hay muchas ideas sobre lo que podemos usar para medir el «valor intrínseco» invisible de cada país/mercado individual: puede ser un número derivado del PIB (como en un indicador Buffet), las ganancias totales de las empresas que cotizan en bolsa en el país  seleccionado ( Relación CAPE de Shiller ), o ratios derivados de rendimientos, demografía, etc., etc. Todos esos ratios utilizan algunos datos no relacionados con los precios para obtener un “valor intrínseco” para cada país. Tiene muchas ventajas (las medidas distintas de los precios pueden agregar mucha información importante para los modelos de valoración), pero también algunas desventajas (la mayor desventaja es que debemos tener una fuente de datos de alta calidad para esos datos distintos de los precios) y, además, los datos suelen publicarse con un retraso importante). Entonces nos preguntamos: ¿podemos crear un modelo de valoración relativa y utilizar solo los datos de precios?

¿Como procedemos? Como hemos mencionado antes, los datos distintos de los precios (como el crecimiento del PIB o los ingresos totales de todas las empresas en el país seleccionado) tienen la ventaja de tener información oculta. Por otro lado, esos datos no suelen cambiar con mucha frecuencia de un año a otro (trimestre a trimestre). La volatilidad de los datos distintos de los precios es significativamente menor que la volatilidad de los datos de los índices bursátiles por sí solos. Esto también significa que el cambio en la mayoría de los índices de valoración relativa, como el valor de mercado de las acciones (MVE), escalado por el producto interno bruto (PIB) ( Indicador Buffet) o CAPE (relación precio/beneficios ajustada cíclicamente de Shiller) está impulsada por el cambio en la parte nominadora de la relación (parte relacionada con el precio) y no por un cambio en el denominador (ancla no relacionada con el precio), que rara vez cambia mucho. Supongamos que la parte del denominador es sólo un ancla que se mueve lentamente. En ese caso, podemos omitir fácilmente el uso de datos distintos de los precios, reemplazarlos con algún valor promedio calculado a partir de la sección transversal de los datos de precios de todos los países y continuar con el modelo tratando de valorar a los países entre sí usando solo el precio. datos. Entonces, esa es la teoría, pero la pregunta es: ¿tuvimos éxito?

En resumen, nuestro enfoque es simple y directo: los índices simples de 20 países se promedian en el índice promedio de los países con igual ponderación, y todos los países con un comportamiento a largo plazo superior al promedio se consideran sobrevalorados en ese sentido, y los países con desempeño inferior sí califican como infravalorado.

Probaremos múltiples definiciones diferentes para el desempeño superior o inferior del país en el pasado (usando impulso, medias móviles y regresiones), y clasificación óptima, horizontes de reequilibrio y puntos de corte (vigintiles, deciles, quintiles, cuartiles, terciles, mitades). ).

Datos y señales

Usamos datos mensuales, dividendos y ajustes divididos. Se eligió Yahoo Finance para recopilar datos sobre los ETF desde su inicio. Luego, utilizamos el sitio web de MSCI para descargar los índices de los países faltantes y ampliar el conjunto de datos al máximo posible. Se incluyeron en el análisis los siguientes países/ETF:

Hemos decidido no incluir a EE.UU. (Estados Unidos) ya que nos centramos en el mundo ex-EE.UU. Estados Unidos representa alrededor del 50 % de la capitalización del mercado mundial; por lo tanto, tendría más sentido elaborar un modelo que evalúe a Estados Unidos frente al resto del mundo y no incluir simplemente el mercado estadounidense en la muestra. Sin embargo, el modelo de valoración relativa del mercado estadounidense frente al resto del mundo no es el aspecto principal ni el objetivo de este estudio (llegaremos a eso en algunos artículos futuros).

La proporción entre el mundo y los EE. UU. se muestra en la siguiente figura:

Dejamos los primeros cinco años de datos (desde 1992-12-31 hasta 1997-12-31) sólo para cálculos (lo llamamos “período de cálculo”) y, por lo tanto, nuestras curvas de acciones comienzan cinco años después. La fecha de finalización que consideramos datos hasta el 31 de marzo de 2023. La mayoría de los ETF de los países comenzaron a cotizar el 1 de abril de 1996 y, a partir de esa fecha, se enriquecieron con los valores de los índices del 31 de diciembre de 1992, el denominador común para todos los países considerados. Procedían de sitios web de índices MSCI globales, regionales o nacionales. Seleccionamos el tamaño estándar (grande+mediana capitalización) del índice para ellos, todo en moneda USD .

Periodos en los que mantenemos la posición y técnicas de ejecución

Dado que se trata de una señal de valoración, elegimos deliberadamente un período más largo e inicialmente consideramos 3 de ellos (fueron desarrollados ad hoc y a partir de nuestras mejores estimaciones):

1. Tramo 4x, período de posesión de 12 meses (1 año), reequilibrio trimestral,
2. Tramo 12x, período de posesión de 36 meses (3 años), reequilibrio trimestral ,
3. Tramo 10x, período de posesión de 60 meses (5 años), reequilibrio semestral .

El reequilibrio trimestral se realiza, por ejemplo, el 31.12, 31.3, 30.6 y 30.9 de cada año. Para el método de ejecución, utilizamos una aplicación de tramos estándar de la industria, lo que significa que siempre reequilibraremos solo la parte preseleccionada de la cartera.

Dividimos la cartera en 12 subcarteras; cada parte se reequilibraría una vez cada 3 años y se ponderaría como 1/12 del peso de la cartera completa (total; final).

Entonces:

31.12.1997 se invierte el primer 1/12; Seleccionamos un 25% de sobrecompra y actuamos en corto, y un 25% de sobreventa, que actuamos en largo y mantenemos hasta el 31.12.2000, cuando reequilibramos nuevamente por un período de tenencia de 3 años.

Lo mismo se hizo para el 31.3.1998, que se mantuvo hasta el 31.3.2001, y luego nuevamente desde 1999 hasta 2002; es decir, la división en tramos para 12 cuasi-subestrategias/tramos. La cartera final tiene el mismo peso entre estos 12.

Y aquí está el ejemplo mencionado representado como realizado en cuatro tramos cada mes:

Señales de valoración basadas en el precio

Hemos considerado tres principios básicos para aplicar a nuestra solución adecuada:

1. Precio vs. MA (media móvil) : esta es una estrategia que se operar como una reversión (señal de reversión media); es decir: vamos en largo (compramos) en países donde el precio es más bajo en comparación con su MA de 60 meses y vamos en corto (vendemos en corto) en países donde los precios son más altos en comparación con su MA de 60 meses.
2. Señal de impulso pasado : esta estrategia también se opera como una reversión (señal de reversión media); vamos en largo a países con el peor impulso de 60 meses y a corto (vendemos en corto) países con el mejor impulso de 60 meses.
3. Regresión lineal : el artículo de Wikipedia establece que la regresión lineal simple es un modelo de regresión lineal con una única variable explicativa con una variable independiente y una variable dependiente. Regresión lineal (simple), y=α + β*x , que tiene parámetros habituales:
   • pendiente (de regresión) — β; 
   • (regresión) intersección – intersección de ejes α; que describe una recta lineal y .
   • Usamos ambos α como nuestro predictor de valoración.

SLR ([Simple] Regresión lineal)

A continuación se ofrece una descripción detallada de las estrategias que utilizan el enfoque de regresión:

1. Hacemos una regresión de cada país contra el índice promedio ponderado igual explicado anteriormente; Utilizamos una ventana móvil de cinco años para los cálculos de regresión.
   • La variable Y es el rendimiento mensual de cada país,
   • y X es el desempeño mensual del índice promedio ponderado igual
2. Calculamos la pendiente β y el intercepto α para cada país cada mes.
3. Mantenemos posiciones largas (compramos) en los países con alfa más bajo y posiciones cortas (vendemos) en los países con alfa más alto.
4. Calcule todas las métricas de rendimiento y evalúelas.

Número de ETF en una cartera

• 1 ETF largo frente a 1 ETF corto (vigintiles),
• 2 vs 2 (deciles),
• 3 contra 3,
• 4 vs 4 (quintiles),
• 5 contra 5 (cuartiles),
• 7 vs 7 (terciles),
• 11 contra 11 (mitades).

Resultados principales

1. El impacto del número de ETF en una cartera: precio frente a señal MA

El paso del vigintil (1 ETF frente a 1 ETF) y decil (2 frente a 2) al tercil (7 frente a 7) y medio (11 ETF frente a 11 ETF) disminuye la volatilidad gradualmente a medida que la cartera está más diversificada. No es el caso para todas las variantes de estrategia, pero en el caso de la señal Precio vs. MA, el rendimiento también está mejorando.

Podemos ver este efecto en todas las variantes probadas de la señal Precio vs. MA . Los siguientes gráficos muestran este efecto de diversificación al pasar de una cartera 1vs1 a una cartera 11vs11:

La siguiente tabla muestra el rendimiento y los ratios de riesgo de la variante más diversificada (11vs11) de la estrategia larga/corta del ETF del país.

La estrategia tiene una baja volatilidad pero también un bajo rendimiento total. El bajo rendimiento de la estrategia muestra que no hay mucho factor de valor alfa que pueda capturarse en la sección transversal de los ETF de los países. Este hallazgo es consistente con el reciente artículo de investigación de Audrey Dong, Mia Huang y Mamdouh Medhat, que informa resultados similares. Parece que el mercado de ETF de los países es bastante eficiente y es mejor intentar capturar el alfa en el nivel de seguridad.

Además, la mayor parte del alfa se incurre hasta 2015; después, las curvas de acciones son en su mayoría planas. Esto es consistente con el otro efecto: la tendencia general de las estrategias de valor a tener una rentabilidad inferior en la última década. Parece que la estrategia de valor en los ETF de países no es una excepción.

2. El impacto del número de ETF en una cartera – Señal de intercepción

El segundo hallazgo principal está relacionado con la estrategia Intercept. Solo para recapitular: en esta variante de la estrategia de valor país, apostamos en largo en los ETF de país con el alfa más bajo (intercepto de regresión) frente al índice promedio ponderado igual, y vamos en corto en los ETF de país con el intercepto de regresión alfa más alto) frente a el índice promediado de igual ponderación. Una vez más, los siguientes gráficos muestran el efecto de diversificación al pasar de una cartera 1vs1 a una cartera 11vs11:

Podemos ver que la señal de Intercept funciona bien para períodos de posesión de 12 meses (4 tramos, cartera reequilibrada trimestral) y de 60 meses (10 tramos, reequilibrio semestral), pero no muy bien para períodos de tenencia de 36 meses (12 tramos, reequilibrio trimestral). Cuando comparamos los ratios de riesgo y rendimiento, vemos que el rendimiento de la estrategia de valor de “apostar contra alfa” es mejor cuando nuestra cartera está menos diversificada, pero el ratio de Sharpe es el más bajo. A medida que diversificamos nuestra cartera entre más ETF, el rendimiento total disminuye, pero el índice de Sharpe y los índices CAR/maxDD aumentan, como en el caso de la señal Precio vs. MA.

En general, la estrategia de valor de “apostar contra alfa” en el espacio ETF nacional tiene características similares a la estrategia anterior de Precio vs. MA: desempeño relativamente bueno hasta el año 2013 y curvas de acciones planas después. Parece que tampoco podemos escapar de la maldición del factor valor en este caso…

3. Señal de impulso pasado

Utilizamos la señal de impulso frente a las estrategias de seguimiento de tendencias. Nuestra estrategia de valor (reversión a la media) compra los perdedores de impulso de los últimos 60 meses y vende a los ganadores. ¿Cuáles son los resultados? Es la señal más débil para la estrategia de valoración relativa del país si la comparamos con los modelos de valoración anteriores. Sólo mostramos algunos gráficos, no todas las variantes de la estrategia. Pero en los gráficos podemos ver que una estrategia no diversificada produce cierto rendimiento (aunque muy volátil). A medida que diversificamos nuestra cartera, el rendimiento de la estrategia llega a cero.

De hecho, hemos pasado por un proceso de reflexión interesante, pero no ha dado los resultados esperados. Desafortunadamente, parece que el poder explicativo y estadístico es menor de lo que queríamos lograr, y las señales de valoración basadas únicamente en el precio son más débiles que las señales de valoración relativa que utilizan variables de señal no relacionadas con el precio, como CAPE, MVE vs. PIB, etc.

También parece que a pesar del importante número de ETF de países, este segmento de mercado es bastante eficiente. Además, es aún más difícil encontrar una estrategia de valor estilo long/short confiable que haya funcionado bien en los últimos diez años, cuando todas las demás estrategias de valor también tuvieron problemas. Pero hay un resultado positivo de todo esto: que satisfacemos nuestra curiosidad y podemos pasar al siguiente desafío 🙂

Lecciones de éxito que necesitamos aprender por Ray Barros

Una de las preguntas inevitables que me hacen siempre es: Si eres tan buen trader, ¿por qué nos estás enseñando?. En este artículo me gustaría examinar las suposiciones ocultas detrás de la pregunta.

Veo al menos dos suposiciones que deben abordarse: Si tienes algo bueno, no querrás compartirlo. Y, ¿Puedo aprender a hacer lo que tú haces? Esta segunda suposición puede necesitar una pequeña explicación. El pensamiento «oculto» es: «solo me enseñarás algo bueno si crees que no puedo aplicarlo o si crees que no es bueno».

Tengo que decir que tengo este tipo de preguntas en Asia. Tal vez sea algo cultural. Cuando estaba aprendiendo artes marciales, una idea recurrente era que los maestros chinos de Kung Fu mantendrían en secreto sus mejores técnicas; no querían que sus estudiantes los superaran. La tradición occidental, por otro lado, tiende a enfatizar que tanto el estudiante como el maestro se benefician a medida que aumenta el conocimiento, por lo que el futuro se basa en los cimientos del pasado. La segunda suposición me causó algunos momentos de reflexión.

La industria de seminarios sobre trading sigue un camino muy variopinto. En general, enseñamos (1) algún método que ha funcionado para el instructor junto con (2) algunas ideas relacionadas con la psicología y la gestión de riesgos.

Como instructores, damos instrucciones (2) y pasamos la mayor parte de nuestro tiempo enseñando (1). Esto no es del todo irrazonable si se tiene en cuenta que tanto la psicología como la gestión de riesgos nacen de un conjunto de reglas escritas con una ventaja o estrategia. Veo la relación como un círculo con el centro siendo el plan y los círculos concéntricos (gestión de riesgos y psicología) que irradian desde ese centro. Cada anillo exterior es más importante que el interior, pero cada anillo exterior no puede existir sin su contraparte interna. Una vez que empecé a pensar en esto, empecé a examinar su validez.

Mi principal mercado educativo son los traders de los bancos. Empecé a realizar algunos cursos experimentales extraídos de esa fuente. Si sabes algo sobre los traders bancarios, sabrás que su pensamiento de «gestión del dinero» tiende a ir más allá de sus límites y pérdidas máximas. Pero los amigos y conocidos a los que enseñé el curso, comenzaron a mostrar mejores resultados finales.

El tamaño de la posición y la gestión de la posición se relacionan con la creación de buenos hábitos para la gestión de riesgos; las revistas identifican patrones de empoderamiento y desempoderamiento. Sí, cubro un plan, pero es solo un plan. Claro que tiene una ventaja, pero he visto planes con ventajas mejores. Pero este es el punto. A menos que dominemos 1) la gestión de riesgos y a menos que 2) aprendamos de nuestros errores, los planes más sólidos del mundo no nos harán ganar dinero.

Por otro lado, si dominamos los dos, entonces cualquier plan con una ventaja comenzará a traernos el éxito que queremos. Piénsalo de esta manera: a menos que puedas manejar los fundamentos de tu juego de golf, tener el mejor equipo no marcará la diferencia; por otro lado, si eres un jugador experto, entonces la calidad del equipo puede ser la diferencia entre ganar y perder. También con el trading: a menos que domines el hábito de aprender de las experiencias pasadas y la gestión de riesgos, la calidad del plan de trading hará poca diferencia. Por otro lado, si tienes esas habilidades dominadas, entonces cuanto mejor sea la ventaja de tu plan, mejor será tu resultado final.