El valor de los factores sistemáticamente perdedores por Ignacio Villalonga

• Siempre nos centramos en las claves para hacer un sistema ganador. ¿Y si la clave estuviera en saber qué puede hacerlo perdedor?
• Artículo publicado en Hispatrading 53.

“I think being successful is just about not making mistakes. It’s not about having correct judgment. It’s about avoiding incorrect judgments”. The Almanack of Naval Ravikant

La mayoría de los inversores se pasa la vida pensando en el mejor sistema, la mejor cartera, la siguiente acción que va a ser un 100x bagger, la composición perfecta y otra serie de decisiones basadas en qué comprar, en tomar la decisión de mayor rentabilidad. Sin embargo, evitar aquellas inversiones que pueden ser las mayores perdedoras puede resultar mucho más beneficioso. Mi propuesta es filtrar primero acciones que sistemáticamente son perdedoras, para luego poder buscar las reglas ganadoras con mayor facilidad.

La vía negativa

En otras disciplinas, la implementación de la vía negativa como pilar primordial está muy extendido. En el mundo del fitness es mucho más frecuente escuchar sobre la importancia de eliminar hábitos negativos. En el venture capital o Private Equity, los inversores repiten una y otra vez que lo importante es decir que no a muchas empresas, porque su selección tiene que ser muy concreta. Gran parte de su éxito se basa en invertir en las empresas que “no” van a quebrar. La tasa es muy alta, y ahí es donde tienen la ventaja.

A la hora de diseñar carteras con acciones por factores, una herramienta muy potente es ser capaz de eliminar de tu universo elegible aquellas acciones que son sistemáticamente perdedoras. Esas acciones se camuflan en el universo de acciones porque no llaman tanto la atención. Suben cuando el mercado sube, bajan cuando el mercado baja, y se pierden entre la inmensidad del universo de acciones. Sin embargo, al fijarse bien, estas son perdedoras sistemáticamente respecto al resto de acciones. 

Identificar factores sistemáticamente perdedores es tan importante como puede generar como identificar factores ganadores, siendo una herramienta muy potente para el inversor retail. 

A lo largo de este artículo, me gustaría compartir con vosotros la importancia de filtrar bien en qué no querríamos invertir, para poder elegir bien luego lo que sí. 

Voy a enfocarlo hacia una cartera de acciones, pero esto es aplicable a cualquier tipología de inversión. 

Primero, lo básico

“Over the years, a number of very smart people have learned the hard way that a long string of impressive numbers multiplied by a single zero always equals zero.” Warren Buffett, carta a los accionistas de Berkshire Hathaway de 2005 

Además de los factores sistemáticamente perdedores, en el mundo de la inversión, estos “ceros” también son costes altos, problemas de operabilidad, impuestos, apalancamiento excesivo, etc.

Por tanto, lo primero que debería filtrarse antes de empezar a realizar ninguna otra operación, son estos factores que hacen que simplemente operar la acción no merezca la pena. Si solo trabajáis con empresas de alta capitalización, no tendréis problema con esto. Pero para los que nos gusta buscar empresas desconocidas (donde hay más ventajas) es importante descartar aquellas que no son operables. 

Estos filtros se aplican para asegurar que la acción tiene un volumen que la haga operable y que su precio tenga sentido sin deslizamientos inasumibles, que tenga información suficiente para estudiarla, etc. Todo esto estará muy ligado al tamaño de la cartera, de la posición y de las reglas de selección que vayas a escoger. Las empresas pequeñas tienen mas ineficiencias al estar menos estudiadas y presentan mayores potenciales. Sin embargo, también son de las que se dispone muchas veces menos información, y además, su volumen es más bajo, por lo que posiciones grandes pueden mover el precio y generando un sobrecoste que degrade los resultados del modelo. 

Aunque parece básico, mucha gente hace estudios o backtests sin estos filtros primero, y obtiene resultados absolutamente idealizados. Y eso es una de las cosas que NO queremos.

Por supuesto estos filtros tienen además que ayudar a descartar cosas que pueden hacerte sentir incómodo. Por ejemplo, empresas que están en procesos de M&A, que tienen una OPA, que están tardando demasiado en reportar, o que van a reportar información dentro de muy poco tiempo y eso puede hacer que cambie tu análisis cambie antes de lo que te gustaría. Utiliza los filtros para descartar sorpresas con las que no quieres encontrarte.

Dando la vuelta al problema

“Subtractive knowledge: You know what is wrong with more certainty than you know anything else.” Nassim Taleb

Encontrar cual es el factor que hace que una empresa vaya a crecer más que las demás es muy complejo. Es difícil entender cuáles serán las tendencias del futuro, si la gente seguirá queriendo esa marca, si el management no tomará decisiones erróneas, o hasta cuándo podrás seguir creciendo, puesto que el límite de crecimiento es potencialmente “infinito”. 

Sin embargo, encontrar factores que hacen que una empresa este sufriendo más que los demás es más sencillo, porque eventualmente las empresas tienen un límite de errores y, y al final que valgan cero y quiebren es algo más fácilmente identificable. 

Factor sistemáticamente Perdedor

Un factor ganador sería aquel que al rankear las empresas, cuanto más arriba, es estadísticamente más probable que obtenga un rendimiento superior a la media. Puede ocurrir que muchas veces, a partir de cierto nivel, ya de igual. Es decir, el factor es capaz de separar a las ganadoras pero no igual de bien a las perdedoras, y debajo de determinado nivel los rendimientos son similares en cada decil. 

Teniendo esto en la cabeza, un factor sistemáticamente perdedor sería aquel que identifica muy bien aquellas empresas que son sistemáticamente perdedoras, pero que por encima de determinado nivel las ganadoras no es capaz de identificarlas. 

El factor ideal es aquel que es capaz de separar de tanto las ganadoras como las perdedoras

Esquema de resultados de factores en función de qué tipo de acciones es capaz de identificar: ganadoras, perdedoras o ambas.

Nota: un gráfico de cestas como el que mostramos se genera ordenando las acciones en función de un determinado factor y mirando su rendimiento en cada periodo de rebalanceo, donde vuelves a ordenar y a generar las cestas. 

Ventajas en la amplitud del universo

Partir de universos de acciones que ya están filtrados con las acciones que no queremos que aparezcan tiene dos grandes ventajas: 

1. La primera es que, a la hora de seleccionar las acciones dentro de ese universo, vamos a partir de un sitio más seguro, y eso lleva a minimizar riesgos, mejorando el rendimiento. La parte negativa dentro de este punto es que encontrar un sistema de selección que genere alfa añadido será una tarea más compleja. 
2. El segundo punto y probablemente el más importante, es que a la hora de realizar los backtests, al haber aplicado los filtros de operabilidad, van a ser mucho más fiables, y tendrás más garantías de que los resultados se adecuaran más a la realidad. A parte, es probable que hayas eliminado outliers que distorsionaban los resultados.

Nota: hablamos de reducir la posibilidad, no de eliminar el riesgo por completo. 

Ejemplo: Return on Equity

Todo esto tiene como objetivo mejorar la selección de cartera. Vamos a ver un ejemplo. Nosotros sabemos que el Return on Equity (RoE) es un factor de calidad. Y que las empresas con mejor RoE performan mejor. Pero, si vemos el gráfico de cestas aplicado al SP1500, vemos que la mayor diferencia no se da entre el Top 20% y el resto de cestas. La mayor diferencia se da entre el Peor 20% y el resto.

La imagen (5) anterior, son resultados realizados con una herramienta de Backtesting rebalanceando las cestas cada 4 semanas.

Para ver esto de forma un poco más intuitiva, podemos ver cómo se comportarían las carteras a lo largo del tiempo. 

Podemos ver cómo lo que realmente aporta el factor es: Si la cartera está formada con las acciones cuyo RoE a doce meses (TTM) es mayor que cero, o si la cartera elimina el peor 20% de las acciones con peor RoE, los resultados son prácticamente idénticos. Incluso no se aprecia diferencia eliminar el 20% peor o el 50% peor. De hecho, el resultado apenas varía si se tomamos solamente el 20% de acciones con mayor RoE.

Básicamente, el valor está en descartar las que tienen un RoE negativo o muy bajo. 

Ahora tienes un 80% de acciones de tu universo restante para poder elegir que comprar, sabiendo que entre ellas no estarán aquellas que son potencialmente sistemáticamente perdedoras. 

En este caso, si solo te quedases con el top 20%, habrías eliminado muchas acciones sin obtener ningún tipo de ventaja ni beneficio.

De hecho, eliminar acciones de más es contraproducente cara al estudio y la relevancia estadística posterior. 

Ejemplo Completo

Para generar un ejemplo concreto, vamos a tomar el universo Russell 3k y vamos a partir de una composición de cartera rebalanceada Equal Weight cada 4 semanas, con deslizamiento, comisiones y dividendos incluidos. Por supuesto, vemos que el no hacer nada y beneficiarse de una cartera Equal Weight con acciones operables ya aporta más de un 2,5% más de alfa. A partir de aquí, vamos a ir quitando grupos de acciones con la intención de ir mejorando el resultado final. 

Terminamos eliminando aproximadamente dos tercios (2/3) del universo para pasar de un CAGR de 9,6% a 12,8%, que es más de un 33% más al año, que en el largo plazo marca una diferencia muy elevada. 

Filtrar al principio es más sencillo, pero a medida que vas quitando acciones, es más difícil que el siguiente factor sea capaz de sacar mucha más ventaja, y elimine “nuevas” perdedoras. De hecho, en este caso se ve claramente que del filtrado Sentiment al siguiente, Growth 2, la diferencia es muy pequeña, y la media de acciones que elimina son 250 más, que es un 25%. Sin embargo, individualmente ambos producen mejoras similares. 

Los filtros utilizados han sido parámetros simples sobre los principales factores: Size, Value, Quality, Growth, y Sentimiento. Dentro de esto hemos generado una cartera rebalanceada Equal Weight, y le hemos metido filtros con RoE, Free Cash Flow, Operative Incomes, Yield y presión bajista sobre la empresa (Short Interest)

Conclusiones

Partiendo del universo final filtrado, podríamos empezar a buscar la forma de seleccionar una cartera de acciones para extraer más rentabilidad, partiendo de un punto donde estadísticamente, batir al benchmark va a ser mucho más sencillo porque hemos eliminado parte de las acciones que peor se comportan.

Esto genera una mecánica mucho más eficiente para diseñar carteras, donde la posibilidad de encontrar patrones ganadores es más alta.

En el ejemplo puesto, con filtros muy básicos, mejoramos el retorno sobre una cartera Equal Weight de todas las acciones en más de un 33% al año desde 1999. Dejamos además un tercio de todo el universo disponible para (+1000 acciones) para poder a pasar a la siguiente fase de selección de una cartera. 

En este caso hemos utilizado factores que encuentran conjuntos de acciones sistemáticamente negativas. No obstante, también podrían usarse filtros binarios como el del ejemplo del RoE%TTM > 0. Estos filtros no eliminan un porcentaje de acciones peores o mejores según un factor, si no en función de si cumplen o no una caracteríssitica binaria. 

El problema es que sabrás con menor exactitud (o menor aproximación) qué porcentaje de empresas eliminan en determinados momentos, siendo mucho más variable que la eliminación en función de un ranking. (Por ejemplo: en periodos bajistas poner filtros como “Beneficios crecientes” hace que el porcentaje de empresas que no pasen el filtro sea tan alto que no tenga relevancia estadística estudiar el universo que queda, por escasez de acciones a seleccionar). Como ventaja, es una regla mucho más precisa y conoces exactamente con qué nivel del factor estás descartando o no a las acciones. 

Aunque todo esto lo he realizado con datos fundamentales, datos derivados del precio (Factor Momentum) y volatilidad pueden ser utilizados de forma eficiente también, siendo mucho más accesibles para cualquier inversor.

Por otra parte, al igual que al trabajar con factores sistemáticamente ganadores, es importante ver que son ganadores a lo largo del tiempo y en diferentes periodos. No analizar bien el factor y entender porque es sistemáticamente perdedor puede llevarnos a generar reglas en base a razones equivocadas. Y eso sí que es un gran error que hay que evitar. 

Una señal poco conocida del Smart Money/Dumb Money Spread por Sentimentrader

Puntos clave

• Nuestro índice Smart Money/Dumb Money Confidence Spread Index está diseñado para resaltar los extremos en el sentimiento de los inversores.
• Una media móvil a largo plazo de este índice también puede ayudar a identificar los momentos en que «la marea ha cambiado».
• Este artículo analiza la media de 200 días del índice para identificar períodos potencialmente favorables para las acciones.

Por lo general, buscamos extremos en el índice Smart Money / Dumb Money Confidence Spread Index para resaltar e identificar cuándo la tendencia favorece un cambio basado un exceso en el movimiento alcista o bajista. Pero hay otras aplicaciones. Y como suele ser el caso, cuanto más simple, mejor.

Para este artículo, destacaremos aquellas ocasiones en las que la media de 200 días del índice Smart Money / Dumb Money Confidence Spread Index cruza por debajo de .09 (técnicamente, usamos 0.089 en el Backtest Engine). En los últimos 20 años o más, este hecho ha tendido a marcar la confirmación de que lo peor ya pasó.

El siguiente gráfico muestra que los máximos en el índice Smart Money / Dumb Money Confidence Spread Index tienden a acompañar a los mínimos del mercado (ya que Dumb Money se vuelve demasiado bajista en relación con Smart Money). También notará que a veces estos eventos marcan mínimos significativos en el mercado y son seguidos por repuntes a más largo plazo. También puede notar que, en otras ocasiones, el rally de alivio puede ser de corta duración (esto es más común durante mercados bajistas más prolongados, como 2000-2002, 2008 y 2022).

Lo que nos dice el estudio…

La buena noticia es que todas las señales anteriores a la señal de marzo de 2023 vieron subidas del S&P 500 en el siguiente año. Si la historia demuestra ser una guía precisa, el mercado subirá en dos dígitos dentro de un año. La mala noticia es que no hay garantía de que la señal de marzo de 2023 muestre resultados similares. Además, puede ser demasiado complicado etiquetar la señal descrita anteriormente como una señal de «todo despejado». Como se muestra en la gráfica anteriore, el S&P mostró ganancias solo el 43% del tiempo un mes después de la señal, y hubo algunas caídas no precisamente pequeñas dentro de los períodos de espera.

No se imagina esto del mercado laboral de Estados Unidos por Ed Yardeni

La fuerte y persistente demanda de mano de obra ha sorprendido a todos, desde los que practican el softland hasta los hardlanders. Los funcionarios de la Fed están desconcertados. Han aumentado la tasa del fondo federal en casi 500 pb desde principios del año pasado para enfriar la demanda laboral y la inflación salarial. Sin embargo, el mercado laboral sigue fuerte.

Durante enero, la demanda de trabajadores medida como la suma del empleo y las vacantes sumó 171,0 millones, 5,1 millones más que la oferta de trabajadores medida por la fuerza de trabajo (Gráfico 9). La escasez de trabajadores ronda los 5,0 millones desde finales de 2021 (Fig. 10). Así es como el presidente de la Fed, Jerome Powell, analizó la situación del empleo utilizando este marco en un discurso del 11 de noviembre de 2022 titulado «La inflación y el mercado laboral».

Se han ofrecido muchas razones razonables para explicar por qué la oferta de mano de obra no se ha mantenido al nivel de la demanda. Sin embargo, nadie parece preguntarse por qué la demanda de mano de obra es tan fuerte. Como miembro titular de la generación Baby Boom, culpo a mi grupo por impulsar la demanda de trabajadores en las industrias de restaurantes, atención médica y camiones y almacenamiento:

(1) Restaurantes. Los estadounidenses en general, no solo los Baby Boomers, comen fuera con más frecuencia. Cenar en casa con la familia es cada vez menos frecuente. Es probable que los Baby Boomers que envejecen vayan a restaurantes con más frecuencia ya que sus hijos son adultos jóvenes con sus propias familias. Muchos de estos niños pueden ser solteros y más propensos a comer solos o con amigos.

El porcentaje de la población de 16 años o más que es soltera ha superado el 50 % desde alrededor de 2015, frente a menos del 40 % a fines de la década de 1970 (Fig. 11). Los solteros son 85,8 millones que nunca se han casado y 49,6 millones que están divorciados, separados o viudos (Fig. 12).

Estas tendencias demográficas podrían explicar por qué las ventas minoristas de servicios de alimentos y lugares para beber se dispararon a nuevos máximos después de la pandemia, superando con creces las ventas minoristas de tiendas de alimentos y bebidas desde entonces (Fig. 13).

El empleo de nómina en los servicios de alojamiento y alimentación se recuperó drásticamente desde la pandemia, y la industria tuvo vacantes por un total de 1,5 millones en enero (Fig. 14).

(2) Cuidado de la salud. Los Baby Boomers que envejecen claramente están aumentando la demanda de servicios y trabajadores de atención médica. Eso es obvio. Durante febrero, se empleó un récord de 21,1 millones de personas en atención médica y asistencia social (Fig. 15). En enero, hubo 1,9 millones de ofertas de trabajo en esta industria

(3) Transporte por carretera y almacenamiento. Entre las industrias que se recuperaron más rápido de la pandemia se encuentran el transporte y el almacenamiento. El empleo en estas dos industrias totalizó 6,7 millones durante febrero, 0,9 millones más que en febrero de 2020, justo antes de los cierres (Fig. 16). ¿Qué tiene eso que ver con el envejecimiento de los Baby Boomers? No podemos molestarnos en ir a centros comerciales y supermercados llenos de gente. Entonces compramos en línea y recibimos los productos en nuestros hogares.

(4) Conclusión. El presidente de la Fed, Jerome Powell, ha reconocido con frecuencia que la Fed tiene un conjunto limitado de instrumentos contundentes para gestionar la economía. Es probable que luchar contra la demanda de mano de obra de los Baby Boomers sea una misión quijotesca imposible de ganar.

Haciendo de la pasión tu propósito por Brett N. Steenbarger

Para empezar este artículo comeremos «visualizando» un video musical, imágenes antiguas de un concierto de Neil Young y compañía interpretando «Like a Hurricane». Es una gran canción, pero lo importante es observar a Neil durante los dos solos de guitarra extendidos. No se trata de alguien tocando una canción; sino como una canción se reproduce a través de él. La pasión con la que toca es tangible. Vivir la vida apasionadamente no es fácil, pero como dijo Neil, «es mejor quemarse que desvanecerse».
Muchos de nosotros estamos desvaneciendo. Estamos haciendo las mismas cosas. Hacemos las mismas cosas de la misma manera y lo glorificamos como «disciplina» y «proceso». Nos enfocamos en trabajar más duro hasta que olvidamos cómo jugar de verdad. Realizamos un seguimiento de todo lo que hacemos en los esfuerzos por mejorar hasta que queda poco para la espontaneidad. Si abordáramos las relaciones románticas de la forma en que se abordan los mercados, perderíamos rápidamente toda pasión y la vida en común se convertiría en poco más que una rutina bien engrasada.

Si vamos a hacer de la pasión nuestro propósito, entonces tenemos que hacer tiempo para lo nuevo y diferente: nuevas experiencias, nuevas perspectivas, relaciones ampliadas y oportunidades para sentir verdaderamente lo que estamos haciendo. El desafío de obtener la máxima rentabilidad es mantener el espíritu y la energía de lo que estamos haciendo incluso mientras trabajamos en la mejora y el dominio. Es por eso que las sesiones de práctica de los grandes equipos -equipos atléticos, equipos militares- combinan ejercicios que despiertan la motivación y el trabajo en equipo con ejercicios que desarrollan habilidades. Vaya a cualquier vestuario en el medio tiempo: los grandes equipos se «encienden», no es algo muy diferente de la absorción de Neil Young en su música.

Querer ganar dinero no es pasión. Llenar diarios de trading y revisar la rentabilidad no es pasión. Todo esto es necesario, pero no suficiente para el máximo rendimiento. La pasión viene de absorbernos en lo que amamos.

¿Qué te gusta de los mercados? ¿Cómo puedes absorberte tanto en ese amor que tu trade adquiere la calidad de los solos de guitarra de Neil Young?

¿O está trabajando tan duro para sacar la emoción de su trading que su carrera de trader se está convirtiendo rápidamente en un romance sin pasión?

La semana pasada, creé una base de datos histórica de estadísticas de amplitud para una amplia variedad de sectores del mercado, de modo que es posible ver dónde entra y sale el dinero del mercado, y luego probar la importancia de tales cambios. Eso está conduciendo a nuevos descubrimientos, nuevas formas de detectar cambios en el régimen del mercado en tiempo real, y eso enciende mi pasión. Hay mucho más por descubrir.

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

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

Introducción

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

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

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

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

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

Tiempo o timing de mercado utilizando indicadores basados en precios

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

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

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

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

En cuanto al rendimiento de nuestras estrategias hasta el presente, la Tabla 1 muestra que ninguna de ellas muestra mejores resultados que Naive, ni sobre una base de rendimiento ni ajustada al riesgo. Además, algunos de ellos sufrieron caídas cercanas a las de MKT. Estos débiles resultados nos motivaron a profundizar y buscar indicadores de precios más complejos de la tendencia del mercado, lo que nos llevó al Índice de Fuerza Relativa.

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

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

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

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

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

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

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

La tendencia produce un rendimiento anual del 5,91 %, menor que Naive o RR (0,5, 0,5), lo cual es comprensible, ya que pasa menos tiempo invertido en MKT. Por otro lado, sufre la pérdida máxima más favorable de -42,87%, exhibe la volatilidad más baja del 11,63% anual y muestra uno de los rendimientos ajustados al riesgo más altos.

Sin embargo, en este punto, nos dimos cuenta de que para mejorar aún más nuestro modelo de sincronización del mercado, tenemos que mirar más allá de los indicadores de precios. Por lo tanto, en nuestro siguiente paso, intentamos combinar las señales de nuestras estrategias de mejor rendimiento en términos de rendimientos ajustados al riesgo, Naive y de tendencia, con señales basadas en indicadores macroeconómicos. Esto se publicará en la parte 2 – Calendario del mercado utilizando indicadores macroeconómicos y macroeconómicos.

Autor:
Ladislav Durian, analista de Quant, Quantpedia

8 preguntas sobre el pánico bancario de 2023 por Ben Carlson

En Animal Spirits de la semana pasada preguntamos por qué los agresivos recortes de tasas de la Reserva Federal aún no habían roto nada en la economía:

Claro, el mercado de la vivienda está básicamente roto, pero todo lo demás se ha mantenido relativamente bien… hasta la semana pasada.

Grabamos nuestro programa el martes. Para el fin de semana veríamos la segunda y tercera quiebra bancaria más grande en la historia de los Estados Unidos, incluida la mayor ejecución bancaria que hemos visto.

Tengo muchas preguntas:

1. ¿Es culpa de la Reserva Federal?

La Reserva Federal ciertamente jugó un papel. Es obvio en retrospectiva que mantuvieron las tasas demasiado bajas durante demasiado tiempo, pero agravaron ese error al aumentar las tasas demasiado rápido:

Algo estaba destinado a romperse al pasar de 0 a 60 tan rápido.

Los ejecutivos del Silicon Valley Bank también tienen mucha culpa. Manejaron mal su tasa de interés y su riesgo de liquidez, tenían un conjunto concentrado de clientes y todos esos clientes corrieron a las puertas de salida al mismo tiempo. Hay muchos otros bancos que se mantuvieron bien con el rápido aumento de las tasas de interés.

Nunca es solo una cosa cuando algo como esto explota.

Obviamente, el sector tecnológico aún no tiene un control firme del sector financiero. Pero la Reserva Federal también tiene sangre en sus manos aquí.

2. ¿La Reserva Federal ha terminado de aumentar las tasas?

Es increíble lo rápido que la inflación ha pasado de ser la mayor preocupación a una posible idea de último momento. La Reserva Federal todavía tiene la estabilidad de precios como mandato y no hemos terminado de luchar contra la inflación.

Simplemente no veo cómo pueden seguir siendo tan agresivos ante una crisis bancaria.

No sé si esta carrera bancaria tendrá un impacto material en la economía, pero tuvo que asustar a la Reserva Federal.

Fue el fracaso de Continental Illinois a principios de la década de 1980 lo que hizo que la Reserva Federal, dirigida por Paul Volcker, se diera cuenta de que probablemente fueron demasiado lejos con los aumentos de tasas.

3. ¿Por qué están colapsando las tasas de interés?

La semana pasada, el rendimiento del tesoro a 2 años llegó al 5 %. Eso fue el miércoles. Se metió brevemente por debajo del 4 % el lunes, terminando el día en un poco más del 4 %.

Las tasas cayeron en todos los ámbitos.

Esto podría ser una señal del mercado de bonos de que cree que la Reserva Federal ha terminado de endurecer las condiciones (e incluso podría tener que reducir las tasas si hay más problemas bancarios). También hay un elemento de seguridad, que debería ser una señal bienvenida para los inversores de bonos después de que la renta fija se tomara el año pasado.

El peor de los casos es que el mercado de bonos predice más dolor en el sector financiero y la economía.

Todo esto sucedió tan rápido que el propio mercado de bonos probablemente no lo sepa con certeza.

4. ¿La industria bancaria ha cambiado para siempre?

La forma en que funciona el seguro de la FDIC es que los bancos esencialmente pagan una prima como lo haría con cualquier otra forma de seguro.

El límite técnico del seguro de depósitos de la FDIC es de 250.000 dólares, pero en los últimos días deja claro que el gobierno no va a permitir que los depositantes pierdan su dinero en un banco.

Parece que eso significa que el seguro de depósito de la FDIC ahora es implícitamente ilimitado

Si ese es el caso, tendría sentido que los reguladores cobraran primas mucho más altas a los bancos para cubrir cualquier problema futuro.

Si eso sucede, los bancos más grandes serían los mayores beneficiarios porque pueden permitírselo.

Así que, si bien podría ser la falta de confianza lo que hizo que un montón de bancos regionales entraran en el mercado de valores, creo que la mayor realización podría ser que los depositantes concentrarán más dinero en las instituciones financieras más grandes.

Para ser justos, los precios de las acciones de los grandes bancos también han bajado, pero eso podría deberse a que el costo de hacer negocios para todos ha aumentado.

Desafortunadamente, creo que esto significa rendimientos cada vez peores para los consumidores bancarios.

5. ¿Es una crisis bancaria alcista para el mercado de valores?

Es extraño pensar que una crisis bancaria podría ser alcista para el mercado de valores, pero es una posibilidad clara.

La pérdida de confianza en el sistema financiero casi siempre es deflacionaria. Si eso hace que la Reserva Federal ralentice sus aumentos de las tasas de interés y conduce a una desaceleración de la inflación, podríamos estar preparando un repunte del mercado de valores.

Como siempre, esto está lejos de ser garantizado, pero es una locura pensar en lo mucho que ha cambiado el mundo en la última semana.

Tal vez esto sea un punto débil y las cosas se calmen, pero es difícil volver a meter al genio en la lámpara una vez que se sacude la confianza en el sistema financiero.

6. ¿La tecnología está haciendo que el mundo sea menos estable?

Escribí hace poco sobre cómo J.P. Morgan ayudó a frenar el ritmo de las ejecuciones bancarias en 1907 al hacer que los cajeros bancarios contaran los retiros de los clientes muy lentamente.

Eso no funcionaría hoy.

Una combinación de rumores, redes sociales y algunos inversores de riesgo en pánico llevó a más de 40 mil millones de dólares en retiros de depositantes en un solo día del Silicon Valley Bank. Y esos retiros no requerían que los cajeros bancarios contaran el efectivo a mano.

Terminaron con solo pulsar un botón.

La tecnología ciertamente hizo que el mundo fuera más estable durante la pandemia, pero también hizo que fuera mucho más fácil para uno de los bancos más grandes del país hundirlo en cuestión de días.

Como siempre, hay compensaciones cuando se trata de innovación.

7. ¿Cuáles son las consecuencias no deseadas de esta carrera bancaria?

Esta es siempre una de las preguntas más difíciles de responder en este momento. A veces sentimos las consecuencias no deseadas de inmediato y a veces no se conocen desde hace años.

Parece que esta crisis podría llevar a reverberaciones en los próximos años.

8. ¿Mi dinero está a salvo?

Esta es una pregunta de la que mucha gente no pensó que tenía que preocuparse hasta estos últimos días. La gente tiende a asustarse cuando se ve obligada a preocuparse por cosas de las que no creían que tuvieran que preocuparse.

La buena noticia es que la mayoría de nosotros nunca tendremos que preocuparnos por lo que es tener más de 250.000 dólares en el banco, pero muchos dueños de negocios lo hacen.

Dejando de lado las reglas que están actualmente en vigor y sus sentimientos personales sobre el riesgo moral, es difícil pensar que los reguladores y los políticos de alguna vez dejarían que el sistema bancario colapsara.

Y si posee acciones, bonos, fondos mutuos o ETF, ninguna institución financiera (suponiendo que no esté en Madoff Securities) puede utilizarlos en su nombre. Si Vanguard o Fidelity o Blackrock o Charles Schwab cayera  mañana por cualquier razón, todavía eres dueño de tus valores. Simplemente los están almacenando para ti.

No puedo prometer que no habrá más dolor en el sector bancario porque la fe y la confianza son variables psicológicas que son imposibles de predecir.

Si estás sentado en un montón de dinero en efectivo, es posible que tengas que ser más cuidadoso sobre dónde reside ese dinero en efectivo y cómo lo gestionas. Esta debería ser una llamada de atención si ese es el caso.

Para el resto de nosotros, hay muchas protecciones para proteger su dinero.

Pensando «tres movimientos por adelantado» II por Ray Barros

En el último artículo sugerí algunas preguntas que deberíamos hacernos antes de abrir una operación y sobre «el movimiento de apertura»,

En el capítulo cuatro de Three Moves Ahead, Bob Rice trata el tema del tiempo. Comienza con la frase: «Se te va el tiempo y pierdes. Es lo mismo en los negocios y en el ajedrez». Podría haber añadido «y en el trading».

Pete Steidlmayer me enseñó que el mayor enemigo de mantener las pérdidas pequeñas es la ubicación y el tiempo del trade. Hablaré de la ubicación del trade otro día. Por ahora, centrémonos en el tiempo.

En el mundo del trading, generalmente se nos enseña a comprar (o vender) rupturas y a proteger la posición con un stop de precios. Si bien abro un stop a un precio más allá del cual no estoy preparado para aceptar más pérdidas, esta no es mi principal herramienta de salida. Sigo usando la evaluación de la estructura de precios y un stop de tiempo basada en esa estructura de tiempo. De esta manera, mantengo bajas mis pérdidas. Déjame darte un ejemplo.

Este mes, la mayor parte de lo que he hecho ha resultado en pérdidas. Además, incluso las operaciones rentables solo han sido marginales, es decir, las ganancias se produjeron no porque el mercado alcanzara mis objetivos de precios, sino porque la gestión del tarde me sacó con un beneficio. Si no hubiera salido, esas operaciones habrían sido perdedoras.

Hasta ahora, incluyendo dos posiciones abiertas, he realizado 15 operaciones por 10 pérdidas. Mi pérdida total durante el mes (si mis stops de operaciones abiertos fueran ejecutados sería 2,7%. Si excluimos las posiciones abiertas, mis pérdidas cerradas ascienden a 1,19%. De las operaciones cerradas, solo una operación no habría resultado en un stop, es decir, de las 10 operaciones perdedoras, una estaría abierta y no habría resultado en ninguna pérdida.

Mi tamaño normal detiene el promedio del 1,5 % del capital; pero como decidí temprano que estaba en un estado de reflujo, reduje el tamaño de mi posición en un 50 %. Por lo tanto, en 10 operaciones perdedoras, debería haber perdido un 7,5 % (10 x 1/2 x 1,5 %). Mis ganancias han sido del 0,53 %. Por lo tanto, sin una salida anticipada, mis pérdidas netas CERRADAS habrían sido de alrededor del 7 % (7,5 – 0,53%), en lugar del 1,19 %.

Así que la salida anticipada ha marcado una gran diferencia.

La clave para una salida temprana radica en evaluar:

1. cómo tiene que ser el mercado para permanecer en el mercado
2. cómo tiene que ser el mercado para salir del mercado y
3. si el movimiento en tu contra es rotacional o de un solo período de tiempo. Si es un plazo, la salida del mercado es la clave. Si rota, la clave es evaluar un área (generalmente el punto de control) a la que el mercado volverá a salir. Tenga en cuenta que mi precio de entrada es irrelevante. El mercado no sabe ni le importa dónde entraste, solo conoce su estructura. Demasiados operadores salen de las posiciones en función de su entrada. En su lugar, deberían estar mirando su salida en relación con su riesgo.

Fuertes ventas en el mercado de valores: ¿Qué viene ahora? por Brett N. Steenbarger, Ph.D

Si todos estuvieran de acuerdo en el valor de un activo, no habría movimiento de precios. Cuando el movimiento de precios se vuelve volátil, sabemos que existe un desacuerdo significativo con respecto al valor. Esta fue una dinámica importante en el mercado de valores la semana pasada. Veamos si podemos mirar el mercado desde una perspectiva basada en datos y obtener una idea de lo que estaba sucediendo y lo que eso podría significar en el futuro.
La primera información importante fue que la venta masiva de la semana pasada fue realmente amplia. Piense en lo siguiente: de las 500 acciones del SP500, el número que alcanzó nuevos mínimos de cinco días menos el número que alcanzó nuevos máximos de cinco días fue 442, y el número que alcanzó nuevos mínimos de veinte días menos nuevos máximos fue 331. El porcentaje de acciones en el universo SP500 que cerró por encima de sus medias móviles de cinco días fue de 1,98. Solo un poco más del 6% de las acciones cerraron por encima de sus medias de cinco días. Todo estaba muy débil.

La segunda información importante fue que el movimiento después de la noticia de la caída  de SVB difería significativamente de lo sucedido hasta ese momento. Antes de la noticia, estábamos viendo acciones débiles y bonos débiles, ya que los operadores temían que la inflación fuera «duradera» y que el Banco de la Reserva Federal tendría que subir las tasas más de lo esperado anteriormente. Tras la noticia, la venta se hizo mucho más intensa. Vimos un volumen elevado, lecturas de volatilidad implícita elevadas (VIX) y cifras negativas elevadas de NYSE TICK. De hecho, la primera indicación de que las noticias de SVB cambiaron las reglas del juego fueron las persistentes lecturas de TICK por debajo de -1000. Eso solo puede ocurrir cuando hay una venta agresiva de grandes cestas de acciones.

La tercera información importante fue que las correlaciones dentro y entre los mercados cambiaron drásticamente. Las acciones financieras, como las que componen el XLF ETF, lideraron agresivamente la caída. La renta fija, que había cotizado a la baja en previsión de mayores rendimientos, se convirtió en un refugio seguro y se recuperó de forma agresiva. La narrativa del mercado había cambiado de economía fuerte/inflación/tasas más altas a quiebra bancaria/incertidumbre económica. Habría sido difícil para los participantes del mercado detectar este cambio de régimen si no estuvieran rastreando la volatilidad, el volumen, la amplitud y las correlaciones del mercado.

Entonces, ¿qué podría seguir después de tal liquidación? Fui a mi base de datos de amplitud, que se remonta a 2010, e identifiqué todas las ocasiones en las que más de 400 de las acciones de SP500 cerraron en mínimos de cinco días y más de la mitad cerraron en mínimos de 20 días. De 3298 días de mercado, solo 38 cumplieron con estos criterios. En otras palabras, ventas masivas tan amplias han sido raras. Curiosamente, los casos de estas liquidaciones han tendido a agruparse. Tuvimos cuatro ocasiones a principios de 2020; cuatro a fines de 2018; tres en agosto de 2015; y siete de agosto a noviembre de 2011. En los 38 casos, hubo una tendencia a rebotar al día siguiente (24 hacia arriba, 14 hacia abajo para una ganancia promedio de +.93 % frente a +.03 % para el resto de la muestra). ). Diez días después, no había ninguna ventaja alcista. Lo llamativo fue que, durante los siguientes diez días, el mercado subió o bajó más del 4% en quince de las ocasiones. En otras palabras, la volatilidad tendió a persistir; la dirección era un crapshoot.

Existe la tentación entre los traders a corto plazo de buscar rebotes en activos que están sobrevendidos. El problema con esta idea es que necesitamos entender *por qué* hemos llegado a tal punto de sobreventa. La actividad reciente del mercado ha sido anormal. Es por eso que solo un poco más del 1% de los días desde 2010 han mostrado tal debilidad. Cuando un banco corre el riesgo de quebrar y otros bancos muestran riesgos a la baja, el resultado es un nivel de volatilidad que nos dice que los inversores están cuestionando el valor subyacente. El primer paso para trazar una estrategia de trading o de inversión es reconocer que hemos entrado en aguas relativamente desconocidas. Operar con «disciplina» y seguir ciegamente los «setups» e ideas de principios de este mes es realmente peligroso.

Situación de mercado [Dirty Dozen] por Alex Barrow

En el Dirty Dozen [CHART PACK] de esta semana, analizamos los cambios estructurales en los impulsores de la inflación, discutimos por qué los líderes del mercado deberían detener a los bajistas, analizamos la mala calidad de las ganancias, el riesgo de recesión en Europa y una entrada en Ags, y mucho más…

1. Resumen de Flow Show… Me he encontrado de acuerdo la mayoría de las veces con la macro toma de BofA en estos últimos meses (lo más destacado por mi parte).

2. Un poco pegajoso… En MO tenemos la mentalidad de que estamos en un nuevo régimen de inflación secularmente más alto, debido a las tendencias estructurales, demográficas y geopolíticas. Esta parte de BofA resume algunos de estos puntos.

3. Los clientes potenciales no son malos… El sentimiento y el posicionamiento siguen estando muy deprimidos. Hay una buena probabilidad de que el pánico causado por SIVB de la semana pasada marque un mínimo a corto plazo. Sigo volviendo a los productos internos del mercado, como Cyc vs Def, Semis v SPX, etc… y ninguno de estos está llevando a la desventaja. Están moviéndose en línea con el mercado. Eso no es exactamente bajista.

4. Un poco constructivo… El gráfico del Russell está roto, pero eso se debe solo a la reacción instintiva de la semana pasada después de las noticias de SIVB. Será importante ver si IWM puede girarse esta semana.

Pero el Nasdaq y SPX siguen siendo constructivos siempre y cuando puedan mantener sus niveles actuales.

Como anécdota, la semana pasada empecé a recibir mensajes de texto y llamadas de amigos, con los que normalmente no hablo con los mercados, preguntando sobre un posible colapso del mercado. Me parece que la histeria bajista no coincide del todo con la cinta.

5. Ganancias débiles… Esta estadística de BBG me pareció interesante. Aparentemente, los flujos de efectivo operativos del SPX siguen las ganancias por «la mayoría de los registros». Lu Wang de BBG señala que «los ingresos de las empresas del SPX, ajustados por amortización y depreciación, superaron los flujos de efectivo de las operaciones en un 14 % en el año hasta septiembre… En otras palabras, por cada dólar de ganancias, solo 88 centavos fueron igualados por las entradas de efectivo, la mayor discrepancia desde al menos 1990».

6. El diferencial positivo es algo negativo… El diferencial entre el crédito BBB y las acciones es ahora positivo, ya que el SPX tiene un rendimiento de ganancias del 5,4 % en comparación con el de los bonos IG, que rinden un 5,7 % en promedio.

7. Una mezcla tóxica… Nuestro entorno macro se puede resumir de la siguiente manera: métricas de valoración agregadas de EE. UU. en el percentil 88 + economía estadounidense resiliente que obliga a una Fed a permanecer siendo agresiva + deterioro de los fundamentos = un aterrizaje duro recesesivo a finales de este año debido a los retrasos de la opinión y la naturaleza del bucle de retroalimentación positiva.

Esta es la razón por la que seguimos siendo bajistas a largo plazo a pesar de que actualmente nos inclinamos hacia el lado alcista a corto plazo.

8. Es poco probable que Europa tenga suerte… Este gráfico de Simon White de BBG muestra una combinación de clientes potenciales económicos (azul) y producción industrial de la zona euro (blanca). Este indicador normalmente tiene una ventaja de 6 meses.

9. Estacionalmente malo… Y como señala White, el verano tiende a ser bastante pobre para las acciones europeas en relación con los EE. UU.

10. Suave vs duro… SentimenTrader señaló que el ratio sorpresas económicas de datos suaves vs duros de EE. UU. está en niveles históricamente bajos.

11. Sin embargo, una muestra pequeña… ST escribe «después de que el diferencial cayera por debajo de -1 por primera vez en años, los rendimientos del S&P fueron buenos. Por supuesto, debemos descartar cualquier posible conclusión debido al tamaño minúsculo de la muestra. Así que, por si sirve de algo, el S&P lució un rendimiento positivo cada vez durante los próximos tres meses y no sufrió ninguna pérdida constante hasta un año después».

12. El aceite de soja es corto… El aceite de soja ha completado un gran patrón de H&S. El objetivo de movimiento medido para una operación corta se indica en el gráfico.

Los consumidores no están contentos con las sorpresas económicas positivas por Sentimentrader

Puntos clave:

• Los datos económicos blandos como las encuestas se han desplomado en relación con las sorpresas económicas en los datos duros
• Cuando los consumidores son más cautelosos de lo que «deberían» ser, las acciones tienden a subir
• No fue una señal particularmente buena para el oro o las materias primas.

Los consumidores tienen más dudas de lo que los datos económicos sugieren que deberían tener

Los consumidores son mucho más pesimistas de lo que deberían ser. Al menos, esa es la teoría cuando se analiza la última tanda de publicaciones económicas blandas versus duras.

Cuando los datos económicos «suaves», como las encuestas de consumidores, superan las expectativas de los economistas, mientras que los datos económicos «duros», como las ventas minoristas, las condiciones del mercado laboral, el desempeño de la vivienda, etc., decepcionan, entonces este indicador aumentará. Muestra que los consumidores son más optimistas de lo que la economía real sugiere que deberían ser. Por el contrario, cuando este indicador es muy negativo, significa que los consumidores se han vuelto más pesimistas de lo que sugieren los datos económicos reales.

El gráfico a continuación muestra que la actualización más reciente impulsó a la versión blanda muy por debajo de las versiones duras. Durante la última década, esto ha coincidido con el punto más bajo de las caídas del mercado y los rendimientos futuros anualizados de dos dígitos en el S&P 500.

Antes de la última década, dio algunas señales falsas. Estuvo por debajo de -1 durante gran parte del año 2000 y principios de 2001 cuando las acciones cayeron. Y cayó por debajo de -1 brevemente en julio de 2008 antes de un modesto repunte y luego el colapso total en medio de la crisis financiera.

Ha pasado mucho tiempo desde que las expectativas de los consumidores estaban tan alejadas de los datos económicos. Este es el primer diferencial por debajo de -1 en más de tres años, uno de los tramos más extensos desde el inicio de los datos hace más de 23 años.

Consumidores demasiado cautelosos generalmente han llevado a inversores más agresivos

Después de que el diferencial cayera por debajo de -1 por primera vez en años, los rendimientos del S&P fueron buenos. Por supuesto, debemos descartar cualquier posible conclusión debido al minúsculo tamaño de la muestra. Entonces, por lo que vale, el S&P mostró un rendimiento positivo en cada ocasión durante los siguientes tres meses y no sufrió pérdidas constantes hasta un año después.

Entre otros índices y activos, el Dow Industrials y el Nasdaq mostraron muy buenos rendimientos durante los siguientes tres meses, mientras que el Russell 2000 de pequeña capitalización mostró un rendimiento negativo después de tres de las cuatro señales seis meses después. Los precios de los bonos del Tesoro cayeron en el medio plazo, pero subieron con fuerza después. El oro y las materias primas, en general, tuvieron problemas durante los siguientes dos o tres meses.

Lo que nos dicen los estudios…

Cuando observamos un indicador de movimiento lento con un historial relativamente limitado, el análisis de extremos es necesariamente un ejercicio en tamaños de muestra pequeños. Podríamos debatir los méritos de la importancia estadística en los mercados financieros durante una década y nunca cambiar la opinión de nadie, por lo que la utilidad de datos como este depende del usuario. Por mucho que se pueda confiar, proporciona una pequeña evidencia a los alcistas, al menos a medio plazo, ya que el sentimiento demasiado cauteloso del consumidor generalmente ha resultado en un repunte de las acciones.

Simulaciones de Montecarlo y operativa sistémica, parte 2 por Andrés Garcia

• Las simulaciones estocásticas constituyen, a día de hoy, una de las principales herramientas del análisis financiero dinámico y se aplican en ámbitos tan diversos como la valoración de opciones, el análisis de portfolios e instrumentos de inversión, la estimación de la solvencia de una compañía o la determinación del Value at Risk (VaR) de los activos cotizados. Con este artículo terminamos la serie dedicada a este tema y su aplicación. 
• Artículo publicado en Hispatrading 16.
• Lea la primera parte: Simulaciones de Montecarlo y operativa sistemática.

ANÁLISIS DE RIESGOS: DRAWDOWN DE MONTECARLO

Una de las cuestiones que más nos preocupan a la hora de operar una estrategia es la determinación de la mayor pérdida que nos cabe esperar y, para ello, el mejor método es realizar una simulación de Montecarlo sobre la series Out-Sample obtenidas en el proceso Walk-Forward. En la práctica nos interesa conocer dos cosas:

– DDm para distintos niveles de confianza.

– Riesgo de Ruina (RoR) en las «x» primeras operaciones.

El DDm es un dato fundamental para calcular el capital necesario para comenzar a operar una estrategia, mientras que el RoR responderá a una cuestión psicológica que tiene que ver con el nivel de confortabilidad del trader: ¿Estoy preparado para asumir que mi cuenta se reduzca un determinado porcentaje al poco de iniciar la operativa?

Algunos simuladores como el Market System Analyzer (Adaptrade Software) generan esta información con suma facilidad, proporcionándonos un completo informe sobre la simulación estocástica.

Pongamos, por ejemplo, un sistema intradiario que ofrece este estupendo aspecto:

Para realizar la simulación de Montecarlo solo tendremos que especificar estos datos:

y, en pocos segundos, obtendremos el siguiente informe:

La tabla del DDm para diferentes niveles de confianza, que también nos proporciona el citado software, nos servirá para determinar cuándo la estrategia ha dejado de funcionar. 

En general consideramos que una estrategia se ha roto si en operativa real supera el DDm obtenido en una simulación de Montecarlo (al 95% de confianza) de la Out-Sample. De este modo, lo único que tenemos que hacer es monitorizar la evolución diaria del DDm de operativa real en un gráfico como este:

ANÁLISIS DEL EQUITY CURVE

Con una simulación de Montecarlo también podemos estimar los diferentes caminos que recorrerá la curva de beneficios, obteniendo en este caso información que nos permita realizar inferencias sobre la rentabilidad media en un intervalo temporal dado y los ratios de Montecarlo para el conjunto de recorridos posibles. 

En la tabla inferior mostramos los datos de entrada requeridos por este simulador de diseño propio y las principales estadísticas que pueden obtenerse en la simulación:

Este simulador, construido mediante el método de la inversa, nos permitirá simular las 200 siguientes operaciones de un sistema con los valores de entrada especificados en la tabla. La información que puede obtenerse es bastante rica: Sharpe simplificado, Esperanza matemática, rentabilidad media, porcentaje de curvas que obtienen beneficios, VaR, etc.

En la imagen inferior podemos ver el resultado gráfico de simular 200 operaciones partiendo de un capital inicial de 20.000€:

La línea blanca es el equity curve promedio de la simulación. También podemos analizar la distribución de beneficios resultante:

Este tipo de simulación nos permitirá experimentar con un método de parada con el que actualmente estamos investigando: Una vez obtenido el pronóstico para las 200 siguientes operaciones, vamos tabulando sobre este gráfico los resultados de la operativa real que obtenemos con el sistema objeto de estudio. Si el sistema se comporta según lo previsto en la simulación, su equity curve  evolucionará dentro del cono formado por las curvas de máxima y mínima rentabilidad. Cuando la curva real empieza a rebasar estos límites (en la práctica solo nos preocupará en inferior) consideramos que nuestro sistema ya no está funcionando según lo previsto y, en consecuencia, debemos pararlo. 

ANÁLISIS DEL VALUE AT RISK.

El VaR es una medida estadística del riesgo que tiene un activo de generar pérdidas o no obtener la rentabilidad esperada en un intervalo de tiempo. Para la determinación de este valor es necesaria una proyección de los flujos de caja, lo que en nuestro caso equivale analizar dinámicamente el crecimiento del equity curve en una simulación estocástica. De hecho, el método de Montecarlo es el más empleado por la industria para determinar el VaR en valores, fondos y carteras que disponen de series históricas de razonable amplitud.

En la teoría tradicional de carteras se supone que los rendimientos de los activos siguen una distribución normal, mientras que los niveles de precios alcanzados en el tiempo siguen una distribución log-normal. Esto es así porque aunque un activo pueda fluctuar en cada intervalo en un determinado rango de rentabilidades, su valor nunca puede ser negativo. A las carteras les ocurre lo mismo, un portfolio puede perder valor, pero nunca caer por debajo de cero. Con todo, el VaR sí puede tener resultados negativos, ya que una cartera siempre puede caer por debajo de su valor inicial.

Calcular el VaR partiendo de una simulación de Montecarlo es muy sencillo ya que la proyección del flujo de caja de cada curva simulada es el último valor del equity curve. Por tanto, solo tenemos que hayar el percentil para los niveles de confianza que estimemos relevantes. 

Por ejemplo, supongamos una simulación de 500 curvas y un IC del 95% (0,05). En una hoja Excel sólo tendremos que situarnos en la columna donde esté el último valor de cada serie y aplicar la función: 

= PERCENTIL (M3:M503;0,05)

En el gráfico inferior podemos ver la distribución del VaR para distintos IC de la estrategia que hemos simulado en el apartado anterior. 

Este gráfico muestra lo que nos cabe esperar como peor escenario después de 200 operaciones.  Así, tendríamos una probabilidad del 75% de que nuestro portfolio supere los 35.000€ al final del periodo y del 95% (IC considerado de referencia) de terminar al menos con 8.718€.

Como hemos podido observar en este artículo, las posibilidades que ofrecen las simulaciones estocásticas al trading de sistemas son muy variadas. Aquí hemos puesto una muestra de las que consideramos más relevantes, pero queda claro que cualquier análisis serio de los rendimientos futuros y riesgos ocultos de una estrategia deberá pasar siempre por una simulación de Montecarlo.

Temporada de resultados empresariales S&P500 por Ed Yardeni

La temporada de resultados del cuarto trimestre de 2022 ha terminado. Joe informa que los datos de ganancias del S&P 500 están disponibles para el trimestre. No nos sorprendieron los números. Esto se debe a que seguimos la serie de datos semanales sobre los ingresos a futuro, las ganancias a futuro y el margen de beneficio a futuro. Continúan orientándonos en la dirección correcta para evaluar las perspectivas a corto plazo de los datos trimestrales comparables (Fig. 1). (Para su información: los ingresos y ganancias a futuro son el promedio ponderado en el tiempo de las expectativas de consenso de los años actuales y futuros de los analistas, mientras que los márgenes de ganancias a futuro son los márgenes imputados calculados a partir de los ingresos y ganancias a futuro).

Pensemos en lo siguiente:

(1) Ingresos. No hubo recesión en los ingresos del S&P 500 a fines del año pasado. La serie subió un 8,1% a/a hasta un máximo histórico (Fig. 2 y Fig. 3). Los ingresos a plazo del S&P 500 se han estancado en un máximo histórico desde octubre, aunque lograron subir a un nuevo récord durante la semana del 2 de febrero.

En conjunto (es decir, no por acción), los ingresos del S&P 500 aumentaron un 6,9 % interanual. Una vez más, esto no sorprende, ya que el PIB nominal aumentó un 7,4 % a/a durante el cuarto trimestre (Fig. 4 y Fig. 5). Durante este período, el PIB real aumentó un 0,9% a/a, mientras que el deflactor del PIB aumentó un 6,4%. Por lo tanto, la inflación ha sido un importante impulsor de los ingresos durante el último año.

Por cierto, el diferencial de 1,2 ppt entre los ingresos por acción del S&P 500 y los ingresos agregados sugiere que las recompras no están impulsando significativamente los ingresos por acción y las ganancias por acción. De hecho, el diferencial promedio entre los dos fue de solo 0,1 ppt por año en promedio desde 2000 (Fig. 6).

(2) Ganancias. Lo mismo ocurre con las ganancias operativas por acción del S&P 500 y la serie de datos agregados comparables (usando datos I/B/E/S de Refinitiv). El diferencial promedio entre los dos fue de solo 1,0 ppt desde 1995 (Fig. 7).

Por acción, las ganancias operativas del S&P 500 cayeron un 1,5 % a/a durante el cuarto trimestre (Fig. 8 y Fig. 9). Esa es la primera lectura negativa desde el tercer trimestre de 2020. También ha bajado un 8,1% desde el máximo histórico durante el segundo trimestre de 2022.

(3) Margen de utilidad. Con los ingresos del cuarto trimestre aumentando a un máximo histórico y las ganancias del cuarto trimestre por debajo de su máximo histórico, el margen de beneficio operativo del S&P 500 cayó al 11,6 % el último trimestre, por debajo del máximo histórico del 13,7 % durante el segundo trimestre de 2021 (Fig. 10 y Fig. 11 ). Las recesiones económicas suelen ser la causa de la reducción de márgenes, pero ese no es el caso esta vez. Esta vez, el margen se ha visto reducido por el aumento de los costes laborales, ya que la remuneración por hora ha aumentado rápidamente, mientras que el crecimiento de la productividad se volvió negativo el año pasado, como comentamos en el informe matutino del lunes.

En el pasado, las empresas solían responder a las restricciones de márgenes relacionadas con la mano de obra reduciendo sus nóminas. Eso no ha estado sucediendo esta vez. La escasez de mano de obra ha provocado que los empleadores acumulen mano de obra y publiquen muchos carteles de búsqueda de empleo, incluso ahora.

Posicionamiento para la supervivencia por David Garrard

• A pesar de la poca importancia que la mayoría de los participantes le dan al tamaño de la posición, para poder sobrevivir en los mercados será vital realizar un buen posicionamiento.  
• Artículo publicado en Hispatrading 14.

En el discurso de aprobación de Daniel Kahneman para el Premio Nobel de Economía en 2002, habló de sus estudios, junto con Amos Tversky, sobre los juicios humanos y la toma de decisiones en condiciones de incertidumbre. Describía cómo los seres humanos, con nuestra racionalidad limitada y debilidades por motivaciones intrínsecas que no sean el propio interés, a menudo exhiben un comportamiento muy irracional. Kahneman y Tversky son psicólogos, no economistas, así que recibir el Premio Nobel de Economía era algo inusual. Su trabajo ha dado lugar a un rejuvenecimiento de la teoría económica, y un amplio número de nuevos estudios se han realizado después en el campo que ahora llamamos finanzas del comportamiento. Varias verdades -ahora obvias en retrospectiva- sobre nuestras acciones, sesgos y miedos han sido el resultado de estos estudios. Si estas verdades son conocidas por los inversores independientes, nos ayudarán a tener una mejor comprensión de cómo y por qué reaccionamos a los mercados de la forma en que los hacemos.

Consenso de Precios, Incertidumbre y su Apetito por el Riesgo

Como traders o inversores, participamos en mercados financieros que ofrecen liquidez y precios justos. El precio es la medida del valor que los participantes en el mercado sitúan sobre los instrumentos financieros subyacentes y las materias primas que se encuentran en estos mercados.

En un mercado donde los participantes comparten un consenso general de la valoración de una acción o mercado en particular, el precio tendrá poco rango, ya que existe un amplio acuerdo en cuanto al valor del instrumento. Puede haber un considerable volumen negociado, pero con baja volatilidad del precio. Esto sería considerado un mercado o instrumento de bajo riesgo y baja rentabilidad.

Cuando el consenso común frente a un instrumento se pierde, tal vez debido a alguna influencia(s) exógena(s), los participantes en el mercado comienzan a tener puntos de vista divergentes acerca de la valoración. Esto lleva a mayores fluctuaciones en los precios, el aumento de incertidumbre sobre el verdadero valor del instrumento y el consiguiente aumento de la volatilidad. Los volúmenes pueden o no pueden subir, de hecho, pueden caer en estas condiciones, pero de repente se encuentran en un ambiente altamente incierto. Los gráficos que se presentan a continuación muestran un ETF de Japón, un ETF de la industria nuclear y el indicador de volatilidad VIX para el año 2011 hasta la fecha. Observe la pérdida de valor y las grandes fluctuaciones en los precios cuando el acuerdo entre los participantes del mercado sobre el valor de las acciones japonesas y de las acciones de empresas de la industria nuclear se perdió tras el terremoto, el tsunami asociado y la devastación que tuvo lugar a principios de marzo de 2011.

Debido a la dinámica de los mercados y las debilidades de la psicología humana, este mercado sufrió una gran transformación. Con aumento de la incertidumbre, los participantes aversos al riesgo salieron o fueron expulsados ​​y fueron remplazados activamente por los que tenían un apetito por el riesgo mayor. Se llevó a cabo una transformación a un régimen de alto riesgo y alto potencial de rendimientos.

Los mercados están constantemente experimentando estos cambios – en cualquier dirección – a medida que las percepciones de los participantes acerca del valor difieren y cambian en el tiempo. En pocas palabras, cuando hay una relativa falta de consenso en cuanto al valor, habrá un aumento de la incertidumbre. Y con una mayor incertidumbre el riesgo se incrementa.

Pero recuerde, los mercados tienden a premiar a aquellos que asumen riesgo cuando se analizan y ejecutan bien. La pregunta es, ¿cómo puede uno asumir mejor los riesgos? Si aceptamos que las volatilidades están en constante cambio, entonces realizar un seguimiento activo de la volatilidad y su incorporación en nuestros métodos es un buen comienzo. Sólo recuerde que la gestión monetaria sin tener en cuenta el historial de volatilidad de un instrumento, y del mercado en general, puede llevar a una subestimación del riesgo.

Money Management y Tamaño de la Posición

Uno de los aspectos menos conocidos y más subestimados de la inversión se refiere a la utilización óptima de capital cuando se toma una posición específica del mercado en condiciones de incertidumbre. Hace referencia a la optimización de nuestra función de utilidad personal. Aunque es probable que no reconozcamos nuestra propia función de utilidad si la vemos, será suficiente con iniciar un enfoque sistemático que especifique el porcentaje de nuestro capital que debemos arriesgar cuando usted está considerando una única operación.

Los traders temporales (aquellos que no duran demasiado) tienden a descontar la importancia de esta etapa del proceso de ejecución de operaciones. Probablemente considerando esta etapa como compleja e innecesaria, utilizan un método arbitrario basado en una visión del beneficio que quieren obtener de la operación, en lugar del riesgo que se puede correr. No pueden ver cómo un tamaño de operación más pequeño podría llevar a una mayor rentabilidad en el largo plazo. Parecer contrario a la intuición: porque solemos pasar por alto los riesgos y confiarnos en exceso al centrarnos en los posibles beneficios.

Basta con mirar los resultados tabulados a continuación de un estudio realizado por el Dr. Van K. Tharp. El Dr. Tharp realizó simulaciones con un mismo sistema de trading siendo la única variable de la prueba el tamaño de la posición. Los estudios de backtest comienzan con un hipotético saldo en cuenta de 1.000.000 dólares, ejecutándose 595 operaciones durante el periodo de prueba de 5 años y medio.

Se puede ver fácilmente que el modelo base, la estrategia más simple y que es utilizada a veces por los inversores novatos, es comprar sólo un número arbitrario de acciones. Vemos una ventaja significativa en añadir posiciones a nuestras capacidades de inversión si tenemos en cuenta la mejora en los beneficios de que gozan estrategias fáciles de implementar como la cantidad fija, el apalancamiento constante, el riesgo porcentual y la volatilidad porcentual. Sea testigo de la mejora en el rendimiento de más del 20% anualizado en la tabla anterior a través únicamente de la optimización del tamaño de la posición, con todas las otras variables posibles fijas.

Incluso yendo más allá, algunos modelos de determinación del tamaño por volatilidad tienen la ventaja añadida de normalización frente a la volatilidad general del mercado. En los últimos años hemos visto los niveles extremos en el indicador VIX – un indicador popular de la volatilidad del mercado. El tamaño de la posición sin tener en cuenta la volatilidad general del mercado podría habernos puesto en situaciones de mayor riesgo – sin saberlo – durante los picos del VIX de octubre de 2008 y mayo de 2010.

Los beneficios de las técnicas para determinar la posición no son cuestionables. En un estudio realizado por investigadores de Universidad de Uppsala en Suecia, los individuos provistos de una breve introducción a la gestión monetaria, la determinación del tamaño de la posición y los sesgos psicológicos que los traders encuentran, operaron de forma más eficaz, aumentando en diez veces su capacidad para proteger su activos de pérdidas en comparación con un grupo de control no entrenado que operaba en los mismos instrumentos ficticios. Curiosamente, el aumento de la capacidad para proteger sus activos no supuso una mejora en su capacidad para aumentar la rentabilidad de su trading.

Pero la mayoría de los traders novatos necesitan tiempo para aprender como operar de forma rentable. El estudio de la Universidad de Uppsala estudio demostró la facilidad relativa de mejorar sus posibilidades de sobrevivir en el mercado – en comparación con la dificultad creciente de aprender a obtener beneficios de forma constante. Si usted es un recién llegado a los mercados, será una buena idea tener esto en cuenta y establecer sus prioridades en consecuencia.

Conclusión

En este artículo nos hemos centrado en algunos conceptos simples relacionadas con la gestión del riesgo. Los inversores y los traders deben considerar poner más énfasis en el aprendizaje y la aplicación de algunas de estas técnicas para mejorar sus posibilidades de supervivencia a largo plazo en los mercados actuales. Cuanto más tiempo sobrevivamos en los mercados, más experiencia absorberemos y más mejoraremos nuestras habilidades. La rentabilidad consistente con riesgos contenidos es lo que nos permite sobrevivir.

Momentum del mercado y tipos de interés por Ben Carlson

Las tasas de interés a corto plazo continúan estando en niveles «altos» ya que la economía se mantiene más fuerte de lo previsto.

Estamos buscando rendimientos del 5% en todos los ámbitos para los bonos del gobierno a corto plazo.

Algunas personas seguirán burlándose de estos rendimientos al recordarle que la inflación sigue siendo del 6 %, pero seamos honestos: para bien o para mal, la mayoría de los inversores piensan en términos nominales, no reales.

Los rendimientos a corto plazo han estado en el piso durante tanto tiempo que las tasas de interés del 5% seguramente llamarán la atención de los inversores.

Le preguntamos a nuestra audiencia de YouTube si los bonos del Tesoro del 5% cambiarán la forma en que invierten:

Más de la mitad de los encuestados dijeron que este nuevo mundo donde existen rendimientos relativamente seguros cambiaría la forma en que invierten.

Durante algunos años, las tasas fueron tan bajas que muchos inversores se vieron obligados a abandonar la curva de riesgo. Conozco a muchos inversores equilibrados que prefirieron una cartera 60/40 pero optaron por una combinación 70/30 u 80/20 porque los rendimientos de los bonos eran lamentables.

La buena noticia sobre los rendimientos de los bonos del 5% es que los inversores más conservadores ya no tienen que esforzarse más.

Obviamente, sus rendimientos esperados son mucho mejores cuando los rendimientos son del 5 % que cuando son del 1 % o menos.

Su asignación de activos puede cambiar por varias razones.

Sus circunstancias u objetivos financieros podrían cambiar. Su disposición, necesidad o capacidad para asumir riesgos podría cambiar. Los mercados podrían cambiar.

Pero existe una distinción importante entre una decisión de asignación de activos basada en las compensaciones de riesgo frente a recompensa y la sincronización del mercado.

El mayor problema de hacer un gran cambio en su cartera de acciones a efectivo es que las tasas de interés a corto plazo son volubles.

Pueden subir rápidamente pero también caer rápidamente.

Los rendimientos de los bonos a corto plazo podrían permanecer elevados por un tiempo si la economía y la inflación se mantienen fuertes y la Fed lucha contra la alta inflación.

Pero, ¿qué sucede si las tasas a corto plazo vuelven a bajar? Si la Fed sigue subiendo las tasas eventualmente, eso ralentizará las cosas.

Cuando la inflación se desacelera y la economía se debilita, la Fed va a recortar las tasas. Desafortunadamente, los rendimientos de las letras del Tesoro no serán del 5% si la inflación es del 3%. Los rendimientos del 5% de hoy no van a durar para siempre.

No sé qué va a pasar a corto plazo en lo que respecta a las tasas de interés o al mercado de valores. Nadie lo hace ( ni siquiera la Fed ). Prefiero tomar decisiones de inversión en función de mi perfil de riesgo y horizonte temporal en lugar de tratar de hacer previsiones sobre lo que sucederá a continuación.

A corto plazo, el efectivo puede ofrecer estabilidad. Por el momento, también ofrece rendimientos nominales bastante buenos. A la larga, apenas podrá mantenerse al día con la inflación.

A corto plazo, las acciones pueden arrancarte el corazón. No sé si el mercado bajista ha terminado o si nos espera más carnicería. Pero a largo plazo, el mercado de valores sigue siendo la mejor apuesta para vencer la inflación y aumentar su riqueza.

La sincronización del mercado requiere que tengas razón dos veces.

Salir es fácil. Volver no lo es.

El mejor de los casos sería que mueva una parte o la totalidad de su cartera a efectivo, el mercado de valores cae, recorta su 5% y se pierde algunas pérdidas, luego vuelve a cambiar a acciones cuando bajan los rendimientos.

El peor de los casos es que mueve una parte o la totalidad de su cartera a efectivo, los rendimientos caen, el mercado de valores se desmorona, pierde las ganancias y ahora está atrapado en una clase de activos con bajos rendimientos esperados.

No me malinterpreten: me gusta la idea de aprovechar los rendimientos del 5 %. Si su dinero está en una cuenta bancaria y no gana nada, se lo está perdiendo. Y los inversores de renta fija tienen mejores opciones de rendimiento de las que han tenido en años.

No estoy tratando de convencer a nadie de entrar o salir de ninguna clase de activos.

El efectivo tiene un lugar en una cartera para necesidades de liquidez y estabilidad a corto plazo.

Los bonos tienen un lugar en una cartera para proporcionar ingresos y protección contra la deflación y la desinflación.

Las acciones tienen un lugar en una cartera para proporcionar rendimientos esperados más altos y protección contra los impactos a largo plazo de la inflación.

Simplemente creo que es difícil cambiar constantemente su asignación de activos dentro y fuera de estas clases de activos sin causar algún daño a su plan de inversión.

La asignación de activos es para gente paciente.

Reacción de los precios en torno a los eventos en Bitcoin y Ethereum por Quantpedia

Las criptomonedas son una clase de activos de alto riesgo y muy especulativa que, desde ser utilizada solo por frikis de la tecnología en todo el mundo, se extendió a la locura minorista de los primeros usuarios hasta la adopción institucional y la corriente principal. Algunos afirman que es un concepto que cambia el mundo con la utilización de blockchain (bases de datos) y contratos inteligentes que abren una amplia gama de oportunidades, desde la descentralización de las finanzas hasta los algoritmos de autogobierno; algunos otros apuntan a estafas, lavado de dinero y burbujas. En comparación con la Tulipanomania en los Países Bajos, no hay duda de que las condiciones financieras laxas inflaron las criptomonedas a una capitalización de mercado masiva.

Hemos estado cubriendo ampliamente los conceptos y temas relacionados con las criptomonedas. No te pierdas revisar nuestra investigación sobre criptomonedas. Este artículo continuará nuestra investigación de este interesante campo. Nos gustaría probar cómo la acción del precio se ve en torno a algunos de los eventos únicos en el mundo de las criptomonedas, a saber, la caída a la mitad de la recompensa de Bitcoin y las bifurcaciones duras y blandas en las redes de Bitcoin y Ethereum.

Investigación relacionada en finanzas tradicionales

Hay numerosas estrategias de trading estacionales/calendario (efectos de vacaciones, decisiones de la Reserva Federal (FOMC), cambio de mes, …, vencimientos de opciones, CPI, NFP, lanzamientos de PPI). Ya hemos cubierto muchas de ellas y hemos transferido algunas ideas de activos tradicionales (como acciones, bonos o materias primas) a criptomonedas (por ejemplo, consulte Estacionalidad nocturna en Bitcoin). Con la comercialización del espacio de criptomonedas, cada vez más las anomalías estacionales/calendadas tradicionales se están volviendo importantes. Se debe a que algunos de los inversores más grandes más conservadores han tomado una participación, principalmente en la mayoría de las criptomonedas capitalizadas, por lo que podemos esperar que se muevan con activos más tradicionales de acuerdo con las tendencias globales en el crecimiento, la inflación y las políticas monetarias y fiscales.

Pero en este caso, nos gustaría llevar a cabo una exploración de las anomalías del calendario de criptomonedas no relacionadas con los mercados financieros globales. Así que sigamos adelante…

Evento #1: Reducción de la recompensa en Bitcoins (BTC)

Bitcoin tiene una importante característica preprogramada en su código fuente: la recompensa que reciben los mineros por incluir transacciones en un bloque no es permanente. Después de cada 210.000 bloques extraídos, la recompensa del bloque se reduce a la mitad. Este evento ocurre aproximadamente una vez cada cuatro años y se llama «reducción a la mitad«. Hasta ahora, hubo tres grandes reducciones a la mitad.

La primera reducción a la mitad tuvo lugar el 28 de noviembre de 2012, la segunda el 9 de julio de 2016 y, finalmente, la última tercera reducción a la mitad fue el 11 de mayo de 2020. Esperamos que la cuarta reducción a la mitad sea en la primera mitad de 2024 (entre febrero y mayo). Los datos para la reducción a la mitad de 2012 se descargaron de Coincodex. Los datos para otras reducciones a la mitad y la investigación posterior provienen de nuestra base de datos interna de precios.

La siguiente figura muestra la acción de los precios en torno a todas las reducciones a la mitad mencionadas anteriormente que han tenido lugar hasta ahora:

Como podemos ver en la cifra, y especialmente en el promedio de los resultados de todas las reducciones a la mitad, la acción del precio en los tres casos ha sido muy similar: una ligera depreciación del precio desde el día -50 hasta alrededor del día -15 antes del evento de reducción a la mitad y luego la apreciación del precio hasta alrededor del día +10 después del evento de reducción. Sin embargo, la observación más notable es que la volatilidad de los precios es significativamente mayor antes de reducirse a la mitad (antes de que se digiera la información) y se suprime después del evento.

Desde la perspectiva de un trader, sería constructivo llevar a cabo el trade de swing al estilo del adagio «compra el rumor, vender con las noticias», incluso si el evento es bastante conocido de antemano. Desafortunadamente, solo tenemos una pequeña muestra de eventos para construir realmente una estrategia rigurosa, por lo que es más bien una especulación. ¿Estará vigente dicha estrategia en 2024? El tiempo lo dirá, y aunque los resultados pasados no indican resultados futuros, no sería irrazonable seguir de cerca la acción de los precios en Bitcoin y construir especulativamente una pequeña posición larga antes del evento de reducción a la mitad.

Evento #2: Horquillas blandas y duras

Binance Academy explica la mayor diferencia entre las horquillas blandas y duras: las horquillas duras son actualizaciones de software incompatibles con versiones anteriores. Por lo general, estos ocurren cuando los nodos añaden nuevas reglas de una manera que entra en conflicto con las reglas de los nodos antiguos. Los nuevos nodos solo pueden comunicarse con otros que operan la nueva versión. Como resultado, la cadena de bloques se divide, creando dos redes separadas: una con las reglas antiguas y otra con las nuevas reglas.

Así que ahora hay dos redes funcionando en paralelo. Continuarán propagando bloques y transacciones, pero ya no están trabajando en la misma cadena de bloques. Todos los nodos tenían una cadena de bloques idéntica hasta el punto de la bifurcación (y esa historia permanece), pero tendrán diferentes bloques y transacciones después. Debido a que hay esa historia compartida, terminarás con monedas en ambas redes si las tenías antes de la bifurcación. Supongamos que tenías 5 BTC cuando se produjo una bifurcación en el bloque 600.000. Podrías gastar esos 5 BTC en la antigua cadena en el bloque 600.001, pero no se han gastado en el bloque 600.001 de la nueva cadena de bloques. Suponiendo que las criptomonedas no hayan cambiado, sus claves privadas todavía tienen cinco monedas en la red bifurcada. Todos los nodos de red deben actualizarse si una cadena de bloques pasa por una bifurcación dura. Solo se considera válida la última versión que participa en la red. A diferencia de una bifurcación blanda, esto no es compatible con el futuro: las reglas de la antigua cadena de bloques no aceptarán los nuevos bloques.

Una bifurcación blanda es una actualización compatible con versiones anteriores, lo que significa que los nodos actualizados aún pueden comunicarse con los no actualizados. Lo que normalmente se ve en una bifurcación suave es la adición de una nueva regla que no choca con las reglas anteriores. Por ejemplo, se puede implementar una disminución del tamaño del bloque mediante la bifurcción suave. Repuntemos una vez más a Bitcoin para ilustrar este punto: aunque hay un límite en cuanto a lo grande que puede ser un bloque, no hay un límite en cuanto a lo pequeño que puede ser. Si solo quieres aceptar bloques por debajo de un cierto tamaño, solo tienes que rechazar los más grandes. Una bifurcación blanda es un cambio compatible con las reglas. No crea una nueva cadena de bloques. En su lugar, mantiene la antigua cadena de bloques al ejecutarse en dos carriles con diferentes conjuntos de reglas.

En pocas palabras, la antigua cadena de bloques puede aceptar bloques de los nuevos cambios en la regla de protocolo. Las nuevas reglas permiten un subconjunto de los bloques válidos anteriores, por lo que los bloques de transacciones actualizados y antiguos son válidos al mismo tiempo.

Bitcoin (BTC)

Ahora, echemos un vistazo a algunas bifurcaciones duras y blandas aplicadas a la criptomoneda más famosa que existe, Bitcoin. Encontramos y utilizamos la lista de las bifurcaciones de Bitcoin más frecuentes de https://findmycoins.ninja/, que se amplía con algunas bifurcaciones más antiguas y más nuevas para tener en cuenta otros períodos:

Para representar algunas muestras de actualizaciones de red (blandas), también incluimos Taproot, que tuvo lugar el 14 de noviembre de 2021 y estaba destinado a agilizar el procesamiento de las transacciones y hacerlas más eficientes en velocidad y costo.

Los resultados de los eventos de bifurcar son muy similares a los de las reducciones a la mitad. En promedio, el precio se aprecia antes del evento y se mantiene relativamente estable después del evento. Lo que es diferente de la reducción a la mitad es la volatilidad: Bitcoin es significativamente volátil antes y también después de las bifurcaciones.

Éter (ETH)

Todas las actualizaciones de Ethereum (ETH) (bórquetas blandas) se pueden ver en https://ethereum.org/en/history/. Aparte de eso, cubrimos la acción de los precios alrededor de las fechas de las bifurcaciones duras más famosas: el lanzamiento de Ethereum Classic (ETC) el 20 de julio de 2016, que también se conoce como bifurcación DAO, y EtherZero (ETZ), que se lanzó el 19 de enero de 2018.

El resumen de los eventos de cambio de red ETH se encuentra en la siguiente tabla:

Gráfico que muestra la acción de los precios en torno a las actualizaciones de red mencionadas anteriormente, incluidas las bifurcaciones blandas y duras:

En promedio, el ETH tiende a aumentar de manera constante antes del evento, pero con un crecimiento más lento que en el caso de BTC. Lo que es más evidente que en el caso de BTC es la apreciación del precio también después del evento.

Y también incluimos una tabla que presenta los resultados de las actualizaciones de la red:

Breve conclusión

Nuestra breve investigación muestra que los eventos relacionados con los cambios en los algoritmos de criptomonedas pueden dar a los participantes del mercado interesantes oportunidades de trading e inversión. Pero, por favor, escucha una palabra de precaución. Tenemos una pequeña muestra de eventos, ya que el mercado de criptomonedas es joven y no tiene una larga historia. Además, como indican la tabla y los gráficos, la dispersión en el rendimiento antes y después de los eventos es significativa. Podemos usar los resultados como guía para construir tácticamente posiciones a largo plazo en el lado largo. Pero se necesita mucha precaución si alguien desea intercambiar esos eventos de forma independiente, ya que el ruido en torno a los eventos es alto.

Autor:
Cyril Dujava, analista de Quant, Quantpedia