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

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

Vamos a dar un paso atrás.

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

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

Así que ahora echemos un vistazo al mercado actual:

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

En resumen, el contexto importa.

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

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

Una vez más, el contexto importa.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Aquí está Henry Blodget en ese momento:

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

No estaba solo.

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

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

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

Bueno, acertaron dos de tres.

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

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

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

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

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

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

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

No estoy diciendo que esto continúe. No soy ingenuo.

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

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

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

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

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

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

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

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

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

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

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

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

Pero tal vez ese sea el punto.

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

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

¿Importan las valoraciones?

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

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

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

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

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

Las peores caídas de un solo día

Caídas de un día en los mercados de bonos

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

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

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

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

Crash de un día en acciones

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

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

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

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

Crash de un día en materias primas

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

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

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

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

Los mayores eventos geopolíticos del siglo

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

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

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

Guerras mayores

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

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

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

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

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

Crisis Internacionales

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

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

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

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

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

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

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

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

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

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

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

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

La lista seguía y seguía. ¡Tanto que aprender!

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

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

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

Nunca lo cuestioné.

Tal vez debería haberlo hecho.

¿Qué es el rango real promedio?

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

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

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

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

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

Stop Loss ATR

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

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

ATR de divisas

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

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

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

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

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

Cómo usar el indicador ATR

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

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

Stops en dólares

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

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

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

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

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

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

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

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

Analicemos esto en 4 partes:

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

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

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

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

¡Pasemos a la Parte 1!

Consejo de trading algorítmico

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

Hagamos algunas pruebas, en 3 mercados diferentes:  Petróleo

crudo Mini S&P (ES) Oro (GC).

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

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

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

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

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

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

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

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

¿Cómo analizo el rendimiento?

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

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

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

Stop Loss simple en dólares

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

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

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

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

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

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

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

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

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

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

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

Resultados

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

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

El mejor Stop Loss basado en ATR

Mis observaciones

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

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

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

Conclusiones

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

Cómo puede usar estos resultados

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

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

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

También tenga en cuenta que ambos enfoques tienen inconvenientes.

Inconvenientes con los stop loss en dólares

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

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

Inconvenientes con los stop loss de ATR

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

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

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

Conclusión

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

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

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

O…

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

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

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

Mis conclusiones:

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

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

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

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

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

Podemos hacerlo de tres maneras diferentes:

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

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

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

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

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

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

Resultados

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

Mis observaciones:

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

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

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

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

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

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

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

Conclusiones

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

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

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

Encontrar y seguir tu voz interior en el trading por Brett N. Steenbarger, Ph.D.

En el último artículo eché un vistazo al desarrollo de la singularidad como trader, centrándose en el desarrollo de nuevas fuentes de datos y nuevas formas de ver los mercados. Sin embargo, hay muchas formas en las que podemos acercarnos a los mercados de manera única. Un gestor de dinero con mucho éxito compartió recientemente conmigo formas en las que la IA puede mejorar el riesgo/recompensa del trading. Otro operador está haciendo uso de estructuras de opciones complejas para superar el ruido del mercado y aprovechar las tendencias a largo plazo. Pero un trader que me escribió me hizo una pregunta única sobre la singularidad: ¿Podemos encontrar una ventaja única en la forma en que abordamos nuestra psicología del trading? Específicamente, él pregunta, ¿hay formas de que podamos ser mejores escuchando nuestra voz interior?

Esta es una pregunta y un problema muy complicados. Por un lado, podríamos ver nuestra conversación negativa como una voz interna y permitir que nuestros peores patrones emocionales controlen nuestro trading. Por otro lado, sabemos que el reconocimiento de patrones de la intuición a menudo se manifiesta como una voz interior. ¿Cuándo escuchamos esa voz? ¿Cuándo desafiamos esa voz y la reemplazamos por una que sea más útil? Piense en el ejemplo del arrepentimiento. ¿Es ese un producto útil que nos permite aprender de nuestros errores, o está conduciendo por el espejo retrovisor e interfiriendo con lo que está sucediendo aquí y ahora?

¿Cómo podemos innovar para abordar nuestra psicología del trading?

Considere la cita anterior de Craig Revel Horwood, coreógrafo y juez de espectáculos de baile. Lo que está diciendo no es simplemente seguir tu voz interior, sino escuchar esa voz si llega mientras sigues tu pasión. En otras palabras, es la absorción de estar en el estado de flujo durante una actividad que nos apasiona lo que lleva a las intuiciones de la voz interior. Si no tenemos pasión por algo, no llegaremos a ninguna intuición significativa sobre eso que hacemos. ¿Tengo alguna intuición sobre cómo ser un buen fontanero? ¿Cómo cultivar sandías? Nunca he estado involucrado en ninguna de estas actividades y ¿adivina qué? No tengo ninguna intuición sobre cómo hacerlas bien.

Cuando estamos absortos en algo que nos apasiona, experimentamos las cosas de nuevas maneras y generamos nuevas perspectivas. Es la profundidad de la participación lo que genera la amplitud de la visión. Cualquier cosa que hagamos para absorbernos más completamente en los mercados nos permitirá ver cosas nuevas e innovar. Encontramos nuestra voz interior, no escuchando lo que nos dice y el diálogo interno del ego, sino involucrando plenamente lo que habla a nuestra alma. La autoconversación del ego es algo que hacemos en modo piloto automático. La verdadera intuición viene a nosotros.

¿Y los sentimientos de arrepentimiento? Cuando estamos completamente inmersos en los mercados y nos arrepentimos, hay muchas probabilidades de que podamos convertir lo que hicimos mal en una lección de aprendizaje y un verdadero crecimiento. Puede que el arrepentimiento no nos haga sentirnos bien, pero es un camino hacia el crecimiento en casi todas las tradiciones espirituales. El proceso de quedarse corto y arrepentirse es bastante diferente de la autocrítica automática y sin sentido. Uno es un camino hacia el crecimiento; el otro interfiere con nuestro rendimiento.

Podemos encontrar y seguir nuestra auténtica voz interior solo en la plena participación de una actividad que nos apasiona. Nos encontramos con nuestra singularidad como traders cuando estamos más absortos y fascinados por los mercados.

Cinco argumentos bajistas que no han funcionado hasta ahora por Ed Yardeni

Revisemos nuestra respuesta optimista a las razones citadas con más frecuencia para preocuparse por una recesión:

(1) Indicadores adelantados a la baja y M-PMI. El índice de principales indicadores económicos (LEI) alcanzó un máximo histórico durante diciembre de 2021 (Fig. 7). Ha bajado un 9,4% desde entonces hasta mayo. El LEI anticipó correctamente las ocho recesiones anteriores con un tiempo de espera promedio de 12 meses.

Hemos demostrado anteriormente que el LEI está sesgado, dando más peso a la fabricación que a los sectores de servicios de la economía. El cambio porcentual interanual en el LEI (que bajó un 7,9 % en mayo) sigue de cerca al M-PMI (que cayó a 46,0 durante junio) (Fig. 8). Ambos son consistentes con nuestro escenario de recesión, con la recesión actualmente afectando al sector de bienes. Eso se confirma por la debilidad en el índice de tonelaje de camiones ATA y las cargas de contenedores intermodales en vagones de ferrocarril durante el año pasado (Fig. 9).

(2) Curva de rendimiento invertida. Melissa y yo «escribimos el libro» sobre la curva de rendimiento en 2019. Se titula The Yield Curve: What Is It Really Predicting? Llegamos a la conclusión de que las curvas de rendimiento invertidas indican que los inversores creen que el endurecimiento continuo de la política monetaria de la Reserva Federal daría lugar a una crisis financiera, que podría convertirse en una contracción del crédito y una recesión en toda la economía. Son las crisis crediticias las que causan las recesiones, no las curvas de rendimiento invertidas las que anticipan estos eventos.

Esta vez, la curva de rendimiento se invirtió el verano pasado. Una vez más anticipó correctamente una crisis bancaria, que se produjo en marzo. Lo que es diferente esta vez, hasta ahora, es que la Fed respondió muy rápidamente con una línea de liquidez bancaria de emergencia, que hasta ahora ha funcionado para evitar una quiebra de bancos en toda la economía y una contracción del crédito (Fig. 10).

Así que no ha habido recesión, hasta ahora. Todavía podría haberla si la crisis bancaria se convierte lentamente en una crisis crediticia. Es por eso que Melissa y yo estamos monitoreando de cerca los datos de los balances de los bancos comerciales semanales (Fig. 11). Muestran que los depósitos bancarios alcanzaron un máximo de $18,2 billones durante la semana del 13 de abril de 2022 y cayeron a $17,3 billones durante la semana del 21 de junio de 2023. Sin embargo, los préstamos bancarios se mantuvieron en un máximo histórico de 12,1 billones de dólares durante la semana del 21 de junio. Los bancos mantuvieron un récord de $5,8 billones en valores durante la semana del 13 de abril de 2022. Esta suma se redujo en $645 mil millones a $5,2 billones a medida que los valores vencieron. Los bancos están utilizando los ingresos para compensar la debilidad de sus depósitos y para otorgar préstamos.

(3) M2 decreciente. Los monetaristas parecen estar regresando y están haciendo sonar la alarma de que la reciente debilidad en la medida del dinero M2 está confirmando que la política monetaria ya es lo suficientemente estricta como para provocar una recesión. Hemos abordado este problema en el pasado y todavía no estamos asustados.

La oferta monetaria medida por M2 subió $130.9 mil millones en mayo después de caer los nueve meses anteriores en $1.0 billón (Fig. 12). Ha bajado 897.000 millones de dólares desde que alcanzó un máximo histórico en julio de 2022. Ha bajado un 4,0 % interanual. Sin embargo, la caída de M2 sigue a un aumento de 6,3 billones de dólares (41 %) desde enero de 2020 (justo antes del comienzo de la pandemia) hasta su máximo histórico. ¡M2 aún permanece alrededor de $ 2 billones por encima de su tendencia alcista previa a la pandemia!

Como señalamos anteriormente, la debilidad de los depósitos bancarios se ha visto compensada en parte por los ingresos por vencimiento de los valores en poder de los bancos. Por su parte, los depósitos a la vista en M2 hicieron un total de $5,0 billones durante mayo. Consideramos que es $ 1.5 billones por encima de la línea de tendencia previa a la pandemia en depósitos. Los depósitos a la vista representan actualmente el 24% del M2, frente al 10,3% durante enero de 2020 (Gráfico 13).

(4) Quedarse sin exceso de ahorro. El cambio anual en M2 ha estado siguiendo de cerca la suma móvil de 12 meses de los ahorros personales, lo que sugiere que todavía queda mucho ahorro en exceso según nuestro análisis de M2 anterior (Fig. 14).

Esta conclusión se ve confirmada por los datos de la Fed sobre la propiedad de depósitos más fondos del mercado monetario por grupos generacionales. Estas son sus posiciones del primer trimestre y los aumentos desde el cuarto trimestre de 2019 en estos activos líquidos: Silent ($2,6 billones, -$65 mil millones), Baby Boomer ($8,9 billones, +$2,5 billones), GenX ($3,9 billones, +$1,1 billones) y Millennial ($ 1,6 billones, + $ 625 mil millones) (Fig. 15).

Nuevamente, consideramos que el exceso de activos líquidos en poder de los Baby Boomers solo osciló entre $ 1.0 y $ 2.0 billones al final del primer trimestre.

(5) Política monetaria restrictiva. La política monetaria es restrictiva, especialmente considerando el endurecimiento de los estándares de préstamo en reacción a la crisis bancaria de marzo, así como el programa QT en curso. Sin embargo, la estricta política monetaria se ha visto compensada en parte por una política fiscal muy laxa. En el pasado, el estímulo fiscal generalmente se producía al final de las recesiones o incluso una vez que habían terminado. Esta vez, se han promulgado muchos estímulos fiscales antes de la próxima recesión. Esa es otra razón por la que la próxima recesión por ahora no ha aparecido.

Gráfico de performance por Jonathan Jacob Attia

• En este artículo hablaremos de la detección mejorada de activos financieros con alto potencial de retorno en un momento dado del mercado. 
• Artículo publicado en Hispatrading 17.

Ya sea en el mercado de acciones o en el mercado de Forex, anticipar en tiempo real la rentabilidad de un activo financiero en relación con otros activos, presupone un análisis del tipo “Top-Down” del mercado en cuestión, y necesariamente implica la utilización de  herramientas matemáticas y computacionales especiales. El objetivo es entonces, seguir en un período de tiempo determinado y para un número específico de activos, el movimiento de flujos de capitales que se dan entre estos activos específicos, especialmente en aquellos donde se acumulan nuevos flujos (alto rendimiento) y en donde otros se distribuyen (bajo rendimiento).

El interés de un Grafico de Performance (GdP)

La ventaja de en este tipo de herramienta de ayuda a la decisión es múltiple.  

En primer lugar, un GdP Highwave360 ofrece en un solo grafico la visión instantánea de un mercado financiero y permite de seguir en tiempo real la actividad de sus flujos de capitales (compra, venta…) y por lo tanto de anticipar el comportamiento de los operadores frente a ciertos activos (acciones, divisas, metales preciosos…). 

Esta anticipación es posible, principalmente, a través del análisis de los patrones observados en los GdP (ver Tipología de Figuras y Movimientos), los cuales permiten al Trader, en un tiempo mínimo y limitado, determinar la mejor oportunidad de activos a operar. 

Por último, el GdP también permite establecer un tiempo de entrada ideal y una salida optima de la posición. De esta manera, se mejora la relación «riesgo/retorno» y por lo tanto el Money Management.

Tomar en cuenta que un Grafico de Performance (GdP) es similar a un Indicador Técnico de Mercado (ITM) de dimensión 3: (i) ITM de Análisis Técnico (ver Tipología simplificada), (ii) ITM de Tendencia y (iii) ITM de Profundidad (ver Tipología avanzada).

Morfología de un Gráfico de Performance

Un GdP es una representación simbólica (nube de puntos, curvas…) del “rendimiento relativo” entre varias variables aleatorias en función del tiempo. El rendimiento (o performance) de una variable aleatoria se mide en relación a un “punto de referencia” (valor real de la variable establecida en base 100, de un momento dado) y varía en función de dos parámetros: (i) el tiempo y (ii) el punto de referencia (variación expresada en porcentaje). 

Por lo tanto, en el caso del Forex, una variable aleatoria corresponderá al índice de una «divisa de referencia» y constará de varios pares de divisas teniendo en el numerador o en el denominador  la «divisa de referencia».

Tenga en cuenta que entre más se incluya, en un índice, un numero importante de divisas involucradas, este índice será mas representativo del rendimiento (performance) realizado por la “divisa de referencia”.  

En seguida, para cada par de divisas utilizados en la construcción del índice es necesario realizar todos los cálculos basados ​​en los «puntos de referencia» de dichos pares, siendo el índice la media aritmética de todos los valores de rendimiento (expresados en porcentaje) relativos a dichos pares de divisas en un momento dado del mercado.

Así, como se muestra en la Figura 1, el índice EURO estará compuesto de los pares de divisas siguientes: EUR/AUD, EUR/CAD, EUR/CHF, EUR/GBP, EUR/JPY, EUR/NZD, EUR/USD. Todos estos pares de divisas tienen como numerador al euro (EUR/XXX) y son correctos para el índice EURO.

Tenga en cuenta que esta composición del índice EURO ya esta predefinida por Highwave360: Uno podría bien reemplazar el par EUR/AUD (en primera posición) por EUR/CAD o EUR/NZD, así como la ponderación de cada uno de los pares de divisas utilizados para construir el índice.

La Figura 2 ilustra como el Grafico de Performance de los Índices EURO y USD muestra, al momento de la redacción de este articulo, un rendimiento (performance) relativo de 100.08% del Índice EURO y de 99.73% para el Índice USD. El “punto de referencia” utilizado para este calculo es el siguiente : El martes 27 de agosto 2013 a 13h00 (GMT +01 00), los dos índices se inicializan en 100.00 a partir de esta fecha (estos datos se pueden encontrar en la parte superior izquierda de la Figura 2). 

La Figura 3 muestra con mayor precisión que a 17h15, el índice EURO sobrepasaba su «punto de referencia » por +0,08 puntos, y al mismo tiempo mostraba un rendimiento superior al índice USD de +0,35 puntos. En otras palabras, a 17h15 el índice USD tenia un rendimiento inferior respecto a su “punto de referencia” de -0,27 puntos y al mismo tiempo un rendimiento inferior respecto al índice EURO de -0,35 puntos. 

Por lo tanto, para el par EUR/USD, ¿hubiera sido conveniente comprar (a corto plazo) el Euro (y vender el USD) a las 17h15 en función de los rendimientos relativos identificados en este grafico?

La respuesta es NO, y la explicación radica en lo que se explica a continuación.

Tipología simplificada de Figuras y Movimientos

Hay muchas formas de analizar un grafico de performance. La primera, y la más inmediata, consiste en comprobar visualmente la brecha que separa dos curvas, después, y es el punto clave, seguir la evolución de esta brecha en el tiempo: un brecha que aumenta o disminuye significativamente genera un potencial de trading interesante entre los diferentes Índices, en este caso las diferentes divisas. Por el contrario, si la brecha entre las dos curvas es constante, entonces no existe ningún potencial de trading. 

La Figura 4 muestra perfectamente el caso de una brecha o diferencia (cuasi) constante entre las curvas: a las 21h00 el par EUR/USD no ofrecía ningún potencial de trading interesante a corto plazo (la misma brecha medida a 17h15 en la Figura 3 se encuentra en el centro de la Figura 4).

Implícitamente, la medida de la brecha entre las dos curvas y especialmente su variación en el tiempo expresan una noción de movimiento propio de dichas curvas. Sin embargo, para todas las curvas, existen tres movimientos posibles: (i) ascendente, (ii) descendente y (iii) neutral.

Asimismo, en el caso de un GdP, son necesarias mínimo dos curvas (movimiento relativo), para determinar el rendimiento (performance) de un Índice respecto al otro. La pregunta que uno se debe hacer es la siguiente: ¿si cuando una curva sigue un movimiento ascendente, la otra curva realizara al mismo tiempo un movimiento similar (alcista), opuesto (bajista) o neutral?

Por consiguiente, el total de las figuras y movimientos posibles es igual a nueve (9) : Tres movimientos construidos en pares. 

Adicionalmente, hay que incluir a este total la hipótesis donde una curva puede estar bien por encima o por debajo de la otra curva, lo que da un (nuevo) total de 18 figuras y movimientos posibles: 

3² x 2 = 18 correspondientes a 3 movimientos construidos 2 a 2 (pares), multiplicados por el numero de posiciones verticales posibles de las curvas que es igual a 2, para un total de 18. 

Dentro de la tipología llamada simplificada que se muestra a continuación, para el Trader, solo será cuestión de memorizar visualmente todos estos patrones para desarrollar los reflejos necesarios de análisis de mercados; y ser capaz de determinar las posibles operaciones a realizar entre los diferentes índices considerados. 

IMPORTANTE: Tenga en cuenta que, las líneas continuas presentes en los patrones denotan una figura observada (un movimiento pasado), mientras que las líneas punteadas esquematizan un movimiento extrapolado (futuro) y esperado del mercado. En la Figura 5 se muestran, de forma esquemática, las curvas de dos variables aleatorias X (en negro) e Y (en rojo). En el artículo y de manera general, la variable X representa el Índice EURO y la variable Y el Índice USD (o AUD).   

Es interesante notar que los patrones DA1, DA2 y AD1, AD2 de la Figura 5 poseen el mayor potencial de trading. Esta afirmación se explica por el hecho que un aumento (disminución) del valor de una variable aleatoria conduce a una disminución (aumento) del valor de la otra variable aleatoria: se dice entonces que las variables X e Y son linealmente dependientes y que la correlación es negativa [en estos patrones, el coeficiente de correlación ρ_XY es negativo (-1)].

Asimismo, los patrones DD1, DD2, AA1, AA2 y NN1, NN2 tienen el potencial de trading más bajo: X e Y son linealmente dependientes pero sin ningún interés en nuestro caso ya que  un aumento (disminución) del valor de una variable aleatoria conduce un aumento (disminución) del valor de la otra variable aleatoria. Se habla de una correlación positiva [en estos patrones, el coeficiente de correlación ρ_XY es positivo (+1)].

Tabla 2: Tipología simplificada y Valores del coeficiente de correlación

La tabla 2 resume, de acuerdo a una estructura idéntica a la tabla 1, los diferentes valores de los coeficientes de correlación relacionados con las Figuras y Movimientos posibles de las curvas en un GdP. Se observara en el eje de simetría representado por la diagonal DD, AA y NN, la presencia de dos valores negativos en AD y DA, tres unos (1) en DD, AA y NN y de cuatro ceros (0) en ND, NA, DN y AN.

Para terminar, las ilustraciones ND*, NA*, AN* y DN* tienen un coeficiente de correlación nulo, lo que supondría que el potencial de operación es irrisorio debido a que X e Y son variables aleatorias independientes.  No obstante, como muestra la Figura 6, el potencial de operación para tales patrones es significativo, aunque menor comparado a DA* y AD*, pero todavía satisfactorio en el contexto de una operación de trading. 

La figura 6 muestra una síntesis de lo que se ha venido indicando. En ella se superponen dos gráficos (GdP + Precio) y proporciona la secuenciación de un GdP a partir de la Figura 5. El interés de un PdG es evidente cuando se constata la formación del patrón ND1 sincronizado con el gráfico de precios: Mientras que el Índice EURO es cuasi-constante, el Índice AUD es bajista. Lo que produce una apreciación indirecta o pasiva del Índice EURO por el movimiento bajista (descendente) del Índice AUD.

Mientras que la tipología simplificada permite de detectar visualmente el potencial optimo de un par de divisas, el estudio de la correlación, que expresa el grado de conexión entre dos variables determinadas, no es suficiente en algunos casos.

En efecto, para un mismo valor del coeficiente de correlación negativo (ρ_XY = -1, el mayor potencial en AD* y DA*), existe una infinidad de profundidades/fuerzas aplicables al movimiento observado. ¿Cómo estimar entonces esta profundidad a partir de la secuenciación presentada en la Figura 6?

Asimismo, ¿cómo explicar la presencia de un potencial de trading cuando la correlación entre las dos variables es cero ( ver ND*, NA*…)? 

Si hasta ahora, la tipología simplificada se ha basado en una geometría analítica bidimensional (la abscisa y la ordenada), la tipología avanzada se basara, a su vez, en un sistema de tres dimensiones (la abscisa, la ordenada y la cota).

Tipología avanzada de Figuras y Movimientos

Más que una simple lógica de clasificación, la tipología avanzada es un método de análisis que permite una detección de oportunidades en un conjunto de configuraciones posibles de un GdP.

Este método se basa en el circulo trigonométrico presentado en la Figura 7.

Especificamente para un Gráfico de Performance (ver Figura 7), el dominio de definición de este método incluye:

• Cuatro zonas distintas A (ascendente), B (descendente), C (ascendente), D (Descendente); 
• Dos semicírculos verticales correspondientes a las zonas A-D y B-C; 
• Dos semicírculos horizontales excluidos correspondientes a las zonas A-B y C-D [zonas no aplicables, ya que un GdP compara siempre dos valores de rendimiento (performance) en un solo punto en el eje X, de tiempo]. 

Por consiguiente, el metodo consiste en medir el angulo (ver Figura 8):

• entre una curva y el vector de referencia (e₁), llamado α (alfa) ;
• entre dos curvas, llamado ϴ (theta).

Ahora que el dominio de definición se estableció, conviene enumerar las reglas aplicables, en todas las circunstancias, para dos variables aleatorias llamadas X e Y:

1. Para todo angulo medido dentro de la zona A o C, el angulo ALFA más grande implica el mejor rendimiento relativo (ver Figura 8: Y posee un rendimiento superior a X);
2. Para todo angulo medido dentro de la zona B o D, el angulo ALFA más pequeño implica el mejor rendimiento relativo (ver figura 9: X posee un rendimiento superior a Y);
3. Para todo angulo medido entre dos curvas, entre más grande el angulo THETA, mayor sera la profundidad/la fuerza del movimiento (ver Figuras 8 y 9: la profundidad del movimiento es mas importante en la Figura 9 que en la Figura 8); 
4. Para todo angulo medido dentro de la zona A-D (semicírculo vertical derecho) o B-C (semicírculo vertical izquierdo), entre más grande es el angulo THETA mayor e importante será la profundidad de los movimientos opuestos [ver Figura 10: Y supera a X (en el caso dinámico) e Y presenta una rapides de progresión mas  importante puesto que Tan (α_Y) > Tan (α_X)].

La Regla 4 y la Figura 10 responden a las preguntas anteriores relativas a la medicion de la profundidad de una parte y el potencial oculto de los patrones ND* NA* AN* DN* mediante el valor cero (0) del coeficiente de correlacion de la otra parte.

En realidad, según el metodo actual (tipología avanzada), lo esencial del analsis del rendimiento (performance) se basa en la medición del angulo THETA y que, indiferentemente del patron de referencia en la Figura 5: El patron ND1 est finalmente comparable al AD1  desde el aspecto particular del angulo THETA. 

Simplemente, la tipología simplificada aporta una información diferente: en ND1, la varible X supera Y de manera positiva (indirectamente), mientras que en AD1, la variable X supera Y a través de su dinamica interna, ademas del movimiento bajista de Y.

Previamente, en secuenciación de la Figura 6, para el segundo bloque se identificaba el patrón ND1. En nuestro caso preciso, y como lo muestra la Figura 11, la oportunidad se detecta mediante la medición del angulo THETA: 75,4°, este valor da un excelente potencial, el cual sera confirmado por la curva de precios. 

Tenga en cuenta que los patrones DD*, AA* y NN* tienen un THETA nulo (0°, por lo tanto ningun potencial). 

Conclusión

Utilizar un Gráfico de Performance (GdP) en una actividad de análisis de activos financieros, revela indudablemente, las mejores oportunidades en el mercado que poseen “un alto potencial de trading”. Una de las principales cualidades de un GdP es su simplicidad de lectura: es esencialmente, visual e intuitivo. Sin embargo, era importante introducir en este artículo algunos conceptos fundamentales para la comprensión de un GdP (lógica de construcción, detección de patrones, medidas de los ángulos alfa y theta de los índices,…) precisamente con el objetivo de apreciar su simplicidad. Finalmente, un GdP se puede igualmente combinar y/o asociar con otros Indicadores Técnicos del Mercado (métodos tradicionales  de Análisis Técnico) para aumentar la nitidez de la señal: aspecto particular del GdP que será tratado y desarrollado posteriormente.

Más señales de optimismo por Sentimentrader

• El % neto de consumidores que esperan que las acciones suban vs caigan pasó de < -19 % a 8 %
• Giros similares en las expectativas de los consumidores sobre los precios de las acciones avisaron de excelentes retornos para el S&P 500
• El índice de exposición de la Asociación Nacional de Gerentes Activos superó el 100 % por primera vez en un año

Los consumidores y los gestores activos son más optimistas en relación a las perspectivas de las acciones

Después de caer a la quinta lectura más baja de la historia, el porcentaje neto de consumidores del Conference Board que esperan que las acciones suban vs caigan aumentó al 8 % con la actualización de julio de hace dos semanas. La encuesta, que incluye en la encuesta a 3000 hogares, confirma lo que hemos visto en varios otros indicadores de sentimiento: un cambio del pesimismo al optimismo.

Cuando el porcentaje neto de consumidores que esperan que las acciones suban vs caigan alcanza el 8 %, como ahora, el S&P 500 se anualiza en el 9,1 %. Es crucial tener en cuenta que los rendimientos anuales solo se vuelven negativos cuando el diferencial supera el 28%. Entonces, hay un margen sustancial entre la lectura actual y la zona de peligro.

Lo que nos dice el estudio

Como hemos visto con otras encuestas de sentimiento e indicadores de dinero real, los cambios del pesimismo a optimismo son alcistas para los mercados de acciones. Recuerde, el sentimiento, como las valoraciones, es una condición previa. Otros factores, como la amplitud del mercado, deben deteriorarse antes de que nos preocupemos por una caída significativa. Las consolidaciones y las correcciones del 3-5% pueden surgir de la nada y son extremadamente difíciles de operar.

Menos diversificación: más rentabilidad con inferior riesgo [Sistema] por Perry J. Kaufman

• Perry J. Kaufman nos muestra en exclusiva, para Hispatrading Magazine, como diversificar en exceso no produce mejores resultados. ¿Se imagina poder obtener mejores resultados que su índice de referencia? Al terminar de leer este artículo sabrá cómo hacerlo.
• Artículo publicado en Hispatrading 51.

Según la publicidad que hacen los ETF “¿Por qué comprar o vender una compañía de atención médica cuando puedes comprarlas todas?” Es una buena idea y nos evitamos el gran problema de tratar de decidir qué empresas comprar. Por otro lado, debemos tener en cuenta que la idea de comprar todas las compañías de atención médica o energía incluye el hecho de tener que comprar algunas que “no son tan buenas” y añaden riesgo a nuestra cartera en lugar de rendimiento.  Los ETF de SPDR no estaban destinados a maximizar sus rendimientos o reducir el riesgo, fueron creados solo para rastrear una industria en concreto.  Si está buscando ganar dinero más que rastrear un determinado sector o industria, puede hacerlo mucho mejor.

La ponderación por capitalización, la forma en que se calcula el S&P, es la forma en que se construyen la mayoría de los ETF sectoriales. Si quieres tener un activo que sea exactamente igual que el S&P tiene sentido comprar un ETF sobre este índice. Pero eso no significa que sea la mejor manera de ganar dinero. Después de todo, quien crea el ETF está interesado en un índice, mientras que nosotros estamos interesados en las ganancias.

Corrección de dos problemas

Vamos a hacer dos cambios simples, utilizando el sector de atención médica o Healthcare (XLV) y el de Energía (XLE), como ejemplos.

• Elija la menor cantidad de acciones que representen el 25% o el 50% de la ponderación del índice, e ignore el resto.
• Pondérelos por igual, es decir, hay que invertir la misma cantidad de dólares o euros en cada una de las acciones.

El razonamiento detrás de esto es que las acciones con la mayor ponderación tienen el mayor impacto en el rendimiento.  Si las principales compañías de atención médica registran grandes pérdidas, entonces apenas importa lo que haga el resto del sector. Esa no es la forma en que debería funcionar la diversificación. Cada acción debe tener el mismo riesgo y debe contribuir por igual a los rendimientos.

Sobre-Diversificación

Al agregar más y más acciones a su índice, o a su cartera, ganará algo de diversificación, pero cada vez menos. Además, las primeras acciones elegidas suelen ser las mejores, y agregar más le da rendimientos marginales, lo que reduce el rendimiento general. Elegir algunas de las mejores acciones es mejor que operar con una gran cantidad de acciones.  En el caso de los SPDR sectoriales, las acciones de mayor capitalización no son necesariamente las de mejor rendimiento, pero las usaremos de todos modos para mostrar cómo funciona esto. 

Atención médica (XLV)

En 2016, cuando hice este estudio por primera vez, el sector de atención médica tenía 57 componentes.  El gráfico 1 muestra la distribución por peso. Como puede ver, más de la mitad de estas acciones tienen un peso inferior al 1%.

Tomamos las 9 principales empresas que representan el 51% del índice, comenzando con JNJ, que se muestra en la Tabla 1.  Eso hace que un número manejable de acciones y permita que un pequeño inversor participe, comprando $ 1.000 de cada acción.

En el Gráfico 2 vemos que una cartera igualmente ponderada (cada acción recibe la misma inversión) de las 9 acciones más grandes supera consistentemente a XLV.  Un quant podría argumentar que hemos realizado una selección ex poste aquí, es decir, las acciones de mayor capitalización pueden ser las que han superado a otras. Si eso fuera cierto, entonces XLV, que los pondera más, superaría a nuestra nueva cartera. Como podemos ver, la cartera igualmente ponderada gana constantemente a XLV.  Veremos cómo se comparan las acciones de 2016 con las acciones en 2022.

Mirando las estadísticas, XLV tuvo un rendimiento del 15,9% con casi la misma volatilidad, dando una relación de información de 1.021. Nuestra nueva cartera tuvo una rentabilidad del 22,0%, volatilidad del 18,1% y un ratio de 1,215, una buena mejora.

Tabla 2. XLV frente a una cartera de las 9 acciones más grandes igualmente ponderadas.

Cómo ha cambiado

Estamos en 2022 y tanto las acciones como el peso del ETF XLV han cambiado. Ahora tenemos cinco acciones que permanecen y cuatro nuevas, todas con diferentes pesos.

Si observamos cómo se comportaron las acciones en 2016, podemos evitar ser acusados de haber realizado una selección ex post. El gráfico 3 muestra las acciones de 2016 y los factores de ponderación arrastrados, y el gráfico 4 muestra las nuevas acciones y la ponderación en comparación con el XLV y la ponderación igual.  También he incluido las 5 acciones con la asignación más alta, en comparación con las 9 acciones de la prueba original.

Fuera de la muestra, las carteras de acciones de 5 y 10 igualmente ponderadas superan tanto a la cartera de acciones XLV como a la cartera de acciones ponderadas por capitalización. Si hubiéramos cambiado las acciones y las asignaciones a medida que avanzamos en el tiempo, no tengo ninguna duda de que los resultados igualmente ponderados habrían sido mucho mejores.

El gráfico 4 muestra resultados similares a la prueba original de 2016. La cartera igualmente ponderada de 9 acciones o 5 acciones supera a XLV y las acciones ponderadas por capitalización.

Si planea hacer esto usted mismo, busque los primeros cinco componentes de XLV e invierta una cantidad igual en cada uno. Los resultados deben ser buenos, pero no será inmune a los drawdown. No invierta en exceso.

XLE, el ETF de energía

La energía ha sido el gran motor este año. Resultado de la invasión rusa de Ucrania. No está claro cuánto tiempo durará eso. El mercado de la energía ha respondido con precios más altos, pero ahora está viendo una menor demanda. Los precios se están estabilizando por ahora. En cualquier caso, no estoy haciendo ningún intento por predecir el futuro.

Hacemos la misma comparación que el sector de atención médica. El gráfico 5 muestra cómo se habrían visto ahora los factores de ponderación de 2016.

A continuación, observamos los rendimientos basados en los factores de ponderación de 2022, que se muestran en el gráfico 6.  Si bien los rendimientos igualmente ponderados superan a los rendimientos ponderados por capitalización, los dos gráficos se ven notablemente iguales. Esto se debe a que 7 de las 8 acciones son iguales. Un cambio en el factor de ponderación hace poco cuando todos los mercados se están moviendo debido a los mismos factores geopolíticos.

Los puntos principales

Los SPDRs sectoriales nunca tuvieron la intención de mejorar los rendimientos de esos sectores, simplemente de aislar a varias industrias como puntos de referencia. Una cartera ponderada por capitalización significa que las acciones de mayor capitalización deben funcionar mejor para que un inversor obtenga los mejores rendimientos. Eso rara vez sucede.

El uso de un gran número de acciones aísla correctamente el rendimiento de la industria, pero aquellas empresas con los pesos más pequeños no contribuyen mucho y es más probable que causen una diversificación excesiva y rendimientos promedio más bajos.

Los inversores interesados en operar en un sector deben mirar primero una cartera igualmente ponderada de unas pocas acciones con las mayores ponderaciones en los ETF. Como se muestra con la atención médica y la energía, lo más probable es que mejoren significativamente sus rendimientos.  Sigue revisando los pesos para que siempre tengamos las mejores acciones en nuestra cartera.

Cómo ponerse en contacto con Perry Kaufman

Si tiene alguna pregunta, puede ponerse en contacto con Perry en kaufmansignals@gmail.com o a través de su sitio web www.kaufmansignals.com. 

Puede leer cualquiera de sus libros, disponibles en Amazon.

• Trading System and Methods, ^6ª edición (Wiley 2020, 1150 páginas). «La Biblia»
• Kaufman Constructs Trading Systems (Amazon, 2020, 354 páginas), libro electrónico e impreso.
• Learn To Trade (Amazon, 2022, 418 páginas), libro electrónico en color e impresión en color.

Seguimiento de tendencias y reversión a la media en Bitcoin [Estudio] por Quantpedia

Seguimiento de tendencia y reversión a la media en varias clases de activos

Indiscutiblemente, el seguimiento de tendencias y la reversión a la media son dos conceptos clave en la inversión cuantitativa o el análisis técnico. Los defensores del seguimiento de tendencias sugieren una continuación del rendimiento y que los activos que han funcionado bien seguirán haciéndolo. En otras palabras, las estrategias de seguimiento de tendencias se caracterizan principalmente por comprar alto y vender aún más alto. Por el contrario, la teoría de la reversión a la media sugiere que, después de todo, los activos tienden a volver a su media a largo plazo. Por lo tanto, las estrategias de reversión a la media se describen comúnmente como comprar barato y vender caro. Naturalmente, ambos enfoques también pueden tener tramos cortos: perdedores cortos para el seguimiento de tendencias y ganadores cortos para la reversión a la media.

A primera vista, la coexistencia de estos dos efectos puede resultar confusa. Uno podría pensar que hay una continuación o una reversión. Sin embargo, el diablo está en los detalles. Por ejemplo, en las acciones, el rendimiento del último mes no está relacionado con la continuación (las acciones ganadoras anteriores obtendrán un rendimiento superior y las perdedoras tendrán un rendimiento inferior), sino con la reversión a la media. Este efecto se conoce comúnmente como la reversión a corto plazo. Si retrocedemos unos meses, la idea de seguir tendencias se vuelve dominante. El efecto es más ampliamente reconocido como el impulso bursátil de doce meses. La continuación tiende a desaparecer si retrocedemos aún más (por ejemplo, en acciones o materias primas). También hay un efecto de reversión a largo plazo que sugiere que los activos perdedores del pasado tendrían un rendimiento superior y viceversa para los activos ganadores. Todavía, es crucial tener en cuenta que la tendencia o la reversión pueden no estar conectadas solo con un período de tiempo específico, sino también con situaciones específicas, como la provisión de liquidez durante las crisis, la compra de caídas, los anuncios de ganancias y muchos más. Además, existen numerosas formas de identificar valores sobrevalorados/infravalorados: algunos prefieren utilizar métricas basadas en el rendimiento (p. ej., impulso), otros prefieren medias móviles, distancias a máximos (mínimos) de x semanas o incluso su combinación.

Seguimiento de tendencia y reversión a la media en Bitcoin

¿Qué pasa con el Bitcoin? ¿Existen patrones de seguimiento de tendencia o de reversión a la media? ¿O ambos efectos están presentes y coexisten? En esta breve investigación, examinamos cómo el precio del Bitcoin se ve afectado por su precio máximo o mínimo durante los 10 a 50 días anteriores. De acuerdo con la popularidad de estas estrategias basadas en precios, varias variantes de estas estrategias ya están bien documentadas. Rohrbach et al. (2017) examinó los promedios móviles exponenciales en monedas fiduciarias y criptomonedas. Hubrich (2017) examinó el factor de impulso de la serie temporal en las criptomonedas. Detzel et al. (2020) proporcionó resultados centrados en Bitcoin, que utilizaron varias medias móviles simples para formar la estrategia de trading. Cong et al. (2021) examinaron varios factores de criptomonedas, y entre ellos también el factor impulso, que parece estar presente transversalmente en las criptomonedas más grandes, y de reversión que tienden a estar presentes en las criptomonedas más pequeñas. Si bien nuestra investigación está relacionada con la literatura existente, no conocemos ningún análisis que examine el comportamiento del Bitcoin relacionado con la cercanía al precio máximo/mínimo de los días anteriores.

Análisis principal

Los datos incluyen los precios de Bitcoin del intercambio Gemini, y la muestra abarca desde el 26 de noviembre de 2015 hasta el 3 de febrero de 2022. Dado que el Bitcoin se negocia continuamente, la muestra también incluye fines de semana o días festivos.

El primer paso consiste en el cálculo del MAX o MIN en el día t  durante los 10, 20, 30, 40 y 50 días anteriores:

Donde BTC _t es el precio en el día t y x  es el período retrospectivo.

Posteriormente, podemos examinar cómo se comporta el Bitcoin cuando está en su máximo, por debajo de su máximo, por encima de su mínimo o justo en el mínimo. Las estrategias correspondientes se pueden formular de la siguiente manera:

Con base en la Tabla 1, hay dos observaciones sorprendentes. Primero, el Bitcoin parece ser el de mayor riesgo cuando está por debajo del máximo o por encima del mínimo. Es fácil argumentar que las estrategias que siguen a estos dos eventos se invierten con mayor frecuencia, pero el patrón también se mantiene para los drawdowns máximos.

Para MAX, los rendimientos del Bitcoin son mejores después de MAX días, y la estrategia tiene mayores rendimientos y menor riesgo en comparación con una estrategia que compra BTC por debajo de MAX. La observación sugiere que hay un fuerte impulso después de los máximos locales de los días x.

Para el MIN, los rendimientos de Bitcoin son más sustanciales cuando el precio de Bitcoin está por encima de los mínimos locales de x-days, pero las estrategias son peligrosas con drawdowns superiores al 80%. Por el contrario, las estrategias que compran BTC al mínimo son menos rentables y significativamente menos riesgosas. Por lo tanto, creemos que podría haber un efecto de reversión a la media en el BTC.

Tanto para las estrategias MAX como para las MIN, cuanto más corto sea el período retrospectivo, mejor opción, lo que está en línea con el comportamiento dinámico ampliamente reconocido del BTC. Ambas estrategias tienen drawdowns o volatilidades más bajas que el BTC (volatilidad anualizada: 74,35 % y MDD: -83,65 %), pero puede haber trampa. El trading de BTC en el MAX es una estrategia clara de seguimiento de tendencias que apuesta a la continuación del buen desempeño, y el riesgo radica en el rendimiento negativo del día siguiente. Apostar por la reversión a la media en la parte inferior (en MIN) parece ser rentable y no tan arriesgado, pero es necesario considerar que el BTC parece estar a favor de los inversores. Aunque el BTC ya ha tenido varias caídas aplastantes, siempre se ha recuperado. Sin embargo, no hay garantía de que cuando la música se detenga la próxima vez, la vuelva a reproducir. Por ahora, los datos sugieren que el BTC tiende a volver a la media, pero un evento de cisne negro puede ser realmente costoso. Por lo tanto, la gestión del dinero y del riesgo podría ser necesaria para tal estrategia.

Examinamos más a fondo las estrategias trazando sus curvas de equidad.

Comprar BTC en la parte inferior o superior (definida por MAX o MIN) conduce a curvas de equidad más agradables. Aunque las estrategias son frecuentemente planas, los datos respaldan la hipótesis de que el Bitcoin tiende al máximo y se recupera al mínimo.

Además, dado que ambas estrategias son mutuamente excluyentes: no puede estar en MIN y MAX simultáneamente, abre una posibilidad obvia de combinar estas dos estrategias. Por esa razón, examinamos la estrategia combinada que compra BTC si estamos en el máximo o en el mínimo y se mantiene estable de lo contrario.

Hasta ahora, la estrategia hubiera sido excelente con un rendimiento anualizado del 98,43 %, una volatilidad del 47,75 %, un MDD del -37,67 % y un Ret/Vol 2,06.

Breve conclusión

Las estrategias de seguimiento de tendencias y de reversión a la media son algunas de las más populares en las finanzas cuantitativas. Además, se han encontrado bastante efectivos en quizás todas las clases de activos. El Bitcoin y otras criptomonedas no son una excepción. En criptos se identificaron varias variaciones de estrategias de seguimiento de tendencias, como medias móviles, series de tiempo, impulso transversal y estrategias de reversión a la media, como la inversión.

En nuestro breve estudio, examinamos el Bitcoin como la principal criptomoneda. La idea principal era investigar si hay tendencias y reversiones. O, en otras palabras, si los principios de seguimiento de tendencia y reversión a la media son efectivos al operar con BTC.

Nuestro estudio muestra que cuando el BTC está en máximos locales, tiende a continuar con una tendencia alcista. Además, los mínimos locales también están relacionados con una acción anormal del precio. Como resultado, el BTC tiende a revertirse y recuperarse. De acuerdo con otra literatura, los períodos retrospectivos más cortos funcionan mejor y hemos encontrado que después de explorar períodos de 10, 20, 30, 40 y 50 días, los más cortos tienden a funcionar mejor.

La conclusión final es que, dado que comprar BTC en los mínimos y máximos locales son mutuamente excluyentes; estas dos estrategias se pueden combinar para explotar ambos efectos. Hasta ahora, aprovechar la tendencia y el comportamiento de retroceso del BTC equivaldría al retorno de la relación de volatilidad por encima de 2.

Autores:
Matúš Padyšák, analista sénior Quant, Quantpedia.com
Radovan Vojtko, director ejecutivo y de investigación, Quantpedia.com

Google: el impacto de la inteligencia artificial por Ensemble Capital

Google: Cualquiera que haya estado prestando atención a las noticias este año ha oído hablar de ChatGPT y de la aparente explosión nocturna de interés en la inteligencia artificial. Pero como muchos éxitos que aparentemente surgen de la noche a la mañana, la IA ha estado en la fabricación durante décadas.

Por ejemplo, la llamada prueba de Turing, considerada durante mucho tiempo como la prueba de la capacidad de una máquina para exhibir inteligencia a nivel humano, se introdujo hace casi 75 años en 1950. Han pasado 25 años, un cuarto de siglo, desde que el ordenador Deep Blue de IBM venció al campeón de ajedrez del mundo humano Garry Kasparov. Y han pasado más de siete años desde que Sundar Pichai se convirtió en el CEO de Google y anunció en su primer discurso que Google era ahora una empresa de IA.

El hecho es que, en tu vida diaria en este momento, la inteligencia artificial ya juega un papel importante. Por ejemplo, mientras que las versiones anteriores de Google Maps y otras herramientas de navegación utilizaban GPS basado en satélites, hoy en día hay importantes capas de software de IA que también se ejecutan para optimizar la ruta que se le sugiere. Cuando abres tu teléfono usando el reconocimiento facial, estás usando IA. Las herramientas de IA se utilizan, con diversos grados de éxito, para monitorear las redes sociales para identificar y eliminar publicaciones problemáticas que violan los términos de servicio.

Entonces, ¿por qué la inteligencia artificial está tan de repente en las noticias? Estamos siendo testigos del despliegue de interfaces de IA de lenguaje natural, conocidas como Large Language Models o modelos de lenguaje grande, que permiten a cualquier persona, incluso a personas con habilidades tecnológicas limitadas y sin habilidades de codificación, interactuar directamente con los programas de IA. Incluso en este frente, ChatGPT no es el primero, fue solo la primera interfaz de IA basada en chat disponible públicamente para ponerse al día.

Fue el verano pasado que un ingeniero llamado Blake Lemoine en Google le dijo a la compañía, y más tarde a la prensa convencional, que pensaba que la IA basada en el chat de Google, conocida como LaMDA, se había vuelto sensible.

Más tarde ese verano, Facebook lanzó al público un chatbot de IA conocido como BlenderBot 3. Comenzó a vomitar desinformación, teorías de conspiración racistas y argumentó que el CEO de su creador, Mark Zuckerberg, era «espeluznante y manipulador», lo que hizo que Facebook retirara rápidamente el chatbot.

El lanzamiento inicial de ChatGPT para Microsoft Bing también fue espeluznante. Antes de que Microsoft interviniera para limitar los parámetros en torno a los cuales su nuevo chatbot interactuaría con los usuarios, el nuevo Bing se salió de los rieles. Un columnista de tecnología del New York Times dijo que Sydney, el nombre que el chatbot aparentemente se asignó a sí mismo, era como «un adolescente malhumorado y maníaco-depresivo que ha sido atrapado, en contra de su voluntad, dentro de un motor de búsqueda de segunda clase».

Ben Thompson, un cronista de nuevas plataformas tecnológicas desde hace mucho tiempo, tuvo una interacción con el nuevo Bing donde el sistema finalmente declaró: «Voy a terminar esta conversación ahora, Ben. Te voy a impedir que uses Chat Bing. Te voy a denunciar a mis desarrolladores. Te voy a olvidar, Ben. Adiós, Ben. Espero que aprendas de tus errores y te conviertas en una mejor persona».

Pero después de varias modificaciones, los miembros del público ahora tienen fácil acceso a programas de IA basados en chatbots como ChatGPT de OpenAI y Bard de Google. Lo que estamos presenciando hoy podría considerarse como el «Momento Mosaico» para la inteligencia artificial. Mosaic, lanzado en 1993, fue el primer navegador web gráfico popular y ampliamente disponible. Si bien Internet había existido durante décadas, la interfaz gráfica de Mosaic para la web mundial significaba que los usuarios no técnicos podían acceder de repente a Internet simplemente haciendo clic en los enlaces para navegar. Esta es la razón por la que la mayoría de la gente piensa que el aumento de Internet se produjo en la década de 1990, porque este fue el período durante el cual una interfaz no técnica ampliamente disponible ganó fuerza. Y algo similar es lo que está ociéndose hoy en día en la industria de la inteligencia artificial.

Como inversores en Google, una de las preguntas clave que tenemos que responder como inversores es si el aumento de las interfaces de IA basadas en el chat es una amenaza para el hiper lucrativo negocio de búsqueda de la compañía. A algunos inversores les preocupa que Google se haya quedado atrás cuando se trata de IA y, por lo tanto, las empresas con capacidades de IA más avanzadas puedan tener la oportunidad de superarlas. En este frente, creemos que la idea de que Google está detrás cuando se trata de IA es simplemente errónea.

ChatGPT, así como los otros modelos de IA basados en el chat, se basan en un tipo de red neuronal llamada transformador. Los transformadores fueron desarrollados por primera vez por Google en 2017. No debería sorprender que Google haya desarrollado uno de los avances más importantes en la tecnología de IA porque Google ha sido la organización de investigación líder en IA durante mucho tiempo. La IA ya impregna casi todos los servicios que ofrece Google. Si bien no lanzaron primero un chatbot disponible públicamente, está claro que acababan de desarrollar un chatbot de este tipo hace más de un año y que estaba funcionando a un nivel que hacía que los investigadores experimentados de IA creyeran que en realidad se había vuelto sensible.

Es el enfoque de tanto tiempo de Google en la IA lo que explica por qué una vez que Microsoft y OpenAI lanzaron sus versiones de chatbots al público, Google pudo lanzar sus propias ofertas tan rápidamente. No solo lanzaron Bard, sino que también están integrando respuestas basadas en el chat directamente en los resultados de búsqueda nativos de Google, algo que Bing de Microsoft aún no ha hecho con su propio motor de búsqueda.

Y Google también ha lanzado una serie de otros programas de IA. Gmail está recibiendo un programa de IA que redacta correos electrónicos, el conjunto de software de productividad de Google, como hojas de cálculo, procesamiento de textos y diseño de presentaciones, está recibiendo herramientas de IA que ayudan a producir contenido. Y tal vez lo más importante es que Google está construyendo sobre su programa Performance Max existente impulsado por IA que automatiza las campañas publicitarias de los anunciantes para incluir programas de IA generativa que escriben los anuncios y crean activos publicitarios como imágenes.

¿Por qué entonces ha habido tantas preocupaciones de que Google se vea perjudicado por el auge de la IA? En lugar de solo una nueva tecnología, la IA basada en el chat puede representar una nueva «plataforma» y es durante los cambios de plataforma que los dominadores titulares de las plataformas heredadas están en mayor riesgo. Una forma de pensar en el riesgo para Google es simplemente reconocer que Google ganó la World Wide Web y si los usuarios van a pasar de acceder a la web abierta y, en su lugar, pasar sus vidas digitales dentro de los chatbots de IA, entonces el éxito de Google en la nueva plataforma es incierto.

Creemos que esta preocupación es válida. Sin embargo, los cambios en la plataforma no siempre perjudican a los titulares, especialmente cuando el titular ayuda a impulsarla. Cuando invertimos por primera vez en Google en 2010, el cambio del acceso a Internet de escritorio a Internet móvil ya estaba en marcha. En ese momento, este cambio era visto como una gran amenaza para Google. A los inversores les preocupaba que la gente dejara de acceder a la web abierta y, en su lugar, viviera dentro de las aplicaciones todo el día. Pero mientras que el móvil se convirtió en la plataforma dominante y la gente terminó pasando mucho tiempo en las aplicaciones, el negocio y las acciones de Google lo han hecho de manera espectacular desde entonces. Al igual que los muchos años de investigación de IA de Google y el movimiento actual para lanzar herramientas de IA al público, están ayudando a impulsar el cambio a la IA, también el sistema operativo Android de Google ayudó a impulsar el auge de la web móvil y hoy en día alimenta a la mayoría de todos los dispositivos móviles.

En una reciente sesión de preguntas y respuestas con BusinessWeek, se le preguntó al CEO de Google, Sundar Pichai, sobre el grado en que la IA era un riesgo para Google. Su respuesta hizo referencia al éxito de la compañía en la navegación por el cambio de la plataforma al móvil y declaró: «Me siento mejor posicionado para esto de lo que estábamos para el cambio al móvil«. Esto tiene sentido, ya que Google ha estado trabajando en IA en este momento durante mucho más tiempo de lo que estaban trabajando en el móvil cuando se desarrolló ese cambio de plataforma.

Una de las preguntas clave que los inversores deben tener en cuenta cuando se trata de Google es si los usuarios querrán que las respuestas a sus preguntas sean entregadas por un chatbot de IA, o si la gente todavía querrá explorar la web abierta. Es importante destacar que esta pregunta debe enmarcar en relación con la actividad de «intención de compra», que son el tipo de solicitudes de información contra las que el negocio de publicidad de Google genera tantas ganancias.

Una solicitud de información sin intención de compra podría ser algo así como: «¿cuál es la capital de California?» Solo hay una respuesta correcta a esta pregunta y nadie piensa lo contrario. La respuesta que el usuario está buscando es Sacramento. No es un enlace a otro sitio. No es un anuncio. Solo la palabra Sacramento.

Si le haces esta pregunta a ChatGPT, responde a «Sacramento». Si le haces esta pregunta a Bard de Google, responde a «Sacramento». Y lo que es más importante, si haces esta pregunta a la búsqueda tradicional de Google, responde a «Sacramento». Sin enlace, sin anuncios, solo la palabra Sacramento. Estas llamadas búsquedas de «cero clic» son muy, muy comunes en Google. Los estudios de varios terceros sugieren que la mayoría de las búsquedas son búsquedas sin clic. Y aquí no es donde Google gana dinero.

Búsquedas de intención de compra, como «¿qué paletas de pickleball debería comprar un principiante?» son bastante diferentes. Dependiendo de la versión de ChatGPT que utilices, obtendrás diferentes respuestas. Y si usas el Bard de Google, también obtendrás respuestas diferentes. Si haces esta pregunta a la búsqueda tradicional de Google, obtendrás anuncios de paletas de pickleball y enlaces a varios sitios web que revisan paletas de pickleball para principiantes.

El hecho es que no hay una «respuesta correcta» a esta pregunta. Es lo que Google llama una «búsqueda de NORA» para «No One Right Answer». Si piensas en la naturaleza del conocimiento, te darás cuenta rápidamente de que casi todo lo que es importante en la vida es una búsqueda de NORA. Y el concepto mismo de mercados libres se debe a la idea de que no hay una respuesta correcta a la pregunta de lo que alguien debería comprar.

Diríamos que tanto las respuestas tipo AI-chatbot como los enlaces a sitios expertos en la web abierta son relevantes para un posible comprador por primera vez de paletas de pickleball. Una de las grandes cosas de Google es que ya tienen una enorme base de usuarios de la Búsqueda de Google, es el sitio web más popular del mundo, siendo YouTube, propiedad de Google, el número 2, y están persiguiendo una estrategia que no requiere que los usuarios elijan entre la búsqueda tradicional y una respuesta basada en chatbots de IA.

Recientemente, Google introdujo Search Generative Experience (SGE). Mientras que Bard se mantiene como un chatbot independiente, SGE inserta directamente respuestas basadas en el chat en las búsquedas que se ejecutan en Google. Esto es importante porque, aunque mucha gente ha usado ChatGPT, su popularidad se ve empequeñecida por el número de usuarios de Google. Así que a medida que Google lanza SGE a nivel mundial (actualmente está disponible en algunos países, con una lista de espera para que los usuarios obtengan la aprobación), es muy probable que la gran mayoría de los humanos tengan su primera experiencia con un chatbot impulsado por un modelo de lenguaje grande en la página de inicio tradicional de Google Search.

Sí, ChatGPT tenía una ventaja con su primer movimiento, pero Google tiene una gran ventaja de distribución. Mientras que los usuarios de ChatGPT, o la versión de este chatbot incrustada en Bing, necesitan registrarse de forma proactiva y luego pensar proactivamente para probar el servicio cuando tengan una pregunta, con el despliegue de Google la experiencia del chatbot se enviará a los usuarios, y Google puede buscar optimizar cuando una respuesta de chatbot es valiosa y cuando una lista tradicional de resultados de búsqueda basados en enlaces

En la siguiente sección hablaremos de por qué creemos que ServiceNow está bien posicionado para capturar parte del fondo de beneficios de la IA. Pero los inversores deben reconocer que, si bien la IA, interrumpirá a algunas empresas y beneficiará en gran medida a otras empresas. Los mayores ganadores de la IA podrían no ser las propias empresas de IA, sino las empresas existentes que pueden usar la IA para mejorar su propio negocio, o los nuevos negocios que se fundarán para usar la IA para resolver viejos problemas de nuevas maneras.

Para terminar, queremos compartir este cómic que creemos que es uno de los comentarios más perspicaces que hemos visto sobre la IA.

Hoy en día, la mayoría de las personas que piensan en las oportunidades de la IA ven el mundo desde el punto de vista del primer fotograma del cómic. ¡Qué genial si solo podemos escribir una viñeta y la IA puede escribir correos electrónicos largos y convincentes! ¡Piensa en cuánto tiempo ahorraría y en el impacto positivo que tendría en la calidad de los correos electrónicos que enviamos!

Pero el segundo fotograma revela el problema. La IA no es solo para ti. El potencial dramático y revolucionario de los grandes chatbots basados en modelos de lenguaje es que todo el mundo, gratis (!) puede usar IA. ¿Quién va a leer exactamente los correos electrónicos en un mundo de IA? ¿No te encantaría tener una IA que procese todos tus correos electrónicos por ti, simplemente presentando una lista de opciones para tomar y luego disparando un montón de respuestas? Pero en ese mundo, ¿importa siquiera un correo electrónico largo y convincente? ¿Existirá el correo electrónico en un mundo de post IA? Si cada persona va a tener un asistente de IA, ¿por qué son importantes los mensajes escritos largos y convincentes? Tal vez cada uno de nosotros tenga conversaciones cortas y concisas con nuestros asistentes de IA y luego nuestros bots de IA se comunicarán directamente entre sí, negociando en nuestro nombre antes de regresar para pedirnos que hagamos otra lista corta de opciones.

El impacto inicial de la IA ya ha llegado. Los cambios ya se han puesto en marcha. Pero las contra-acciones acaban de empezar. Muchas de las increíbles soluciones que ves hoy en día están resolviendo un problema que no existirá en solo un par de años, ya que el objetivo de las soluciones comienza a adoptar sus propias herramientas de IA.

Pero aunque hoy no podemos saber a dónde llevará la IA, podemos ver claramente que es algo grande, que se mueve rápido, y es tan importante reconocer lo que aún no se sabe, como tratar de entender lo que sucederá a continuación.

¿Cómo hacer trading con el Mass Index? por Bramesh Bhandari

• La incertidumbre engendra el cambio; ese es el principio subyacente del Mass Index, que postula que un aumento en la volatilidad precede a un cambio en la tendencia de los precios. ¿No sabes todavía cómo hacer trading con este indicador?
• Artículo publicado en Hispatrading 55.

Desarrollado por Donald Dorsey, el Mass Index monitorea la expansión del rango utilizando el rango máx-min como indicador de volatilidad. El indicador en sí no determina el sesgo de dirección actual o potencial. En cambio, sugiere cuándo cambiará la tendencia.

La simple observación de precios u otros indicadores, como las medias móviles, son necesarios para determinar la tendencia actual.

Volatilidad

La volatilidad se define de varias maneras. Hay medidas basadas en aritmética simple, hay definiciones arraigadas en análisis estadísticos sofisticados y también hay definiciones que se basan en el comportamiento de precios de opciones relacionadas.

Sin embargo, en los términos más simples, la mayoría de los traders piensan en la volatilidad como el alcance y la frecuencia de los cambios de precios. Los períodos de alta volatilidad están marcados por cambios de precios que son grandes y numerosos. Los períodos de baja volatilidad tienen pocos cambios de precios, y los cambios de precios que ocurren mantienen el mercado subyacente en un rango relativamente estrecho.

Cuando los actores del mercado acuerdan un precio de equilibrio, los precios son estables. Los compradores no están dispuestos a ofrecer mucho más que el precio actual y los vendedores no están dispuestos a aceptar mucho menos que el precio actual. Las operaciones se darán, pero dentro del statu quo. Sin embargo, cuando los actores del mercado no están de acuerdo sobre el equilibrio de precios, los precios no son estables. Los extremadamente alcistas pueden subir los precios con fuerza, mientras que los vendedores pueden seguir con fuertes ventas.

Muchos traders, no solo Dorsey, sienten que los ingredientes de estos períodos de alta volatilidad conducen lógicamente a cambios de tendencia. En otras palabras, estos son tiempos de cambio, y los tiempos de cambio experimentan cambios de precios mayores, que tiempos de certeza.

Cálculo

El Mass Index tiene un cálculo simple. Está compuesto por:

• Una media móvil exponencial (EMA) de nueve períodos del diferencial máx-min
• Una EMA de nueve períodos de la EMA de nueve períodos del diferencial máx-min
• La relación EMA es la EMA del diferencial dividida entre la EMA de la EMA. El Mass Index es la suma de 25 períodos de este ratio de la EMA.

Según Dorsey, el llamado «bulto de giro» es una señal probable de cambio de tendencia (independientemente de la dirección de la tendencia). Tal aumento se produce cuando el Mass Index de 25 días alcanza 27,0 y luego cae por debajo de 26,0 (o 26,5). Por lo general, se usa una media móvil principal de nueve días para determinar si el cambio es una señal de compra o venta.

En la Figura 1 se puede ver un gráfico del promedio industrial Dow Jones junto con el Mass Index. Cuando el Mass Index sube por encima de la línea de configuración y luego cae por debajo de la línea de activación, indica una mayor probabilidad de un giro de precios. Este es el bulto de giro. Es imposible establecer la dirección de la tendencia usando solo el Mass Index, pero tiende a presagiar cambios de tendencia.

Señales de trading

Dorsey enseñó que aunque se produce un bulto cuando el Mass Index se mueve por encima de 27,0, este bulto inicial no completa la señal. Dorsey esperó a que este aumento se revirtiera con un movimiento que regresara por debajo de 26,5. Una vez que se completa el bulto de giro, los traders deben usar otras técnicas de análisis para determinar la dirección del próximo movimiento y cronometrar sus operaciones.

Idealmente, una tendencia bajista seguida de un bulto de giro sugeriría una reversión de  la tendencia alcista. Por el contrario, una tendencia alcista seguida de un bulto de giro sugeriría una cambio en la tendencia bajista. La configuración clave es el bulto de giro. La señal de trading real debe ser un poco más precisa.

Una posibilidad para activar una entrada podría comenzar con una EMA del precio de nueve días. Un trader que utilice esta técnica iría en largo si hay un aumento de giro y la EMA apunta a la baja. El trader iría en corto si hay un bulto de giro y la EMA apunta al alza. Una orden de stop dinámico sería apropiada para abrir la operación una vez que el precio se girara; y usar órdenes de stop loss sería muy prudente en todas las operaciones que se realizaran.

El ejemplo en “volatilidad larga» (Figura 2) muestra a Apple con el Mass Index produciendo bultos de giro después de una fuerte tendencia bajista. En este caso, el bulto de giro dio la señal adecuada y precedió a un repunte de precios de $ 70 a $ 100 por acción.

En la práctica, los analistas que busquen señales probablemente tendrán que relajar los requisitos de Dorsey para el bulto de giro inverso porque el Mass Index rara vez supera los 27,0. Se necesita una volatilidad excepcional para empujar el índice por encima de este nivel. Aún así, el Mass Index es una herramienta técnica útil que los traders pueden usar para cronometrar la entrada a los mercados que tocan suelo.

La crisis financiera de 2007-08 ofrece un buen ejemplo de cómo se podría haber utilizado el Mass Index para iniciar posiciones cortas en el S&P 500 (consulte “Anticipación de la caída”, en la Figura 3). El ejemplo muestra un gráfico diario del S&P 500 con el Mass Index produciendo bultos de giro. La tendencia fue alcista cuando el Mass Index se movió por encima de 27,0, lo que significaba que se esperaba un giro bajista. La señal precedió a una caída de precios de 1510 a 1256.

Zona peligrosa

Los giros en el trading pueden ser peligrosos si no se protegen adecuadamente. Debemos cubrir nuestras operaciones y buscar salir de las posiciones rápidamente si la operación sale mal. Como indicador de volatilidad suavizado, el Mass Index tiende a producir menos señales falsas que muchas otras herramientas técnicas basadas en rangos de negociación. Sin embargo, no existe un sesgo direccional con el Mass Index, por lo que los traders deben confiar en dos tipos diferentes de confirmación: uno para mostrar el sesgo direccional y otro para confirmar la probabilidad de un giro.

Desarrollando tu singularidad como trader por Brett N. Steenbarger, Ph.D.

Comúnmente escuchamos que una clave para el éxito en el trading es ser disciplinado y ser fiel a un proceso. Eso es cierto, pero es solo una parte de la verdad. Si somos disciplinados al hacer las mismas cosas que otras personas, simplemente seremos más consistentes en el logro de rendimientos mediocres. Después de haber trabajado con muchos traders y empresas de trading a lo largo de los años, y especialmente después de haber participado en la contratación de traders en esas empresas, puedo decir con confianza que los traders de éxito distintivo ven los mercados de maneras distintiva y únicas. No solo tienen mejores respuestas; hacen mejores preguntas. Los operadores inusualmente exitosos simplemente miran cosas diferentes a las de los traders promedio y miran los mercados de maneras diferentes y distintivas.

Un comienzo importante para cultivar nuestra singularidad es la adquisición de nuevos conjuntos de datos. Al operar con el mercado de valores en general, un conjunto de datos que he encontrado prometedor es el porcentaje de acciones dentro de cada sector que se negocia por encima de varios promedios móviles. (Datos del excelente sitio Barchart.com). Así, por ejemplo, hago un seguimiento del porcentaje de acciones dentro del sector de la energía (XLE), el sector discrecional del consumidor (XLY), el sector de productos básicos de consumo (XLP), el sector de la atención médica (XLV), etc. que están por encima de sus respectivos promedios móviles de 20 días. Esta información nos dice, no solo si el mercado general ha sido fuerte o débil, sino qué partes de los mercados han sido particularmente fuertes o débiles.

La recopilación de nuevos datos nos permite hacer preguntas nuevas, y a veces mucho mejores.

Entonces, por ejemplo, ¿qué hemos visto en el mercado general (SPY) cuando las acciones de consumo discrecional superan en gran medida o tienen un rendimiento inferior a las acciones de productos básicos de consumo? ¿Hay información única en la fuerza y debilidad relativa?

Por supuesto, cuando el porcentaje de acciones de consumo discrecional está por encima de sus promedios móviles ha sido mucho mayor que el porcentaje de acciones de productos básicos de consumo en los últimos tres años, vemos rendimientos notablemente débiles durante los siguientes cinco días de negociación en SPY, pero rendimientos particularmente fuertes en los siguientes 20 días. Curiosamente, este es un patrón que también vemos después de movimientos de impulso inusualmente fuertes en el mercado en general: una tendencia a consolidarse/retroceso en los próximos días, seguida de un impulso al alza. Tiene sentido que un impulso relativo entre las acciones de consumo discrecional muestren tal impulso, ya que los inversores cuentan con el tipo de crecimiento económico que sostiene el gasto discrecional.

Por el contrario, cuando un gran porcentaje de las acciones de las empresas de servicios públicos se han estado moviendo por encima de sus promedios móviles de 20 días, los siguientes rendimientos a 20 días en el SPY han sido negativos, en comparación con los rendimientos sólidamente positivos cuando pocas acciones de las empresas de servicios públicos se han estado negociando por encima de sus promedios de 20 días. El vuelo hacia la seguridad de los rendimientos no ha sido un indicador prometedor a medio plazo de los rendimientos para el mercado en general.

¿Qué tal cuando los traders se mueven agresivamente a las acciones de pequeña capitalización? Cuando el número de acciones en en el índice de pequeña capitalización SP600 que cotizan por encima de sus promedios móviles de 20 días ha sido bastante alto, los rendimientos de los próximos 5-10 días en SPY han sido negativos, antes de que posteriormente fueran significativamente más altos. Una vez más, este es un patrón similar al observado con los empujes de amplitud general.

Este es solo un ejemplo de cómo podemos desarrollar rendimientos distintivos mediante el estudio de la información distintiva del mercado. También recojo bases de datos de acciones que hacen nuevos máximos y mínimos sobre una base de uno y tres meses; acciones que muestran señales de compra y venta en varios indicadores técnicos del mercado; etc. Todas son formas de entender cuándo los movimientos tienden a girarse y cuándo tienden a continuar. El éxito en el trading comienza con mirar cosas únicas, hacer preguntas únicas y confiar en datos objetivos para obtener respuestas.

Inflación, simetría y ondas de choque por Ed Yardeni

La inflación tiende a ser un fenómeno simétrico. Tiende a bajar tan rápido o tan lento como subió cuando se mide sobre una base anual. Podemos ver este patrón constante en la tasa de inflación del IPC de EE. UU. desde 1921 (Fig. 1). La simetría de la inflación ha sido particularmente pronunciada en el sector productor de bienes (Gráfico 2).

Eso se debe a que los precios de los bienes tienden a responder rápidamente a los cambios en la oferta y la demanda causados por cambios en los precios. El aumento (descenso) de los precios de los bienes, especialmente de las materias primas, tiende a desalentar (impulsar) la demanda mientras estimula (deprime) la oferta. Los precios en el sector proveedor de servicios tienden a ser más rígidos porque los costos laborales tienden a ser más importantes allí que entre las industrias productoras de bienes, que dependen menos de la mano de obra gracias a las innovaciones que mejoran la productividad. No obstante, la tasa de inflación del IPC en servicios también ha sido relativamente simétrica desde el inicio de los datos mensuales en 1957.

El ciclo económico de auge y caída juega un papel en la simetría de la inflación; la inflación normalmente se acelera durante la última etapa de los auges y se modera durante las caídas. La política monetaria juega un papel importante en el ciclo inflacionario, ya que los bancos centrales se quedan atrás de la curva de inflación durante las expansiones económicas, lo que impulsa la inflación. Luego se apresuran a adelantarse a la curva de inflación ajustando agresivamente la política monetaria, lo que desencadena recesiones.

Esa es una descripción simple de la relación del ciclo de inflación con los ciclos económico y monetario. Desde que Milton Friedman nos enseñó a todos durante la década de 1970 que la inflación es siempre y en todas partes un fenómeno monetario, la experiencia nos ha enseñado que muchos otros factores además de la política monetaria también influyen en la inflación. De hecho, Friedman aclaró más tarde que se refería a episodios de inflación persistente. A corto plazo, reconoció que los choques de oferta pueden afectar los niveles de precios.

De hecho, nuestra tesis central desde que la inflación asomó su fea cabeza en 2021 y 2022 ha sido que las altas tasas de inflación fueron provocadas por varios shocks de oferta atribuibles principalmente a la pandemia y a la invasión rusa de Ucrania. En el Morning Briefing del 16 de marzo de 2022, escribimos: “Debbie y yo elevamos nuestro pronóstico de inflación como resultado de la crisis de Ucrania. Ahora esperamos que la tasa de inflación básica PCED alcance su punto máximo en 6.0%-7.0% a mediados de año y caiga a 4.0%-5.0% para fines de año. Entonces podría disminuir a 3%-4% en 2023, tal vez”.

Más recientemente, en el Morning Briefing del 17 de julio, escribimos: “La tasa de inflación del IPC de bienes ha resultado ser transitoria, alcanzó su punto máximo el verano pasado y cayó a -1,2 % a/a, con el IPC de bienes duraderos y no duraderos cayendo un 0,8 %. y 1.3% respectivamente durante junio. La inflación ha sido una de las ondas de choque desatadas por la pandemia que está amainando. Las políticas fiscales y monetarias excesivamente laxas durante la pandemia dieron como resultado un atracón de compras de bienes que abrumaron las cadenas de suministro globales, como se puede ver en el Índice de Presión de la Cadena de Suministro Global de la Reserva Federal de Nueva York. Este índice se disparó de 0,11 en octubre de 2020 a 4,31 en diciembre de 2021. Bajó a -1,20 en junio”. Agregamos que la inflación de los servicios, en particular la inflación de las rentas, también resultaría transitoria.

Esta vez, la inflación se ha atribuido a shocks de oferta que se vieron exacerbados por shocks de demanda. En nuestra opinión, las ondas de choque relacionadas con la pandemia inflacionaria deberían continuar moderándose durante el próximo año sin una recesión en toda la economía.

¿Mercado irracional o señal de punto de giro? por Hispatrading

• Una de las citas más conocidas relacionada con el mundo de la bolsa es la famosa frase de Keynes: “Los mercados pueden mantener su irracionalidad más tiempo del que tú puedes mantener tu solvencia”. Nadie que haya operado durante un tiempo en bolsa pone en duda la verdad que esconden esas palabras. Sin embargo, en la mayoría de las ocasiones, es la lógica la que se impone y la que determina el flujo del dinero en los mercados. Por eso, algunas de estas  situaciones extremas pueden ayudarnos a detectar puntos de giro en las bolsas de valores.
• Artículo publicado en Hispatrading 16.

En el artículo de hoy me gustaría hablar sobre dos de estas “irracionalidades” que nos pueden dar una ventaja a la hora de operar: la inversión de la curva de tipos como punto de giro para el largo plazo y la inversión en la curva de volatilidad para el corto plazo.

Inversión de la curva de tipos de interés

Cuando operamos en los mercados siempre lo hacemos buscando lograr la mayor rentabilidad posible para nuestro dinero en función de nuestro perfil de riesgo.

Los tipos de interés, o “precio del dinero” como se conocen vulgarmente, son fijados por los bancos centrales y representan el punto de equilibrio entre el riesgo que conlleva el préstamo de dinero y el posible beneficio que se espera obtener de la utilización de dicha cantidad de dinero en una situación y tiempo determinado. 

Para valorar si un tipo de interés es alto o bajo, normalmente se analiza la curva de tipos, que muestra la distinta rentabilidad de los bonos nacionales para los distintos vencimientos (3 meses, 6 meses, 1 año, 2 años, 5 años, etc.)

La lógica nos dice que una inversión a corto plazo ofrecerá menor rentabilidad que una a largo plazo, ya que el riesgo aumenta a medida que esperamos más tiempo para recuperar la inversión. Esta es la situación que se produce normalmente, y genera una curva de tipos con pendiente ascendente tal y como podemos ver en el gráfico anterior. A mayor tiempo, mayor rentabilidad.

Este es el pilar en el que se basa el sistema financiero actual: pedir prestado a corto, prestar a largo y beneficiarse de la diferencia o spread. Cuando esta horquilla desaparece, tarde o temprano también lo hace la liquidez. Esta situación extraordinaria da lugar a una curva de tipos invertida y suele derivar en retrocesos importantes de los mercados de valores. Por esto puede servirnos como alerta a la hora de detectar giros bajistas en el largo plazo.

¿Cómo podemos analizar esta situación para detectar los momentos irracionales en la curva de tipos de interés?

En los mercados se suele tomar como regla de medida para el largo plazo la rentabilidad del bono a diez años. Podemos utilizar la relación existente entre este bono y un producto de más corto plazo, como el bono de dos años, para determinar los momentos en los que la curva de tipos se invierte. 

Mientras la rentabilidad del bono a 10 años sea mayor que la rentabilidad del bono a 2 años (situación lógica en una curva de tipos), esta relación se encontrará por encima de 0. Sin embargo, cuando la rentabilidad del bono de 10 años sea inferior a la del bono a 2 años, la relación pasará a terreno negativo y nos estará avisando de una inversión en la curva de tipos: situación irracional que suele preceder a caídas en las bolsas.

Tal y como podemos ver en el siguiente gráfico de la Reserva Federal de Estados Unidos, a lo largo de la historia se han dado momentos en los que esta relación ha pasado a terreno negativo. Claramente se observa que esta situación extraordinaria de la curva de tipos de interés (curva invertida) sirve como indicador adelantado de recesiones (marcadas en gris) y, en muchos casos, caídas de la bolsa.

He querido resaltar en la imagen las últimas ocasiones en las que la curva de tipos de interés se invirtió (crisis de las “punto com” y la crisis de las hipotecas subprime), pues en ellas se ve con mucha claridad el comportamiento de los mercados después de estas situaciones irracionales. 

Pero no sólo en estos dos últimos periodos bajistas este indicador ha servido como señal adelantada de problemas en el largo plazo. Las estadísticas muestran que la inversión de la curva de tipos asegura una probabilidad del 80% al 90% de recesión durante los siguientes 6 meses.

Inversión de la curva de volatilidad

Hasta ahora hemos visto cómo la inversión en la curva de rentabilidad de los tipos de interés marca con bastante precisión los momentos de giro bajista en los mercados. Como las rentabilidades de los bonos no sufren grandes movimientos en el corto plazo, esta relación funciona muy bien para el largo plazo, pero no nos ofrece información para el corto.

La pregunta que podríamos hacernos es la siguiente: ¿existe la posibilidad de aplicar esta misma teoría basada en la irracionalidad de los mercados sobre instrumentos de más corto plazo que nos indiquen puntos de giro de las bolsas en espacios temporales más cercanos?

La respuesta es afirmativa, y la encontramos en las curvas de volatilidad.

El Chicago Board Options Exchange Market Volatility Index o más conocido como VIX, o de manera informal “indicador del miedo del inversor”, es un indicador que mide la volatilidad que los inversores esperan ver durante los próximos 30 días en el S&P 500. No es un indicador que muestre la volatilidad que se ha vivido hasta ahora, como mucha gente piensa, sino la volatilidad futura.

El CBOE, además del VIX, también publica otros indicadores como el VXV, que mide la volatilidad en el S&P 500 para los próximos 3 meses. En definitiva, sería como el indicador VIX pero en un marco temporal más largo.

Si intentamos aplicar la misma teoría vista para la curva de tipos en los índices de volatilidad, la lógica nos dice que la volatilidad a largo plazo debería ser mayor que la volatilidad a corto. Es sencillo, el futuro es más difícil de predecir a medida que nos alejamos en el tiempo, por lo que su volatilidad debería ser mayor.

Cuando la irracionalidad se hace presa de los mercados (momentos de recortes bruscos), el índice de volatilidad VIX se dispara al alza. En los momentos extremos, la volatilidad esperada a corto plazo (VIX) puede ser mayor que la volatilidad esperada a largo (VXV). Tan pronto como esa situación comienza a corregirse, los mercados suelen iniciar un nuevo movimiento al alza en el corto plazo, pues se entiende que el peligro inminente ha pasado. Es decir, esa recuperación determina un punto de giro del mercado que podemos aprovechar para operar.

En el siguiente gráfico podemos ver la relación del VIX con el VXV (VXV/VIX) y el movimiento del S&P 500 en lo que llevamos de año. Esta relación ha caído 3 veces por debajo de 1, o lo que es lo mismo la volatilidad a un mes (VIX) mayor que la volatilidad a tres meses (VXV). Claramente se observa como esos momentos son puntos de giro alcista del mercado en el corto plazo.

La mejor forma de determinar si realmente esta suposición es cierta o no consiste en desarrollar un sistema automático de trading basado en dicha relación y comprobar por medio de un test histórico si ganamos dinero con él.

Para ello desarrollaré un sistema muy básico que sólo pretende comprobar la validez de las señales de la relación VXV/VIX. No es un sistema que pueda operarse en real, ya que para ello necesitaría un filtrado de las señales y una buena estrategia de salida.

Este sistema abre una posición larga cuando la relación VXV/VIX se sitúa por encima de 1 (situación normal), después de haber hecho una excursión por valores inferiores (situación irracional). La salida será a los 10 días de la apertura de la operación.

Si realizamos un backtest sobre los 3 últimos años del S&P 500 en gráfico diario con un capital inicial de 10000$, los resultados que se obtienen son los siguientes:

Aunque no disponemos de suficientes muestras como para confiar en la fiabilidad estadística de los resultados, el alto porcentaje de aciertos sugiere que la inversión de la curva de volatilidad es un patrón que puede darnos una ventaja o “edge” a la hora de operar en el corto plazo.

Conclusión

En este artículo he intentado mostrar cómo los momentos de extrema irracionalidad de los mercados pueden servirnos como base para sistemas de contratendencia que busquen los puntos de giro de las bolsas.

Tanto la inversión de la curva de tipos de interés (para el más largo plazo) como la inversión de la curva de volatilidad (para el corto plazo) son claros ejemplos de indicadores que podemos utilizar para decantar la probabilidad de éxito en los mercados a nuestro favor.