Que es y para qué sirve una prueba externa por Jesús Fernández

• La prueba externa nos permite ver la realidad de nuestro sistema. Más allá de simples números teóricos, volcados por un sencillo back test, observaremos con más realismo lo que  os esperará cuando opere con el mercado real.
• Artículo publicado en Hispatrading 18.

Imaginemos a un trader que después de elaborar un sistema,  probarlo contra un determinado histórico de un mercado, y optimizar sus variables, decide ponerlo en real. Es decir, jugarse su dinero. Entre las muchas dudas que le invaden, hay una por encima de todas. ¿Funcionará mi sistema en las próximas semanas o meses?  ¿Se parecerán los resultados a los obtenidos en la optimización?. Miedo al futuro.  El trader teme, con razón, que todo su trabajo no haya servido para nada. Que haya jugado con números, para obtener una ilusión que nada tenga que ver con la realidad. Y el trader piensa, como el futuro no se puede probar, pues habrá que arriesgarse y ver qué pasa. Pues no, no tiene razón, hay una técnica para probar el futuro. Es la prueba externa. 

Una prueba externa consiste en probar un sistema optimizado en unos datos históricos, sobre datos vírgenes.  A la optimización le llamamos prueba interna. A la prueba posterior sobre datos vírgenes, prueba externa.  Los americanos les llaman in-sample y out-of-sample respectivamente. 

¿Qué resultados creéis que se obtendrán en la prueba externa respecto a la interna? ¿Mejores? ¿Peores? Evidentemente peores.  ¿Por qué? Pues porque una optimización no es más que la adaptación de un sistema a unos datos. Se buscan las mejores variables para  un determinado histórico. Dichas variables no serán, con seguridad, las mejores para los datos futuros. Te tendrás que conformar con ganar algo. No hay más. La prueba externa suele ofrecer resultados penosos y enfrenta al trader novato con la cruda realidad. Pero es mejor conocerla antes de arriesgar tu dinero. No lo dudes. 

¿Para qué sirve la prueba externa? A mi entender, no para seleccionar los valores para las variables de un sistema. No es eso.  Lo que consigues con una prueba externa bien hecha, es saber si lo que estás haciendo tiene algún sentido. Estás probando tu metodología. Es decir, si ese sistema que has programado, en ese mercado, con ese timeframe, y optimizando como lo haces tú, tiene alguna posibilidad de éxito o no.

¿Cómo se realiza una prueba externa? Se elige un periodo in-sample (interna) y otro out-of-sample (externa).  La relación suele ser 2 a 1, pero no tiene porqué. Por ejemplo, puedes elegir 2 años in-sample contra 1 año out-of sample o 4 meses in-sample contra 1 mes out-of-sample como muestra la figura a continuación.  Los resultados de cada optimización (prueba interna) se aplican al período posterior (prueba externa). Lo que es importante es realizar tantas pruebas externas como puedas, con el histórico de que dispones. Una sola prueba externa no vale para nada, se requieren muchas. Al final se promedian los resultados y se sacan las conclusiones.

Imaginemos que hemos realizado las 8 pruebas externas que muestra la figura. En cada una de las pruebas nos guardamos las estadísticas principales tanto de la prueba externa como de la interna. Y hacemos promedios. Me voy a inventar los resultados para poner un ejemplo sencillo que se entienda bien. Mido la ganancia/mes:

Promedio de ganancia/mes de las pruebas internas = 5000€

Promedio de ganancia/mes de las pruebas externas = 1000€

Podríamos, a continuación, medir el acople:

Acople = 1-PE/PI

En nuestro caso:

Acople = 1-1000€/5000€ = 0.8

Interpretación: el 80% de los resultados de nuestras optimizaciones con ese sistema, en ese mercado y con ese timeframe, son acople. Es decir, fantasía. Nos hemos adaptado a los datos, hemos jugado con los números para encontrar una combinación que se acopla al histórico usado. Solo podemos esperar un 20% de las ganancias obtenidas en la optimización.

Contra más optimizas, más te acoplas. Contra más te acoplas, más te engañas.  La optimización de parámetros de un sistema es imprescindible, pero debe ser suave, contenida, usando un número de combinaciones bajo. De nada te sirve sobreoptimizar y obtener resultados espléndidos. Como dicen los americanos, estás haciendo un guante para la mano del pasado. Contra más ajustado sea ese guante, peor le irá a la mano del futuro, porque la mano del futuro, será  otra. 

La primera vez que un trader novato realiza con sus sistemas pruebas externas, le sucede como a los niños de otros tiempos. Descubren que los Reyes Magos no existen, que son sus padres. Pero seamos positivos. Es preferible saberlo antes de chocarse contra la realidad. De hecho….¿qué estamos haciendo cuando aplicamos un sistema a un mercado contra la cuenta que tenemos abierta en nuestro broker?.  Exactamente, una prueba externa. 

El indicador del miedo sugiere que las acciones subirán en septiembre por Sentimentrader

• El Índice de Volatilidad (VIX) se apartó de su patrón estacional y cerró por debajo de 14 en agosto
• Contracciones similares en la volatilidad resultaron en una tasa de ganancia del 89% para el S&P 500 durante el siguiente mes.
• La volatilidad entre activos continúa rondando el extremo inferior de su rango anual

El índice de volatilidad (VIX) da una señal de compra para las acciones

En una nota de estudio de junio, Jason arrojó luz sobre el patrón estacional anual del Índice de Volatilidad (VIX), subrayando cómo el indicador del miedo tiende a tocar suelo en julio y subir hasta octubre.

Si bien el VIX tocó suelo cerca del mínimo estacional anual desde 1990 y subió al unísono con las tendencias históricas, su trayectoria dio un giro notable en las últimas semanas, cayendo por debajo de 14 el miércoles.

Evaluemos las perspectivas para el S&P 500 cuando el índice de volatilidad (VIX) cae por debajo de 14 en agosto.

Lo que nos dice el estudio

El índice de volatilidad (VIX) cerró por debajo de 14 en agosto, lo que provocó una tendencia alcista en las acciones. Después de señales similares, el S&P 500 subió el 86% de las veces un mes después, lo que sugiere que los inversores no deberían ser cautelosos durante el mes más débil del año, septiembre. Si las acciones suben en septiembre, una consolidación/corrección en octubre debería provocar un repunte a fin de año.

¿Cómo evaluar mejor EL RENDIMIENTO? Alpha, Beta y otros términos por Sergi Sánchez

¿Sabes el riesgo que estás asumiendo en tu cartera? ¿Porqué tienes este o aquel fondo y no aquel otro? ¿Tu cartera está indexada? ¿Sabes la diferencia entre beta y alfa? ¿Tu porfolio de estrategias está diversificado? ¿Conoces alternativas a la ratio de Sharpe? En este artículo voy a intentar responder a estas y otras preguntas relacionadas.

Artículo publicado en Hispatrading 49.

Los operadores profesionales estamos acostumbrados a medir, en especial los algorítmicos ya que es intrínseco a nuestra forma de trabajar; quants nos llaman, que viene de cuantitativo, que significa poco más o menos que lo medimos y cuantificamos todo con datos. No obstante, si en el ámbito profesional es mayoría esta forma de actuar no lo es en el inversor no profesional, sea cual sea el perfil.

Tanto si eres un inversor en fondos como un trader de corto plazo puedes y debes medir el rendimiento de tu inversión o estrategia(s). Afortunadamente esto está al alcance de cualquier inversor sea cual sea tu perfil. Veamos distintos tipos de perfiles y como pueden analizar sus inversiones por si mismos en cada perfil.

LOS FONDOS DE INVERSIÓN. el CLÁSICO INVERSOR de largo plazo.

Aunque sigue siendo minoría el porcentaje de la población que ahorra a través de fondos de inversión, sigue siendo el vehículo más usado para invertir en los mercados financieros a largo plazo. Aquel ahorrador que no tiene demasiados conocimientos sobre los mercados o que no quiere estar muy encima de la inversión suele elegir fondos. Un fondo es en definitiva una agrupación de dinero de distintos inversores (por tanto, hablamos de gestión colectiva) mediante una figura jurídica que invierte siguiendo una estrategia predefinida. El gestor o la sociedad gestora del fondo invertirá en aquel tipo de activos que fija el folleto, que ha sido aprobado previamente por el regulador, pudiendo ser acciones, bonos, inmuebles, etc. Evidentemente, el buen hacer del gestor/a será clave para que la inversión rinda lo que se espera. Él o ella decide cuánto, cuándo y en qué invertir siguiendo un guion predefinido, pero con suficiente margen de maniobra para que su gestión tenga la capacidad de influir. El margen de maniobra del gestor/a tiene mucho que ver con un concepto en el que profundizaré posteriormente, si nos referimos a un fondo de gestión activa o pasiva. En los fondos de gestión pasiva auténticos (ya hablaremos de esto) el margen de maniobra del gestor es cero.

Un/a gestor/a habrá hecho un buen trabajo si su fondo bate a su benchmark. Su trabajo no es ganar dinero si no batir a su benchmark o índice de referencia. Por ejemplo, si un fondo según su folleto debe invertir en empresas del sector constructor y tiene la obligación de estar invertido al menos en un 50% en dichas acciones, si dicho sector cae un -40% en el año, no podemos esperar que el fondo acabe en positivo. Su objetivo es hacerlo mejor y, por tanto, si cayera un -30% el gestor habría hecho un buen trabajo.

¿Y qué es un benchmark? Es un índice de referencia que mide cómo lo ha hecho un fondo, una acción y en general cualquier inversión por comparación con éste. Cada fondo tiene un benchmark fijado, pero cuidado, los fondos no siempre eligen el más representativo si no que algunos eligen el que más les conviene o, dicho de otra manera, el que es más fácil de batir.

Por ejemplo, si un fondo invierte en renta variable española de gran capitalización, este habitualmente usa como benchmark o índice de referencia el índice Ibex-35 que recoge el comportamiento de las 35 empresas españolas de mayor capitalización. El índice Ibex-35 no tiene en cuenta en su valor los dividendos que cobran las acciones que lo forman y, por supuesto, el fondo (o cualquier inversor) que invierte en estas acciones sí cobra esos dividendos. Por tanto, un/a gestor/a que invirtiera en las acciones que forman el Ibex-35 con el mismo peso exacto que el índice, batiría fácilmente cada año al índice Ibex-35 por el valor de los dividendos que hayan pagado las acciones ese año. Por tanto, usar el índice Ibex-35 como benchmark es “trampa”.

Afortunadamente, existen índices de referencia que sí reinvierten estos dividendos cobrados en el índice y que podemos usar como benchmark. Y lo más importante, es tarea fácil consultarlos ya que hay páginas en internet que se dedican a ello y además gratuitamente. Una de las más conocidas es www.morningstar.es que se dedica a medir el rendimiento de los fondos y dispone de numerosas herramientas y buscadores para filtrar, analizar y buscar fondos de forma sencilla y sin demasiados conocimientos previos.

Siguiendo con nuestro ejemplo, el índice benchmark correcto sería el Ibex-35 Total Return (o Gross Return o Net Return) Estos índices existen para casi todos los índices y suelen acabar con las siglas TR, GR o NR. La diferencia es que los índices TR y GR reinvierten los dividendos cobrados en el índice y los NR además de reinvertirlos tienen en cuenta el pago de impuestos que sufre el inversor por los dividendos. Es más adecuado este último, pero cualquiera de los tres será mejor que el índice “standard” que no incluye los dividendos.

Como una imagen vale más que mil palabras fíjense en la Figura 1 que compara el índice Ibex-35 con el índice Ibex-35 Total o Gross Return, también conocido como Ibex-35 con dividendos. La imagen muestra a ambos índices desde 1992 en escala porcentual. Ambos índices inician en el mismo punto del gráfico, pero llegan a un nivel impresionantemente distinto. El Ibex-35 alcanza aproximadamente un 220% mientras que el Ibex-35 TR alcanza los 850%. Esto equivale a un CAGR (tasa de crecimiento anual compuesto) del +3,78% para el IBEX y del +7,77% del índice TR. Es decir, ¡un 4% más anualizado! Por tanto, cualquier fondo que se compare con el IBEX 35 si en un año lo bate solo por un 4%, en realidad no ha batido al mercado, lo ha hecho igual que el índice TR que es el que refleja la rentabilidad real del índice Ibex-35. En realidad, esto cada año varía, el 4% anualizado es la media desde 1992, depende simplemente de los dividendos que paguen las acciones que componen el índice. Hay años que será un 6%, otros un 3%. En general, las acciones españolas pagan un porcentaje de dividendos elevado si las comparamos con las acciones de otros países y por este motivo es tan notoria la diferencia entre ambos índices. Actualmente el índice Ibex-35 se mueve en los entornos de los 8.300 puntos mientras que el Ibex-35 TR lo hace en los 25.600 y ambos inician en el mismo valor y en el mismo momento.

Por tanto, esto no es un tema menor en absoluto, todo lo contrario. El interés compuesto hace que sea de capital importancia para medir correctamente una inversión. Muchos medios de comunicación, incluso algunos supuestamente expertos, se refieren a los índices “standard” en vez de a los TR o NR como debería ser. De hecho, hay reguladores de otros países que obligan a que los fondos usen índices de este tipo como benchmark de los fondos para evitar esta clara manipulación al inversor. En mi opinión, es deshonesto usar como benchmark un índice que no sea TR sin avisarlo o justificarlo claramente, porque no refleja fielmente la operativa que hace el fondo. Personalmente, por concepto no invierto en ningún fondo que use como benchmark un índice que no sea Total Return, ya que parto de la premisa que un fondo o sociedad gestora que hace eso está intentando engañarme. Vuelvan a ver la Figura 1 y entenderán por qué. ¿Qué es más fácil de batir? ¿la línea blanca o la línea verde? Batir a la blanca no solo no tiene ningún mérito, si no que es de una incompetencia manifiesta no conseguirlo ya que solo replicando al Ibex-35 exactamente debería ganar un 4% más cada año (excluyendo gastos) y hay fondos que ni eso consiguen. Increíble pero cierto.

Por tanto, a partir de ahora cuando oigan a un periodista o analista hablar del retorno del Ibex-35, o peor aún, cuando vean que un fondo usa como Benchmark un índice que no sea Total Return, pueden decirle que ese índice no es el correcto para referirse a la rentabilidad real del Ibex-35. La rentabilidad real del Ibex-35 o de una cartera o inversión que lo replique o siga es la del Ibex-35 TR.

Esta problemática afecta a la mayoría de los índices mundiales, pero ahora sabemos que podemos solucionarlo usando su versión TR, GR o NR. No obstante, tengan en cuenta que algunos índices como el DAX-40 alemán, ya se creó en sus inicios siendo Total Return por lo que no hace falta buscar su versión TR. Por ejemplo, existe el índice S&P 500 TR que actualmente cotiza a 9.595 puntos mientas el índice S&P500 cotiza en los 4.585 puntos.

En la Figura 2 pueden ver la diferencia que provoca este efecto en el S&P 500 en el gráfico porcentual desde 1993. La línea gris representa al índice S&P 500 TR, la línea azul al ETF que replica al S&P 500, el SPY, pero reinvirtiendo los dividendos. Se puede ver que está bastante cerca del índice TR aunque queda algo por debajo (puede que falte algún ajuste en la base de datos porque deberían ser iguales ya que ninguno de los dos tiene en cuenta los impuestos). Por último, la línea amarilla representa el índice S&P 500 “normal” que es el ha obtenido una rentabilidad menor. Un fondo que invierta en renta variable norteamericana debería usar la versión TR.

EVALUANDO EL RENDIMIENTO DE LOS FONDOS

Bien, ya sabemos que elegir un benchmark adecuado es de capital importancia. Entonces podremos verificar si el fondo en cuestión bate al benchmark que lo representa. Morningstar coloca en la ficha de cada fondo cual es la categoría del fondo y el benchmark más adecuado según Morningstar independientemente de lo que diga la sociedad gestora. Tiene además gráficos configurables donde se puede modificar cualquier parámetro de este, incluso el Benchmark, aunque los que aparecen suelen estar bien.

En la Figura 3 tienen un ejemplo de un fondo que invierte en renta variable española. La línea azul representa la rentabilidad del fondo y las otras dos a los Benchmark que Morningstar considera adecuados.

Podemos ver que el fondo de la imagen 2 ha batido a ambos índices y, por tanto, en apariencia el gestor está haciendo un buen trabajo en los últimos 5 años. Es cierto que no lo ha batido de forma consistente, pero en el global de los 5 años lo está batiendo. Esas estrellas que se ven en la parte baja de la imagen son el rating Morningstar.

Según Morningstar, “el rating mide la rentabilidad ajustada por el riesgo de un determinado fondo respecto a su categoría Morningstar utilizando datos de rentabilidad de los últimos 36 meses o 3 años. En función de estos criterios clasificamos los fondos de la siguiente manera. El 10% de los mejores fondos reciben 5 estrellas, el 22,5% siguiente 4 estrellas, el 35% siguiente 3 estrellas, el 22,5% siguiente 2 estrellas y el último 10% 1 estrella.”

En la última revisión le otorgaron 4 estrellas por lo que no está entre los 10% mejores en los últimos años, aunque habrá que ver la siguiente revisión porque podría conseguirlo.

En la Figura 4 tienen otro fondo real que uso de ejemplo. Este es un fondo de renta variable internacional. Nuevamente la línea azul representa el rendimiento del fondo que, en este caso, no ha batido en absoluto a su benchmark en los últimos 5 años. He elegido este porque justamente este año está entre los mejores fondos, con rentabilidades en el entorno del 30%. Morningstar le otorgó 1 estrella en la última revisión, es decir, está entre los peores de su categoría.

Por supuesto, no todo el análisis acaba en el Benchmark, pero es un aspecto importante. Tampoco todo el análisis acaba en Morningstar, hay otras muchas páginas que analizan fondos. Voy a introducir dos estadísticos que derivan del benchmark y que considero importante para este perfil inversor. Me refiero a la beta y a la alfa de un fondo.

La beta de un fondo mide la volatildiad de sus retornos con relación a a la volatildiad de los retornos de su índice de referencia. Es una medida de riesgo relativa. Si su valor es 1 quiere decir que se mueve igual que su índice, es decir, que está totalmente indexado al índice.

La alfa en cambio mide el exceso de rentabilidad que consigue el gestor, ajustada al riesgo y puede tener valores positivos o negativos. En la práctica la beta nos dice si el fondo ha replicado al índice exactamente o no y la alfa nos dice si las decisiones que ha tomado el gestor han aportado valor o no.

Por ejemplo, el fondo de renta variable española de la imagen 2 tiene una beta de 0,99 y una alfa de +0,96% con relación al IBEX35 NR. Esto significa que si el índice sube un +10% el fondo ha subido un +9,6% a lo que hay que sumar un +0,96% por la alfa con lo que ganaría un 10,56%.

Es decir, estamos hablando de un fondo bastante indexado con poca intervención del gestor, pero las pocas decisiones que ha tomado el gestor han aportado valor al fondo.

En cambio, el caso de la imagen 2 nos encontramos con un fondo con beta 1,37 y alfa -15,82% con relación al MSCI ACWI SMID NR. Por tanto, si este índice hubiera subido un +10%, el fondo hubiera subido por beta un +13,7% pero hubiera perdido por alfa un -15,82% con lo que hubiera perdido un -2,12% finalmente.

Lógicamente, si el benchmark no es el correcto el análisis de beta y alfa no sirve de nada por lo que debemos prestar atención a este aspecto.

El ratio de Sharpe

El ratio de Sharpe fue desarrollado por el premio Nobel William F. Sharpe y se utiliza para ayudar a los inversores a entender la rentabilidad de una inversión en comparación con su riesgo. Se define como la rentabilidad media obtenida por encima de la tasa libre de riesgo por unidad de volatilidad o riesgo total. La volatilidad o desviación típica es una medida de las fluctuaciones del precio de un activo o una cartera.

Donde:

• R_p es el retorno del fondo o cartera.
• R_f es la tasa libre de riesgo.
• σ_p es la desviación standard del fondo o cartera.

Cuanto mayor sea el ratio Sharpe mejor será el rendimiento ajustado al riesgo de la inversión. En el caso de ser negativo, la rentabilidad de la inversión no habrá superado al activo libre de riesgo. En la práctica, el ratio Sharpe es utilizado como herramienta de análisis con la que comparar productos similares, facilitando la elección óptima entre distintas inversiones.

Más adelante comentaremos los problemas que plantea este ratio, pero a nivel de elección de fondos de inversión es un standard y todas las sociedad gestoras, así como las páginas web que comparan fondos, lo publican.

Importante destacar que si construimos una cartera de fondos también podemos medir el ratio de Sharpe de dicha cartera. Esto ya tendremos hacerlo por nosotros mismos mediante páginas web o software especifico, pero no hablamos de algo especialmente difícil, es sencillo de conseguir y es una buena manera de valorar si un fondo aporta valor a su cartera de fondos. El ratio de Sharpe debe aumentar al añadir un nuevo fondo a la cartera.

OPERES COMO OPERES, DIVERSIFICA

Por ejemplo, según el Banco de España en España hay 5931 fondos de inversión no monetarios de 216 entidades. 2220 fondos son de 5 entidades, los principales bancos del país, eso es, un 37.43% de los fondos. En cambio, controlan más del 80% del dinero depositado en fondos. Esto es algo que ocurre hace muchos años en España y no es la práctica común en el resto de Europa. Los grandes bancos controlan la gran mayoría del ahorro de los españoles, dejando una pequeña parte del pastel a otras entidades más pequeñas que, suelen ser especialistas y mejores porque se dedican solo a la inversión. La historia nos enseña que, aunque los bancos tienen muchos fondos, pocos destacan y se colocan en los primeros puestos de la categoría. De hecho, si nos referimos al total de fondos, pocos superan a su Benchmark. ¿Significa esto que no son válidos? Por supuesto que no, los hay muy buenos y es el inversor/a el qué tiene que elegir correctamente o contratar a un buen asesor independiente que haga el trabajo por él/a.

Existen fondos de infinidad de categorías o temáticas y esa la dificultad del inversor de a pie, elegir aquellos fondos (sí, en plural) que pueden rendir mejor para su perfil de riesgo. No es objeto de este artículo definir los tipos de fondos o estrategias que existen, pero sí me interesa explicar un concepto que he introducido ya en el artículo. Me refiero a la gestión pasiva o activa, que puede usarse para clasificar a los fondos y que tiene cierta relación con los estadísticos beta y alfa.

La gestión pasiva es aquella que se basa en replicar exactamente la evolución de un índice. Es decir, fondos con beta 1 o muy cerca a 1 y alfa cercana a 0. Los mejores representantes de este grupo son los ETFs o fondos cotizados. Son acciones que cotizan en los mercados con total liquidez, que puede ser comprados o vendidos durante la sesión regular de los mercados, como cualquier otra acción, y que replican a un índice de referencia. Actualmente hay ETFs de todos los índices mundiales y también sobre sectores concretos o incluso temáticas concretas. Por ejemplo, acaba de lanzarse ETFs sobre criptodivisas. Es importante destacar que muchos fondos de inversión son en realidad fondos indexados en las que el gestor no aporta ningún valor, pero en cambio el fondo sí cobra una comisión no precisamente menor. Para detectar estos fondos viene muy bien el análisis de beta y alfa, que hemos comentado. En el caso de la gestión pasiva lo más importante es que replique bien y el coste del fondo ya que el gestor no puede aportar ningún valor al fondo o vehículo. Y aquí destacan los ETFs porque suelen ser activos muy baratos y que replican bien. Si queremos replicar a un índice, un ETF suele ser lo mejor.

La gestión activa es aquella en la que el gestor puede tomar decisiones más libremente, aunque la estrategia que siga debe estar definida en el folleto. Dentro de este gran saco hay muchas variaciones y subcategorías por supuesto. Hay fondos de renta variable que replican al Ibex-35 pero son de gestión activa porque no invierten exactamente con los mismos pesos que el índice, el gestor cambia alguna cosa para tratar de hacerlo mejor que el índice (la Figura 2 refleja un buen ejemplo). Y hay otros fondos que utilizan estrategias algorítmicas que operan en futuros y en ambos lados del mercado. Entre estos dos extremos encontramos muchos fondos de gestión activa que estarían en medio usando muchísimas estrategias distintas. En el caso de un fondo de gestión activa la clave es la alfa, pero recuerden la importancia de elegir un benchmark correcto, algo no siempre fácil en este tipo de fondos. El gestor debe aportar valor, si no, no tiene sentido su trabajo.

Hay detractores de ambas categorías y normalmente quien defiende a una rechaza totalmente a la otra. Personalmente creo que las dos categorías son extremadamente útiles. Una cartera que incluya buenas estrategias de ambas categorías puede estar muy bien diversificada y arrojar rendimientos muy interesantes y con muy poca volatilidad. Eso sí, la gestión pasiva tiene que ser muy barata, o bien con ETFs o con fondos que tengan costes similares a los ETFs. La alfa, lógicamente, suele tener comisiones más caras y hay que buscarla bien.

Con frecuencia aparecen artículos en los medios que explican que la gestión activa no bate al mercado y es mucho mejor la pasiva. Decía antes que la mayoría de los fondos de inversión (en general) no baten a los benchmark y eso no los hace inadecuados. Lo mismo aplica si nos referimos solo a los fondos de gestión activa. Hay que elegir bien, los pasivos y los activos, y si miramos las medias suelen salir mal parados todos, los pasivos y los activos. Hay buenos fondos de gestión activa y pasiva, solo hay que encontrarlos y pocos están en los bancos comerciales más conocidos. Búsquelos en pequeñas gestoras nacionales o internacionales que están especializadas en la inversión.

Lo que está claro es que no podemos invertir en un único fondo, no podemos poner todos los huevos en la misma cesta. Su objetivo debe ser construir un porfolio acorde a su perfil, pero diversificado. Como hemos comentado anteriormente, una forma sencilla es usando el ratio de Sharpe.

¿Y SI TE GUSTA OPERAR POR TI MISMO? Do It Yourself.

Cada vez hay más inversores que cogen este camino. Es verdad que dentro de este perfil hay muchos perfiles y que normalmente a mayor edad menor intervención del inversor.

Los perfiles más jóvenes e inexpertos, más familiarizados con la tecnología (y también más impulsivos) suelen preferir inversiones a muy corto plazo. Con la explosión de las criptodivisas ha habido una legión de nuevos inversores de perfil muy joven que invierten con el móvil directamente y poca o nula formación. Están acostumbrados a hacerlo todo desde el móvil, rápidamente y no es distinto con las inversiones. Veremos que ocurre con los que sobrevivan y como invierten cuando lleguen a la madurez, pero es posible que la industria de la inversión vaya cambiando, mucho o poco, para adaptarse a este nuevo perfil mucho más tecnológico, empoderado y acostumbrado a hacerlo por ellos mismos.

En el otro extremo estarían los perfiles de mayor edad que prefieren invertir por sí mismos y que suelen hacerlo con carteras de acciones, probablemente por sus malas experiencias con la industria de los fondos.

Y en medio de los dos extremos tenemos a la mayoría de los traders que probablemente están leyendo este artículo. Traders con cierta experiencia que operan a corto o medio plazo, ya sean discrecional o sistemáticamente, pero usualmente con activos más apalancados como los futuros, opciones o CFDs y ya más recientemente criptodivisas. Nuevamente habría muchos perfiles dentro de este sub-perfil.

Realmente todos estos perfiles tienen muchas diferencias, pero el objeto de este artículo es hablar de métricas y para este objeto me sirve meterlos en un mismo grupo porque si operas por ti mismo poco más o menos tienes que medir tus resultados del mismo modo. Por tanto, por simplificación englobaremos aquí a todos los tipos de operativa en las que las decisiones de inversión las toma más activamente el inversor. Usualmente más a corto plazo, pero también puede ser una inversión a largo plazo con su propia cartera de acciones o ETFs.

Los traders algorítmicos en este punto lo tenemos un poco más fácil ya que la medición de rendimientos o datos es parte inseparable del diseño de un sistema o estrategia y también de un porfolio. Los que no siempre están tan acostumbrados son los traders discrecionales. Por supuesto que los hay que sí, pero entonces comparten muchas cosas con el sistemático y al final el nombre no hace la cosa. Hay traders que se autodenominan discrecionales, pero tienen mucho de sistemáticos.

De todas formas, no voy a referirme a los ratios o estadísticos para evaluar a un sistema de trading si no a como a evaluar el rendimiento o riesgo de tu inversión o cartera. Digamos que es un proceso posterior, hecho con el track record real, con las operaciones registradas en tu diario de trading. Empecemos donde hemos acabado en el perfil anterior.

¿El ratio de Sharpe me sirve?

Sí y no. Sí, porque no es mal comparador de la relación rentabilidad / riesgo y es universal. No, porque los hay mucho mejores.

Uno de los problemas del ratio de Sharpe está en el denominador, en lo que entiende por riesgo. Usa la volatildiad o la desviación standard que es un estadístico que mide exactamente eso, cuanto se desvían de su media los retornos. Pero no distingue en si la desviación es al alza o a la baja. Estaremos de acuerdo en que no es lo mismo una desviación al alza, es decir, hacia el lado de las ganancias, que una a la baja, hacia las pérdidas. Sharpe considera nociva cualquier tipo de volatilidad. No es que el concepto sea erróneo, todos hemos visto muchas veces que tras un exceso en una dirección viene otro en la dirección contraria, el problema es que este concepto aplica más a la inversión en activos convencionales usando estrategias del tipo comprar y mantener sin apalancamiento y no tanto al trading con estrategias más activas o apalancadas que además puede invertir en ambos lados del mercado y con estrategias muy distintas entre sí.

Otra crítica al ratio de Sharpe es su presunción de que los retornos están distribuidos normalmente. No siempre es así, frecuentemente no es así. Los mercados financieros muchas veces sufren fenómenos de extremísimas colas largas como son los cisnes negros y en general tienen demasiados movimientos extremos de lo debería para distribuirse normalmente. Imaginen con carteras o estrategias apalancadas. Para estas distribuciones tenemos el Índice de Stutzer que además de no estar extendido es más complicado de calcular para la ventaja que supone. A más normalizados estén los retornos más se parecen sus resultados.

También plantea el problema, como muchos otros ratios, que no tiene en cuenta el orden de los retornos. Al final del artículo haremos un caso práctico donde esto se hará evidente.

La ventaja que tiene Sharpe es que está muy extendido y por tanto es fácil de encontrar ya calculado para muchos activos o estrategias y también es fácil de calcular. No obstante, como en este punto hablamos de calcular por nosotros mismos es preferible un ratio de retorno / riesgo que distinga entre volatilidad al alza y a la baja.

Uno de los más conocidos es Sortino

A principios de la década de 1980, el Dr. Frank Sortino emprendió una investigación para llegar a una medida mejorada de los rendimientos ajustados al riesgo. Según Sortino, fue idea de Brian Rom en Investment Technologies llamar a la nueva medida el ratio de Sortino. La primera referencia al ratio fue en Financial Executive Magazine (agosto de 1980) y el primer cálculo se publicó en una serie de artículos en el Journal of Risk Management (septiembre de 1981).

Donde:

• R es el retorno medio del periodo estudiado.
• T puede ser también la tasa libre de riesgo, aunque en los primeros trabajos de Sortino T era igual a MAR (minimum acceptable return) más recientemente adoptó la tasa mínima aceptable.
• TDD (target downside desviation) es la desviación standard de los retornos, pero a partir de un objetivo usualmente fijado en 0.

Justo en esta última línea en negrita es la principal diferencia de Sortino con Sharpe, en la estimación del riesgo que está en el denominador.

Dado que Sortino se centra únicamente en la desviación negativa de los rendimientos de una cartera con respecto a la media, ofrece una mejor visión del rendimiento ajustado al riesgo de una cartera, ya que la volatilidad positiva puede considerarse un beneficio. Y esta última afirmación es la clave para usar Sharpe o Sortino. Si no está de acuerdo en la afirmación de que la volatilidad al alza de los retornos es beneficiosa, entonces debe usar Sharpe en vez de Sortino.

Ratio K

El coeficiente K fue desarrollado por el trader de derivados y estadístico Lars Kestner en 1996 como una forma de abordar una brecha percibida en la forma en que se habían analizado los rendimientos hasta entonces. Dado que los principales intereses de un inversor o trader son la rentabilidad y la consistencia, Kestner diseñó su ratio K para medir el riesgo frente a la rentabilidad analizando la estabilidad de los rendimientos a lo largo del tiempo.

El ratio K tiene en cuenta los rendimientos, pero también el orden de esos rendimientos para medir el riesgo. El cálculo consiste en realizar una regresión lineal sobre la rentabilidad acumulada logarítmica de una curva del Índice Mensual de Valor Añadido (VAMI: Value-Added Monthly Index). Los resultados de la regresión se utilizan entonces en la fórmula del coeficiente K. La pendiente es el rendimiento, que debe ser positivo, mientras que el error estándar de la pendiente representa el riesgo. En 2003, Kestner introdujo una versión modificada de su K-ratio original, que cambiaba la fórmula del cálculo para incluir el número de puntos de datos de rentabilidad en el denominador. En 2013 introdujo otra modificación, que añadía el cálculo de la raíz cuadrada al numerador. Aunque los cambios no tienen importancia si lo usamos para comparar estrategias dado que afecta solo a la periodificación del ratio para adaptarlo a distintos periodos. En la última versión dará valores más altos que en la primera, pero no cambiara el orden si comparamos estrategias.

La versión original del ratio k es esta:

Para más información, véase el libro “Quantitative Trading Strategies: harnessing the power of quantitative techniques to create a winning trading program”, de Lars N. Kestner, McGraw Hill.

En resumen, el k ratio es similar al ratio de Sharpe en cuanto relaciona rentabilidad con riesgo. Se diferencia en que utiliza técnicas de regresión lineal para medir la consistencia de los resultados a través del tiempo, algo importante en el trading cuantitativo y que Sharpe y Sortino ignoran. Se puede calcular con Excel, pero hay plataforma como TradeStation que lo ofrecen tanto a nivel sistema como porfolio.

Return Retracement Ratio (RRR)

Jack Schwager creó el Return Retracement Ratio como otra medida de rentabilidad / riesgo. Una distinción importante entre esta y el ratio de Sharpe es el uso del retroceso de la cuenta como medida de riesgo frente a la desviación típica. El RRR pone más énfasis en la volatilidad a la baja.

En concreto, este ratio es la rentabilidad media anualizada compuesta dividida por la media de los retrocesos máximos.

Donde:

• R = La rentabilidad media anualizada y compuesta
• AMR = La media de los retrocesos de la cuenta

Para más información, véase “Technical Analysis” de Jack D. Schwager, Wiley.

Es más complicado calcularlo que otros ratios, probablemente por eso no es tan popular, ya que requiere ir calculando las caídas de la cuenta entre los máximos y los mínimos, comparando también los saldos iniciales y finales con estos. TradeStation lo incluye entre sus estadísticos tanto a nivel sistema como porfolio.

Los siguientes ratios son más fáciles de calcular y suelen ir en la misma dirección que RRR.

RATIOS DE Calmar, Sterling y Mar

El ratio Calmar fue desarrollado en 1991 por Terry W. Young, un gestor de fondos con sede en California. En función del retorno medio anual compuesto frente a su drawdown máximo. Argumentó que el ratio ofrecía una lectura más actualizada de la rentabilidad de un fondo que los ratios Sterling o Sharpe, otros indicadores comúnmente utilizados, porque se calculaba mensualmente, pero sobre un periodo fijo de 36 meses, mientras que éstos lo hacían anualmente.

El ratio Calmar es, de hecho, una versión modificada del ratio Sterling. Su nombre es un acrónimo de California Managed Account Reports. Young también se refería al ratio Calmar como el ratio Draw down. Su ventaja es su fácil comprensión y cálculo.

El ratio Sterling es prácticamente igual, su única diferencia es que en el denominador está el DrawDown medio en vez del máximo.

Otro ratio muy similar es el MAR ratio que relaciona el CAGR (compound annual growth rate) con su mayor Draw Down pero desde sus inicios, no impone la restricción de los 3 años que impone el Calmar.

CASO PRÁCTICO DE RATIOS

Vamos a analizar el ratio de Sharpe, Sortino y K de 2 series de retornos mensuales y sus correspondientes curvas de resultados que recogen la Figura 5.

Intuitivamente todos diríamos que nos gusta más la curva B que la A, pero solo un ratio de los 3 analizados nos mostrará que es mejor la B que la A.

Los resultados mensuales de estas curvas los recogen la siguiente tabla:

Primero he calculado Sharpe y Sortino para lo que he tenido que calcular los retornos libres de riesgo, la media, la desviación típica y también la desviación de los retornos negativos para lo que he tenido que calcular previamente cada TDD. Todos estos cálculos pueden hacerse fácilmente en Excel como puede verse en la tabla 2.

Vemos que tanto Sharpe como Sortino obtienen el mismo resultado en ambas curvas, 0.26 de Sharpe y 0.51 de Sortino. Ninguno de los dos ratios tiene en cuenta en su cálculo el orden en que ocurren las cosas. Las desviaciones son iguales porque en conjunto ambas curvas caen la misma cantidad. Una alternando perfectamente ganancias con pérdidas y otra todo lo contrario, con todas las pérdidas y las ganancias juntas.

En cambio, el ratio K sí tiene en cuenta la secuencia de los resultados midiendo la pendiente de la curva de resultados y el error típico de la misma.

Efectivamente, la curva B arrasa en el ratio K. Aquí sí que, eso que veíamos tan evidente al ver el gráfico, parece también en el ratio. Para comparar carteras con derivados es sin duda el mejor ratio porque en sus cálculos incluye el concepto de consistencia y la tendencia de los retornos, que es muy importante en el trading o inversión y que ignoran la mayoría de los otros ratios.

Aunque hay tres versiones del ratio K, a efectos de comparar portfolios o estrategias no tiene efecto usar uno u otro porque cambiará el valor absoluto del ratio pero no el valor relativo de cada uno de ellos respecto a los otros. La última revisión del ratio la publicó el mismísimo Lars Kestner el 3 de marzo de 2013 en un interesante paper de 10 páginas que se puede encontrar en internet, pero que tengo en mi poder por si alguien quiere solicitármelo por email.

De propina he calculado también Calmar, Sterling y MAR que en esta ocasión dan lo mismo, porque casualmente no hay diferencias entre Drawdown máximo y medio entre las dos ordenaciones y el periodo es inferior a 3 años. En este caso también gana claramente la curva B dado que la diferencia entre DrawDown máximo es muy grande entre ambas carteras.

Personalmente me gustan mucho K y RRR en primer lugar y detrás irían Calmar o MAR y luego Sortino. De todas formas, Sharpe puede ser una referencia, no es la mejor, pero es un ratio de retorno / riesgo y siempre será mejor que nada.

Un término medio

Al empezar la sección Do It YourSelf me refería a como evolucionará el inversor novel recién llegado a los mercado, más joven y tecnológico, que ya ha nacido con el smartphone bajo el brazo. Es difícil saberlo, pero un camino intermedio que trata de mezclar el concepto de los fondos de inversión, del trading y del hágalo usted mismo es el copy trading o conceptos análogos. Personalmente me gusta mucho el concepto de Darwinex, aunque hay otros modelos similares. Ellos tienen activos sintéticos llamados Darwins que replican la operativa de un trader y que cualquier inversor puede adquirir para invertir en la estrategia del trader en cuestión. Darwinex, por tanto, es un mercado de Darwins que cotizan en tiempo real y que cualquier inversor puede comprar o vender cuando quiera. Además, todo el mundo puede ser trader e inversor si cumple ciertos requisitos y, por tanto, aquellos traders que tienen talento pueden aspirar a la captación de inversores de forma legal, ya que Darwinex está totalmente regulada como gestora, pero al mismo tiempo opera por sí mismo su propio capital como trader.

Es un todo en uno que tengo la impresión de que gustará a este perfil inversor porque se caracterizan por ser muy abiertos y transparentes, con interfaz bastante tecnológico, mucha información y datos tanto para el trader como para el inversor. Este modelo es ya una realidad, pero actualmente es muy minoritario dentro del mundo inversor. Mi impresión es que modelos de este tipo ligados al nacimiento de las compañías Fintech, que mezclan finanzas y tecnología, se harán mucho más populares en el futuro. Dentro de las Fintech ya hay una rama dedicada justamente a los temas de inversión y gestión de patrimonios denominado WelthTech, rama en la que se engloba la empresa que presido, Sersan Sistemas.

Me parece justo advertir que, aunque no soy miembro ni accionista de Darwinex, sí que hay Darwins dentro de su plataforma, concretamente SYO y OYS, que operan con estrategias de la compañía que dirijo, Sersan Sistemas. Por tanto, me interesa que le vaya bien a Darwinex, por supuesto. Ahora bien, esto no quita que piense lo que pienso, pero dicho queda para evitar suspicacias.

¿Qué es lo mejor?

Lo mejor, sin duda alguna, es aquello que no le quite el sueño. Si su ocupación principal ocupa mucho tiempo de tu día a día, la primera opción es excelente si se diseña bien el porfolio de fondos, por sí mismo o con ayuda de un agente financiero independiente. Eso sí, aunque se lo haga un agente, le recomiendo poco a poco ir entrando en el análisis que hemos comentado aquí para ir entendiendo mejor el porqué de las cosas.

Si nos sentimos cómodos con los dos perfiles (o con los 3) y tenemos la capacidad de hacerlo, tanto a nivel de tiempo disponible como de capital disponible ¿Por qué no mezclarlo todo? Si tenemos capital y somos traders activos, ¿porque además de operar con sus estrategias de trading, no tiene una cartera de fondos con ETFs indexados junto a unos buenos fondos de gestión alternativa bien elegidos? Podrá obtener una curva de resultados casi perfecta en el largo plazo si la confecciona bien. Su cartera de fondos buscará beta, pero una smart beta gracias a los fondos de gestión alternativa y su trading buscará alfa. Idealmente su trading debe ser de estrategias con descorrelación con su cartera de fondos o al menos con los principales fondos de dicha cartera. Si su trading es bueno, este mix le dará grandes retornos con poca volatilidad porque podrá tener estrategias para todos los escenarios de mercado.

Por cierto, el concepto alfa que usamos en gestión alternativa o en los hedges funds no es exactamente el mismo que la alfa en el análisis de fondos que al final deriva del benchmark. En este ámbito la alfa es un concepto genérico referido más al estilo de la inversión. Aquellas estrategias que no siguen al mercado, que buscan retornos de forma independiente a la dirección del mercado. Es un concepto usado en clara contraposición a la beta que indica el seguimiento indexado del mercado. Beta es seguimiento de mercado y alfa es lo contrario. Por tanto, las estrategias con alfa tienen poca o nula correlación con la mayoría de clases de activos como la renta variable o la renta fija.

Cuando evaluamos un porfolio o cartera de inversión, sea de trading a corto plazo o medio o sea una unión de varios horizontes temporales, debe tener medidas sobre ella. Cuando haga cambios, fíjese que mejore el ratio que crea que mejor se ajusta a ella. En caso de dudas, use K, pero Calmar (y sus hermanos casi idénticos) son cómodos por su sencillez.

¡Goog Trading!

Lecciones del short interes por Alexander Elder

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

¿Que es el short interes?

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Tabla 1.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

PASO 1.- Hipótesis de trabajo

Formulación de la hipótesis:

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

Esto implica que buscamos empresas con las siguientes características:

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

PASO 2.- Selección de las series

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

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

PASO 3.- Universo de activos

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

PASO 4.- Construcción del modelo

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

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

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

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

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

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

Entramos largos si se verifican las siguientes condiciones:

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

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

Para las salidas establecemos las siguientes reglas:

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

Estas son las reglas en la plataforma:

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

4. Otros parámetros de la simulación:

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

PASO 5.- Evaluación del modelo

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

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

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

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

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

CONCLUSIONES

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

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

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

Análisis técnico: Principios, indicadores y ejemplos por Timothy Sykes

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

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

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

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

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

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

¿Qué es el análisis técnico?

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

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

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

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

Veamos un ejemplo.

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

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

Esto es suficiente para entender qué es el análisis técnico.

¿Cuáles son los principios del análisis técnico?

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

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

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

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

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

Los 3 componentes importantes del análisis técnico

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

• Gráficos
• Indicadores
• Patrones

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

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

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

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

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

¿Cuáles son los diferentes tipos de indicadores técnicos?

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

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

Hay cientos de indicadores, demasiados para enumerarlos todos aquí.

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

Precio promedio ponderado por volumen (VWAP)

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

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

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

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

Medias Móviles

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

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

¿Cómo se usan los indicadores técnicos?

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

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

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

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

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

Análisis técnico versus análisis fundamental

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

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

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

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

¿Cuáles son las fortalezas del análisis técnico?

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

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

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

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

¿Cuáles son las debilidades del análisis técnico?

Respuesta corta: el análisis técnico puede ser subjetivo.

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

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

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

Cómo analizar acciones: ejemplos prácticos de análisis técnico

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

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

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

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

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

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

Secretos del análisis técnico

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

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

Estudiar el pasado

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

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

Mantenlo simple

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

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

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

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

Preguntas frecuentes sobre análisis técnico

¿Cómo puedo aprender análisis técnico?

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

¿Qué tan útil es el análisis técnico?

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

¿Es válido el análisis técnico?

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

Conclusión

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Explicación De Los Ejemplos Comerciales Y La Estrategia De Jamie Mai

Operación #1: Calls De Altria (MO)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Vayamos al ejemplo final.

Operación #3: Acciones De Corea Del Sur

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Esta reseña de libro destacará tres cosas:

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

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

¿Está listo para aprender a ganar millones?

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

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

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

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

Nunca confíe en los “consejos de inversión”

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

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

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

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

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

Fecha, no te cases con tus acciones

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

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

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

Será algo muy duro.

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

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

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

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

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

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

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

El primer sistema de Darvas: las siete reglas

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

Estas eran sus reglas:

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

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

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

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

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

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

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

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

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

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

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

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

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

Ya sabe cómo termina esto.

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

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

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

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

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

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

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

Método de Darvas: el método de la caja

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

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

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

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

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

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

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

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

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

Ejemplos de la caja en los gráficos de precios

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

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

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

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

Cómo comprar y vender en el método de caja

Las instrucciones de compra y venta de Darvas eran sencillas:

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

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

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

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

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

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

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

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

Poder en la simplicidad

El método real de Darvas es muy simple:

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

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

Forma final de Darvas: aspectos técnicos + fundamentos

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

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

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

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

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

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

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

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

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

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

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

Examinemos algunas razones.

El arma más grande de Darvas: distancia de Wall Street

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

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

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

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

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

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

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

La última palabra: un libro que cambia la vida

El libro de Darvas cambió mi vida.

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

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

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

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

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

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

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

Resumen

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

Como siempre, presentamos varias figuras interesantes:

Citas notables del trabajo de investigación académica:

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

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

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

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

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

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

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

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

Las mejores ideas de psicotrading por Brett N. Steenbarger

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

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

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

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

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

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

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

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

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

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

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

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

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

Sincronización del mercado utilizando indicadores basados en precios

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Autor:
Ladislav Durian, analista, Quantpedia

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

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

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

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

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

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

Las tasas de interés cero no eran sostenibles

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

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

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

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

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

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

Los Vigilantes De los Bonos Están De Vuelta

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

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

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

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

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

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

Inmuebles

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

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

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

Autos

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

Finanzas/Bancos

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

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

Capital de riesgo/tecnología

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

El S&P 500

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

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

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

¿Las tasas de interés bajarán?

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

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

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

Balance final

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

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

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

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

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

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

ANÁLISIS A LARGO PLAZO

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ANÁLISIS A CORTO PLAZO

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

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

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

σ_A = σ_d *                                                                                                                     (6)

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

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

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

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

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

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

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

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

ROBUSTNESS y CONTROL DE DATOS

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

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

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

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

CONCLUSIONES

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

Referencias.

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

El enigma del sector energético por Sentimentrader

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

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

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

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

Lo que nos dice el estudio

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

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

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

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

Vamos a dar un paso atrás.

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

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

Así que ahora echemos un vistazo al mercado actual:

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

En resumen, el contexto importa.

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

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

Una vez más, el contexto importa.

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

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