Los contrarians suelen estar equivocados por Ben Carlson

Tengo una idea que se ha estado precalentando en el horno durante un tiempo. Ahí va:

The Big Short de Michael Lewis ha hecho perder a los inversores más dinero que los últimos 3 mercados bajistas combinados.

Permíteme explicarte.

Todos hemos leído (o visto la película) sobre la banda de inadaptados que hicieron una apuesta contraria contra el mercado de la vivienda e hicieron una fortuna.

Desafortunadamente, creo que mucha gente tomó las lecciones equivocadas del libro de Lewis.

Pocas personas vieron venir la Gran Crisis Financiera. El libro hizo que pareciera tan obvio en retrospectiva que un grupo de inversores decidieron que podían hacer lo mismo si solo se les daba otra oportunidad.

¡Yo también puedo ser el próximo John Paulson o Steve Eisman!

Todo el mundo quería encontrar el próximo Big Short y convertirse en un héroe financiero inesperado.

El problema de encontrar operaciones únicas en la vida es que solo llegan una vez… en la vida.

John Paulson hizo miles de millones en corto en el mercado de hipotecas de alto riesgo. ¿Sabes lo que le pasó a Paulson después de hacer el mejor negocio de la historia?

En realidad no mucho.

La gente le estaba tirando dinero al tipo, había un fondo de cobertura denominado en oro justo cuando el oro estaba alcanzando su punto máximo y, finalmente, decidió correr todos los miles de millones que ganaba y cerrar la tienda.

El rayo no golpeó dos veces.

El fondo de dotación para el que solía trabajar invirtió en un fondo de cobertura que hizo una pequeña apuesta con el corto de alto riesgo de Paulson, pero era una pieza tan pequeña de su cartera que no ayudó mucho a sus rendimientos generales durante la crisis.

Pero se dieron una idea de lo que era ganar el premio gordo en ese tipo de apuesta, así que crearon un nuevo fondo que tenía la tarea de encontrar las operaciones más grandes y mejores. Se quedaron cortos en los bonos del gobierno japonés y un montón de otras cosas que no salieron bien. Ese fondo también cerró.

Por mucho que a algunas personas les gustaría ver arder el mundo, no tenemos una crisis financiera global todos los años.

La lección que la gente debería haber sacado de la debacle de 2008 es que los mercados pueden ser un lugar humillante.

En cambio, muchas personas asumieron que la conclusión es que ser contrarian es la mejor manera de ganar dinero en todo momento. Ser contrarian se sentía como una postura más cómoda de tomar.

No me malinterpretes, ir contra la corriente en los momentos oportunos puede ser una estrategia maravillosa. Las mejores oportunidades de inversión casi siempre ocurren cuando hay sangre en las calles.

El problema es que no puedes ser un contrarian en todo momento. La mayoría de las veces la tendencia es correcta y luchar contra ella es una estrategia perdedora.

Warren Buffett es famoso por ser codicioso cuando otros tienen miedo. ¿Adivina cuál es la mayor participación de Buffett ahora? Apple. Literalmente, la empresa más grande del mercado de valores de EE. UU.

La Gran Crisis Financiera rompió tantos cerebros que en lugar de admitir el error de sus caminos, muchos de estos recién descubiertos contrarios se meten en los talones.

No me equivoco, ¡solo llego temprano!

¡Habría tenido razón si no fuera por la Reserva Federal!

Escucha, el sistema aún no se ha colapsado, pero estaba cerca.

Si ninguna de esas excusas funciona, entonces empiezas a cuestionar los datos.

Seguro que no soy yo el que está mal. ¡Es el dato económico!

Escucha, realmente no digo que Michael Lewis sea personalmente responsable de todos los que están perdiendo dinero por ir en contra del mercado desde la crisis de 2008.

No es su culpa que haya creado historias tan maravillosas sobre las personas que apostaron contra la industria de la vivienda y ganaron.

Creo que muchos inversores se perdieron uno de los mercados alcistas más grandes de la historia y estarán constantemente en busca del próximo gran corto en su propio detrimento.

La vida de ser un permanente bajista se parece a esto:

Incorrecto.

Incorrecto.

Incorrecto.

Incorrecto.

Correcto. ¡Te lo dije!

Incorrecto de nuevo.

Incorrecto.

Incorrecto.

Todavía está mal.

Me atrae tratar de apostar contra el sistema para encontrar fama, gloria, ganancias y Steve Carell o Ryan Gosling interpretándote en la versión de la película.

Crucemos los dedos, tal vez algún día ganes la lotería.

Pero, ¿es esa realmente una estrategia que da la mayor probabilidad de éxito?

Llámame loco, pero prefiero apostar por el big long en lugar de tratar de encontrar el próximo big short.

Las novedades del sector por Hispatrading

• Por si se las han perdido, aquí tienen condensada las novedades más destacadas que se han producido en el sector a largo del último trimestre.
• Artículo publicado en Hispatrading 55.

Tensión en el Criptomercado

Hace un mes los mercados de criptomonedas volvían a teñirse de rojo, con caídas superiores en algunos casos al 15%, tras las acusaciones realizadas por parte del regulador estadounidense a dos de los mayores exchanges, así como la decisión tomada por Robinhood de dejar de cotizar tres criptomonedas tan importantes como son Cardano, Solana y Polygon. 

En particular, la Securities and Exchange Commission (SEC) acusaba el pasado 5 de junio a Binance de 13 cargos contra el exchange y contra su CEO, Changpeng Zhao. Entre las acusaciones, se encuentran la de operar plataformas de negociación ilegales, ofrecer valores de criptoactivos no registrados, e incluso de mezclar los fondos de los clientes con los de la compañía. 

Un día después, la SEC presentaba cargos también contra Coinbase, acusando a la compañía de Brian Armstrong de operar ilegalmente un mercado de valores, actuar como broker y liquidador de operaciones sin estar registrado un corredor de bolsa y una agencia de compensación, y ofrecer 13 tokens que deberían haber sido registrados, entre otros cargos. Dichos tokens serían los correspondientes a Solana, Cardano, Polygon, Filecoin, Sandbox, Axie Infinity, Chiliz, Flow, Internet Computer, Near, Voyager, Dash y Nexo.

Precisamente por este motivo no es de extrañar que unos días después el broker Robinhood retirara de cotización los tres primeros de esa lista, en lo que parece un movimiento claramente dirigido a evitar problemas con el regulador.

Todo esto parece apuntar a que el regulador de las Bolsas americanas parece haber iniciado una cruzada contra los mercados de criptomonedas que seguramente tendrá consecuencias bastante negativas para todo el sector y empujará a muchos traders a moverse a los exchanges descentralizados, en los que el margen de maniobra de los reguladores es mucho más pequeño.

Ante este ataque frontal a dos de los principales exchanges de criptomonedas, la cuestión ahora es ver si realmente la SEC está tratando de proteger a los traders de un nuevo FTX, o si se trata realmente de una cruzada contra la industria de las criptomonedas, sobre todo si tenemos en cuenta que hace poco más de dos años la SEC daba el visto bueno a la salida a Bolsa de Coinbase, algo que sin duda resulta como poco paradójico.

Ser la NVidia de Todos

Sin lugar a duda, vivimos en tiempos de inteligencia artificial, por lo que cualquier negocio que sea capaz de posicionarse y destacar en este nuevo frenesí de las máquinas con capacidad de aprendizaje tendrá la bendición del mercado. 

Precisamente por este motivo, todos los analistas permanecían muy atentos el 24 de mayo a la presentación de resultados de Nvidia. Si bien haya sido posiblemente más conocida en el pasado por sus tarjetas gráficas para videojuegos, lo cierto es que esta compañía se ha convertido en un referente del sector, ya que sus chips para GPU tienen una capacidad más que suficiente para afrontar la computación intensiva que requieren los algoritmos de inteligencia artificial, superando a los de competidores de la talla de Intel o AMD.

Los resultados presentados por Nvidia no decepcionaron a los inversores, por cuanto superaron en un 50% las previsiones de Wall Street, algo bastante poco habitual. Y todo ello a pesar de una reducción interanual del 38% en los ingresos del área relacionada con videojuegos. 

Pero lo mejor de todo fueron las previsiones de la compañía, indicando que espera obtener unos ingresos en el segundo trimestre de este año de 11.000 millones de dólares, muy por encima de las estimaciones de los analistas, que situaban esta cifra en 7.100 millones de dólares. Ello se debía en buena medida a la enorme demanda que deberá abastecer Nvidia en los próximos meses: solo para cubrir la demanda de servicios basados en ChatGPT se requieren unos 30.000 chips.

Todas estas excelentes cifras situaban a Nvidia en el top 10 de compañías con mayor capitalización del mundo, acariciando el billón de dólares y colocándose tan solo por detrás de Apple, Alphabet, Microsoft y Amazon, tras revalorizarse más de un 150% en lo que llevamos de año.

Moraleja de esta historia: a pesar de que posiblemente las condiciones económicas no sean desde luego las mejores, con la amenaza de la inflación y la guerra en Ucrania, probablemente veamos en los próximos meses unos índices bursátiles impulsados al alza de la mano de esta nueva revolución industrial que llevará la productividad hasta cotas nunca antes conocidas.

China Pierde Fuelle

Y mientras que la inteligencia artificial ha dado en los últimos meses una cierta esperanza al crecimiento económico mundial, hace unas semanas se publicaba un dato que causaba cierta inquietud: las exportaciones de en mayo China caían un 7,5% en tasa interanual, llegando incluso a marcar caídas de dos dígitos con EE. UU., Japón, el Sudeste Asiático, Francia o Italia. Por su parte, las importaciones también disminuían un 4,5%, aunque la caída llegaba a más del 20% en el caso de Taiwán y Corea del Sur, en lo que parece una clara señal de debilidad en la demanda mundial de dispositivos electrónicos.

Esta caída en las exportaciones, junto con la contracción de la actividad manufacturera y la desaceleración en la venta de viviendas en el país asiático, han puesto en el foco a las autoridades monetarias chinas, que seguramente tendrán que activar medidas de estímulo como una reducción en el coeficiente de reservas obligatorias de los bancos, o incluso una rebaja en los tipos de interés. 

No obstante, no todo es negativo en el balance comercial chino: las exportaciones de automóviles  aumentaron hasta los 9.000 millones de dólares, gracias en buena medida al impulso de las ventas de vehículos eléctricos chinos en el extranjero.

Asimismo, los datos de comercio publicados en junio mostraron un incremento de casi el 76% de las exportaciones chinas hacia Rusia, situándose el volumen de intercambios entre ambos países en su nivel más alto desde el inicio de la guerra con Ucrania en febrero de 2022, en lo que parece una clara señal de que Pekín trata de apoyar a un aliado fuertemente golpeado por las sanciones de los países occidentales.

Sin embargo, todo ello no compensa el saldo negativo con EE.UU. y Europa, principales clientes de China que se encuentran en riesgo de entrar en recesión (de hecho, Alemania ya lo ha hecho) ante la presión de la elevada inflación y las subidas de tipos de interés.

Es hora de volver a poner las materias primas en el radar, parte I por Sentimentrader

• Durante los últimos 90 años, las acciones han superado a las materias primas en aproximadamente 4 a 1. Sin embargo, no siempre se han comportado mejor.
• Un ciclo nuevo ciclo a largo plazo sugiere que los inversores y traders deben abrir sus mentes a la posibilidad de observar más de cerca las materias primas, particularmente durante los próximos 15 años.
• Comienza un nuevo ciclo al cierre del 30-06-2023

El ciclo de 30 años

Antes de presentar cualquier evidencia, pongamos la idea subyacente sobre la mesa. La idea es esta:

• Hay un ciclo de 30 años en los mercados de materias primas.
• Durante los primeros 15 años, las materias primas se comportan significativamente mejor en términos absolutos y superan significativamente al mercado de valores en términos relativos.
• Durante los segundos 15 años, las materias primas no se comportan tan bien en términos absolutos y tienen un rendimiento significativamente inferior al del mercado de valores en términos relativos.

Como verá en breve, la buena noticia es que la historia confirma este patrón, y el ciclo más nuevo comienza el 2023-06-30. La mala noticia es que no hay garantía de que estas tendencias continúen, y no se infiere que el comportamiento de los precios de las materias primas mejorará automáticamente solo cuando llegue julio.

El ciclo en sí

Mirando los últimos 90 años de comportamiento de acciones y materias primas, el ciclo funciona así:

A partir del 30 de junio de 1933, el rendimiento favoreció a las materias primas durante los siguientes 15 años y luego a las acciones durante los 15 años siguientes. Las fechas de patrón y período aparecen en la siguiente tabla.

Lo que nos dice el estudio

Si bien los resultados históricos han sido relativamente consistentes, lo que implica esto NO es que todos deban vender todas sus acciones y acumular materias primas durante los próximos quince años el 1 de julio. El propósito real es abrir la mente de los inversores a oportunidades potenciales. Si la historia demuestra ser una guía precisa, las personas que obtengan exposición a las materias primas como una clase de activo durante los próximos quince años pueden superar con creces a quienes se apeguen exclusivamente a las acciones. En las siguientes entregas, analizaremos más de cerca el rendimiento del ciclo intradiario de las materias primas y las acciones y destacaremos algunas formas de aprovechar potencialmente la naturaleza de ida y vuelta a largo plazo del rendimiento de estas dos clases de activos.

Machine learning aplicado al trading por Juanma Almodovar

• Mediante Machine Learning podemos encontrar estructuras y patrones tan complejos y enterrados entre el ruido de los mercados que ningún ojo humano los podría detectar. Veremos cómo obtener ventaja aplicando técnicas de Machine Learning en nuestra operativa.
• Artículo publicado en Hispatrading 16.

Con el auge de los gigantes de la tecnología de la información (Google, Facebook, Apple, etc) la ciencia de la Inteligencia Artificial ha empezado a renacer. Con nombres tan futurísticos como Machine Learning, Metaheuristics o Data Mining se engloba toda una serie de algoritmos y tecnologías orientadas a procesar la hiperabundante información y transformarla en conocimiento explotable.

La cuestión central que estudia el Machine Learning es la siguiente: ¿cómo podemos diseñar sistemas computacionales que automáticamente mejoren con la experiencia y cuáles son las leyes fundamentales que gobiernan este proceso de aprendizaje? 

Con Machine Learning podemos construir sistemas que aprendan de los datos. Un ejemplo típico es el sistema que reconoce el spam de nuestro buzón de correo, para ello se entrena al sistema con miles de emails de spam a modo de ejemplo para que posteriormente clasifique nuestro correo entrante según lo que ha aprendido.

En general se trata de conseguir que una computadora aprenda a reconocer patrones y características de una serie de datos o bien que encuentre y nos muestre una posible estructura oculta en los datos imperceptible a nuestros ojos. En definitiva enseñamos al ordenador a clasificar y predecir información para nosotros.

Por otra parte, los mercados financieros son la mayor fuente de datos de alta frecuencia y por tanto perfectos candidatos para experimentar con estas tecnologías. ¿Podemos aplicar Machine Learning para mejorar nuestro trading? Para responder a esta pregunta veamos antes la diferencia entre los sistemas automáticos clásicos basados en reglas lógicas y los nuevos sistemas basados en modelos de Machine Learning.

Sistemas de trading basados en reglas y basados en modelos

Los sistemas de trading automático clásicos se basan en conjuntos de reglas predefinidas por un trader. Estas reglas dan forma a la estrategia que el trader ha desarrollado a lo largo del tiempo con su experiencia negociando en los mercados. Hablamos de las reglas de compra y venta a la señal de una combinación de indicadores o de la rotura de un precio de soporte o resistencia, de filtros de volatilidad y tendencia mediante indicadores como el ATR y el Momentum, etc.

Los sistemas basados en modelos son diferentes. En vez de buscar reglas para operar lo que hacen es utilizar un modelo que analiza información buscando un patrón que con alta probabilidad continúa en determinado movimiento del mercado. Por ejemplo podemos introducir en nuestro modelo los valores del RSI de las últimas 3 sesiones y programar al sistema para que aprenda la relación (si la hubiera) entre estos datos y la volatilidad de la próxima sesión.

La tabla 1 es un ejemplo de valores para entrenar el modelo. Los tres primeros valores (RSI D1, RSI D2, RSI D3) son las entradas y el último (VOLATILIDAD) representa el objetivo a predecir. Cada fila de la tabla contiene los valores de la sesión. Entrenaremos a nuestro sistema introduciéndole los datos con esta información (por ejemplo de 300 sesiones) y finalmente le daremos los valores de entrada de la sesión actual (tabla 2) para que prediga el valor del objetivo (VOLATILIDAD).

Esta información podría sernos muy valiosa de forma que componiendo modelos que clasifican y predicen el mercado construyamos un sistema de trading automático.

Diferencias entre los sistemas basados en reglas y basados en modelos

Se puede obtener sistemas automáticos basados en reglas que sean realmente predictivos si se hace bien, es decir, sometiendo al sistema a un riguroso análisis estadístico. De hecho, la clave del trading automático reside en saber medir correctamente mediante el análisis estadístico la probabilidad de que el rendimiento pasado de nuestro sistema no sea debido a la suerte sino a que está detectando y explotando a su favor una ineficiencia real del mercado.

Pero los sistemas automáticos clásicos siempre dependerán de la experiencia y conocimiento del mercado que posea el trader para encontrar ineficiencias que explotar.  Aquí es donde las técnicas de Machine Learning pueden ayudarnos muchísimo y puede ser la mayor diferencia entre ambas técnicas de desarrollo de sistemas.

Mediante Machine Learning podemos hacer que el ordenador busque estructuras y patrones tan complejos y enterrados entre el ruido de los mercados que ningún ojo humano los podría detectar. Además de ésto los elementos que componen este tipo de sistemas nos permiten aplicar técnicas de análisis estadístico avanzado de manera más sencilla que con los sistemas basados en reglas.

Una última ventaja, no poco importante, de los sistemas basados en modelos es que al no ceñirse a una señal fija de compra o venta sino a una probabilidad de acierto en la predicción nos permiten ajustar el espectro de riesgo y beneficio del sistema y construir carteras más agresivas o conservadoras en función de nuestro perfil inversor.

Vamos a ver con dos ejemplos cómo podemos aprovechar estas dos características de los modelos de Machine Learning. Para la clasificación de estructuras en la información podemos utilizar el algoritmo o modelo k-means clustering y tanto para la predicción como para el ajuste de riesgo veamos un sistema de trading basado en una red neuronal simple.

El algoritmo k-means clustering para seleccionar parámetros en conjuntos multidimensionales

Uno de los pasos fundamentales en el diseño de sistemas de trading es la reoptimización periódica de sus parámetros. Cuando optimizamos un sistema estamos probando miles de combinaciones posibles en el histórico de datos para saber qué combinación daba los mejores resultados.

Uno podría cometer el error de elegir directamente el conjunto de parámetros que más beneficio hubiese dado, lo que nos garantizaría seguramente un problema. Con toda probabilidad este conjunto será fruto de una sobreoptimización y operar con él en forwardtest nos llevará a la ruina.

Es mucho mejor buscar un conjunto de parámetros positivo que tenga otros conjuntos cercanos de similares características, es decir buscar «vecinos parecidos» para asegurarnos que estamos en un «buen barrio».

Cuando optimizamos dos parámetros es relativamente fácil hacerlo de manera visual, por ejemplo en la figura 1 se ve claramente una buena zona paramétrica para seleccionar:

Cuando tenemos más de dos parámetros no podemos guiarnos visualmente pero podemos utilizar el algoritmo k-means clustering para que clasifique en grupos (clusters) todos los conjuntos de parámetros . De esta forma se obtienen conjuntos muy robustos que en forward test arrojan mejores resultados que otros conjuntos elegidos mediante métodos menos rigurosos.

Sistemas basados en Redes Neuronales

La Wikipedia define las redes neuronales como un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de conexión de neuronas que colaboran entre sí para producir un estímulo de salida.

Las redes neuronales son uno de los modelos de Machine Learning más comunmente aplicados.

Como los otros modelos la red neuronal necesita una serie de datos de entrada que podrían ser por ejemplo: la variación de los precios de cierre las últimas sesiones, los puntos de pivote diario, el volumen operado, etc. Además de estos datos le proporcionaremos si la sesión cerró alcista o bajista y con esto la entrenaremos.

Después le daremos una nueva serie de datos de sesiones donde no le decimos si cerró al alza o a la baja pero sí los otros datos (precios de cierre, puntos pivote, volumen, etc), la red tratará de predecir cómo fue el cierre de sesión y nos dará por cada sesión un valor de confianza para la predicción alcista y otro para la predicción bajista. Tomando el valor más alto tendremos la predicción.

En la figura 3 se muestra la curva de balance de un sistema de redes neuronales para el EURUSD en velas de 1 hora. Para cada predicción con una confianza mayor de 0,5.

Como se ve, una red neuronal bien entrenada puede ofrecer muy buenos resultados. Este sistema logró unos 6000 pips en unos 20 días de trading aproximadamente.

Pero como decíamos la segunda característica de los modelos de Machine Learning es que al ofrecer niveles de predicción sus señales pueden ser filtradas y no operar a menos que se supere determinado umbral. Veamos en la figura 4 lo que sucede cuando exigimos al modelo que su predicción alcista o bajista tenga un valor de confianza mayor a 0,55 para abrir una nueva posición, cerrando además cualquier posición abierta cuando la nueva predicción no supere este nivel.

Como era de esperar hemos reducido el número de trades, pero además aumentado el beneficio y disminuido el tamaño de los retrocesos.

De esta forma un mismo modelo puede aplicarse de diferentes formas en función del perfil de riesgo de un inversor determinado.

Conclusión

Los sistemas basados en modelos de Machine Learning dotan al trader de nuevo arsenal para la batalla en los mercados y le ofrecen una ventaja excepcional frente a los otros traders que no utilizan esta tecnología.

Ganancias y pérdidas del mercado de valores de EE.UU. en cifras por Ben Carlson

El S&P 500 ha subido más del 14 % este año.

No está mal.

Estaba hablando con un reportero de noticias financieras esta semana (no para presumir) que me pidió algunas ideas sobre dónde irá el mercado a partir de este punto en cuanto al rendimiento para el resto del año:

¿Qué crees que es más probable a partir de aquí: las acciones terminarán a la baja en el año o subirán un 20 %?

Mi capacidad para predecir los movimientos del mercado a corto plazo no es muy confiable, pero nadie puede predecir de manera confiable lo que el mercado de valores hará a continuación.

Si bien nadie puede predecir el futuro cuando se trata del mercado de valores, puede utilizar los rendimientos históricos para proporcionar algo de contexto en torno a una amplia gama de resultados.

El rendimiento pasado no es indicativo del rendimiento futuro y todo eso, pero los rendimientos históricos pueden ayudar cuando se trata de establecer expectativas sobre cómo se comporta el mercado de valores en general.

Por ejemplo, cuando se trata de la pregunta que me hicieron esta semana sobre el mercado de valores de si terminará a la baja o subirá un 20 % en el año, la historia dice que subir un 20 % es una apuesta de mayor probabilidad.

Analizando los números del S&P 500 de 1928 a 2022 se ve así:

Aquí hay un resumen rápido:

• Casi 6 de cada 10 años en el mercado de valores han visto ganancias superiores al 10 %.
• Un poco más de 1 de cada 3 años ha sido un rendimiento del 20 % o más.
• Casi 1 de cada 5 años fue un 30 % o más.
• Menos de 1 de cada 10 años ha tenido un año natural con ganancias en el rango del 5 % al 10 %.
• Alrededor de 1 de cada 4 años ha terminado el año a la baja.
• Aproximadamente 1 de cada 8 años ha sido un año bajista de dos dígitos.

El mercado de valores de EE. UU. ha tenido más probabilidades de terminar el año con un aumento del 20 % o más. Ese es un historial bastante bueno.

¿Significa esto que deberíamos empezar a abrir las botellas de champán preparándonos para un año de más del 20 % en 2023?

No.

El mercado de valores no es un casino.

No puedes llevar las probabilidades históricas al banco. Pero sigo pensando que puedes usar los rendimientos históricos para darte una gama de posibilidades, incluso si el futuro se complica.

Si bien las grandes ganancias han sido una apuesta de mayor probabilidad históricamente de lo que la mayoría de los inversores probablemente imaginan, caídas importantes también ocurren con más frecuencia de lo que algunas personas suponen.

Aquí hay una lista actualizada de los rendimientos divididos por años naturales desde 1928 junto con las caídas máximas durante esos años naturales:

El promedio de caída intraanual desde 1928 es del -16,4 %. Las cosas eran francamente desagradables en la década de 1930, pero incluso si nos entenemos en los números desde 1950, todavía estamos viendo un promedio de caída intraanual del -13,7 %.

El mercado de valores de EE. UU. es un buen negocio este año (en lo que va hasta ahora), algunos inversores podrían sorprenderse al saber que ya hemos experimentado una caída de casi el 8% este año (en febrero y marzo).

¿Podría ser peor que eso a partir de los niveles actuales?

Por supuesto que podría.

Casi el 60 % de todos los años naturales han terminado con ganancias del 10 % o más, pero 6 de cada 10 años también han experimentado una caída de máximo a mínimo del 10 % o más.

Por lo tanto, debe esperar ver ganancias de dos dígitos y pérdidas de dos dígitos en la mayoría de los años.

Esos años no siempre se han superpuesto, pero esta es una de las razones por las que invertir en acciones puede ser tan difícil.

Tanto las grandes ganancias como las grandes pérdidas son parte del curso, lo que significa que el mercado de valores está constantemente jugando con tus emociones.

Honestamente, no sé qué pasará después a partir de aquí.

Pero la historia muestra que debemos esperar la posibilidad tanto de grandes ganancias como grandes pérdidas.

Sé que eso no es tan útil si estás tratando de adivinar lo que viene después, pero es importante recordarte a ti mismo en ocasiones cómo funciona el mercado de valores en general.

Invertir por industrias o por países no es rentable por Quantpedia

La selección de sector/industria o de país puede ser un estilo de operativa rentable, pero por lo general es mucho más complicado de lo que parece a primera vista. Construir un buen modelo de trading requiere mucha investigación y dedicación. Desafortunadamente, debido al número limitado de industrias y países, clasificarlos por características agregadas puede eliminar importantes variaciones transversales en las características y conducir a carteras concentradas propensas a rendimientos más inestables.

En su nuevo artículo de investigación de Dimensional Fund Advisors, Dong, Huang y Medhat (2023) hablan sobre si los inversores deben enfatizar sistemáticamente ciertas industrias o países para aumentar los rendimientos esperados. Su visión general proporciona nuevas ideas sobre si los inversores probablemente estarán mejor buscando primas en la sección más grande de valores individuales y manteniendo una amplia diversificación en las secciones transversales más pequeñas de industrias y países.

El apéndice 1 proporciona un resumen sencillo de los resultados. Muestra los rendimientos anormales de FF6 en las estrategias de tamaño long-short, valor, rentabilidad e impulso a nivel de la industria (panel A) y a nivel de país (panel B). Para las estrategias de la industria, solo la estrategia de impulso 1-1 en los mercados emergentes genera un rendimiento anormal positivo y fiable. La exposición 2 desarrolla los resultados para los tipos de la industria. Informa de estadísticas resumidas para los lados largos y cortos de las estrategias de la industria junto con sus diferenciales en los EE. UU. (Panel A), los mercados desarrollados no estadounidenses (Panel B) y los mercados emergentes (Panel C). Para el tamaño, el valor y la rentabilidad, solo la clasificación de rentabilidad de EE. UU. genera un diferencial de rendimiento promedio positivo de forma fiable (0,30%/mes con una estadística t de 2,72), y ninguno de los diferenciales de retorno anormales es positivo de forma fiable. El Anexo 3 muestra los resultados detallados para los tipos de país. Para los mercados emergentes, ninguna de las estrategias de países a largo plazo obtiene rendimientos promedio positivos y fiables o rendimientos anormales. Para los mercados desarrollados, las clases de rentabilidad y el impulso 12-2 generan diferenciales de rendimiento promedio positivos de forma fiable, sin embargo, solo la estrategia de rentabilidad obtiene un rendimiento anormal positivo fiable.

Las pequeñas secciones transversales a nivel de la industria y del país también pueden causar dificultades considerables en la captura de interacciones premium. Varios otros documentos destacan la importancia de tener en cuenta las interacciones entre el tamaño, el valor y las primas de rentabilidad en la búsqueda de mayores rendimientos esperados (Novy-Marx, 2013; Fama y French, 2015; Dai, Saito y Watson, 2021). Hacer hincapié en acciones más pequeñas, más profundas y más rentables dentro del universo de inversión de una estrategia comúnmente requiere una clasificación de tres vías. Con un pequeño número de entidades para clasificar a nivel de la industria y del país, puede ser difícil evitar posiciones demasiado concentradas.

Autores: Audrey Dong, Mia Huang y Mamdouh Medhat

Título: Few and Far Between: Why Pursuing Premiums at the Industry and Country Levels Does Not Add Value (Por qué perseguir las primas a nivel de industria y de país no agrega valor)

Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4398439

Resumen:

Estudiamos el tamaño, el valor, la rentabilidad y las primas de impulso a nivel de la industria y del país en los mercados desarrollados y emergentes. Si bien la clasificación de industrias y países con características agregadas ha producido algunos diferenciales de rendimiento promedio confiables, los rendimientos anormales correspondientes en relación con los factores de nivel de seguridad son en su mayoría poco fiables o de corta duración. Tomar posiciones en industrias y países basadas en características agregadas puede conducir a concentraciones injustificadas por un aumento en los rendimientos esperados y no es adecuado para capturar interacciones premium. El uso de tipos de nivel de seguridad junto con consideraciones de diversificación parece ser un enfoque más viable para perseguir mayores rendimientos.

Presentamos varias figuras y tablas interesantes:

Citas notables del documento de investigación académica:

«La idea de etiquetar industrias o países enteros como, por ejemplo, valor o crecimiento, tiene algún mérito intuitivo. La agregación, se piensa habitualmente, puede mitigar el ruido a nivel de seguridad no relacionado con las diferencias en los rendimientos esperados. Por otro lado, debido a que hay muchas menos industrias y países que valores, la agregación puede eliminar una importante variación transversal en las características y dar lugar a posiciones concentradas. Mirando la literatura, encontramos evidencia no concluyente sobre la eficacia de las estrategias sistemáticas a nivel de la industria y de los países»

«Encontramos que las estrategias de la industria y los países son, en general, inferiores a sus contrapartes de nivel de seguridad para capturar el tamaño, el valor, la rentabilidad y las primas de impulso tanto en los mercados desarrollados como en los mercados emergentes. En cuanto al tamaño, el valor y la rentabilidad, encontramos en su mayoría primas poco fiables, la mayoría de las cuales están subsumidas por factores de nivel de seguridad. Para el impulso, encontramos que cualquier rendimiento anormal confiable requiere una alta rotación y desaparece con un reequilibrio menos frecuente, lo que plantea dudas sobre su eficacia en las estrategias del mundo real. Nuestra principal implicación para los inversores es que el uso de tipos de nivel de seguridad junto con consideraciones de diversificación sensatas es un enfoque más viable para construir estrategias sistemáticas.»

«La muestra de EE. UU. consiste en todas las acciones ordinarias que se negocian en las bolsas NYSE/AMEX/Nasdaq con datos de mercado y contabilidad disponibles de CRSP y Compustat. La muestra abarca desde julio de 1974 hasta diciembre de 2021, donde la fecha de inicio está determinada por la inclusión de acciones de Nasdaq. La muestra no estadounidense consiste en acciones ordinarias con datos de mercado y contabilidad disponibles de Bloomberg. La muestra no estadounidense abarca desde julio de 1994 hasta diciembre de 2021, donde la fecha de inicio está determinada por la disponibilidad de datos.»

«Construimos las estrategias de la industria por separado para tres regiones: los EE. UU., los mercados desarrollados no estadounidenses y los mercados emergentes. La separación de los mercados desarrollados y emergentes es común en la literatura y separar aún más a los EE. UU. de otros mercados desarrollados nos permite utilizar el período de muestra más largo para los EE. UU. Clasificamos las industrias dentro de un país según una característica agregada dada y formamos tres carteras de industrias específicas de cada país que corresponden a niveles bajos, neutrales y altos de la característica. Para las regiones fuera de los EE. UU., agregamos las carteras de la industria específicas de cada país por las capitalizaciones de mercado de sus países a las carteras de la industria regional. Este procedimiento mejora la diversificación y elimina las apuestas de cualquier país para las carteras de la industria no estadounidense. En los EE. UU., utilizamos las 49 industrias definidas por Fama y French (2007), y las tres carteras de la industria siempre contienen 15, 19 y 15 industrias (de modo que las carteras bajas y altas contienen aproximadamente el 30 % del número de industrias).»

«Utilizamos las carteras bajas y altas para construir estrategias de tamaño long-short, valor, rentabilidad y impulso a nivel de la industria o del país. Los lados largos de las estrategias son, respectivamente, las industrias o países con el tamaño más pequeño, el precio relativo más bajo, la mayor rentabilidad y el rendimiento pasado más fuerte, por lo que esperamos que tengan rendimientos promedio positivos.»

«[…] Para las estrategias de los países, solo la estrategia de rentabilidad en los mercados desarrollados genera un rendimiento anormal positivo y fiable. Por lo tanto, incluso antes de un análisis más profundo, la Prueba 1 sugiere que cualquier beneficio para perseguir las primas a nivel de la industria y del país es poco y está muy lejos.»

«[…] Si bien la teoría de la valoración sugiere que deberíamos ver diferenciales de rendimiento promedio positivos de los tipos de tamaño, valor y rentabilidad a nivel de la industria, los resultados presentados aquí muestran que la mayoría de estos diferenciales de rendimiento no son estadísticamente confiables. Esto sugiere que la agregación del número relativamente grande de valores al número relativamente bajo de industrias tiende a eliminar una importante variación transversal en las características y conducir a carteras más concentradas propensas a rendimientos realizados con más ruido.»

«La prueba 4 ilustra esto mostrando los rendimientos anormales de las estrategias de impulso de la industria 1-1 en función de la frecuencia de reequilibrio para las tres regiones. Además del reequilibrio mensual estándar, también consideramos el reequilibrio semestral y anual. Para evitar que estos últimos resultados sean impulsados por la elección del mes de reequilibrio, las carteras se reequilibran de manera escalonada. Específicamente, al final de cada mes, una doceava parte de la cartera reequilibrada anualmente y una sexta parte de la cartera reequilibrada semestralmente se reequilibran.»

«Nuestros resultados hasta ahora sugieren que las apuestas de la industria y el país no aumentan los rendimientos esperados para un inversor que ya está buscando las primas a nivel de seguridad. Sin embargo, las asignaciones implícitas a las industrias y países que vienen con la búsqueda de primas de nivel de seguridad todavía pueden conducir a concentraciones no deseadas. Esto se debe a que algunas industrias y países tienden a aparecer con una frecuencia desproporcionada en un extremo del espectro cuando se clasifican en las características».

Los mayores desafíos del psicotrading – III: La Mentalidad por Brett N. Steenbarger, Ph.D.

Todo sobre los resultados o ganancias empresariales del SP500 por Ed Yardeni

Ganancias I: El pasado. La temporada de ganancias del primer trimestre ha terminado, y los números finales están en marcha. Fueron mejores resultados de lo esperado, lo que no es sorprendente cuando la economía está creciendo. Los resultados peores de lo esperado tienden a ocurrir cuando la economía está cayendo en una recesión. Que la economía caiga en una recesión ha sido una preocupación generalizada, pero no desde nuestra perspectiva, como saben. Hasta ahora, todo bien.

Hoy, revisemos los resultados y luego volvamos al futuro actualizando nuestras previsiones para los ingresos por acción del S&P 500, las ganancias por acción y el margen de beneficio para 2023, 2024 y 2025. Terminaremos hablando de las perspectivas de las ganancias a plazo por acción, el P/E a plazo y el índice de precios de las acciones del S&P 500.

(1) Ingresos. Los ingresos por acción de las empresas del S&P 500 disminuyeron durante el primer trimestre desde el máximo histórico del cuarto trimestre, pero aún así aumentaron un 9,1% año (Fig. 1 e Fig. 2). La inflación impulsó la tasa de crecimiento, ya que el deflactor de precios del PIB aumentó un 5,3%; pero el aumento ajustado a la inflación seguía siendo una ganancia sólida.

(2) Ganancias. Las ganancias por acción del S&P 500 fueron planas en comparación con el resultado del cuarto trimestre, pero aún así bajó un 3,0 % a/a (Fig. 3 y Fig. 4).

(3) Margen de beneficio. Podemos calcular el margen de beneficio del S&P 500 dividiendo las ganancias del índice por los ingresos (Fig. 5 e Fig. 6). El margen bajó hasta el 11,8 % desde el 111,5 % durante el cuarto trimestre, pero todavía estaba por debajo del máximo histórico del 13,7 % durante el segundo trimestre de 2021.

La recesión de las ganancias ha sido bastante modesta hasta ahora, con dos trimestres consecutivos de modestas disminuciones sobre una base de año. Hasta ahora no ha habido una recesión de ingresos. La debilidad de las ganancias de los últimos trimestres se ha atribuido en su totalidad a la disminución del margen de beneficio. Esto sugiere que, si bien los ingresos de las empresas siguieron el ritmo de la inflación de los precios, las ganancias se verían presionadas por el rápido aumento de los costos. La inflación salarial ha sido alta, y la productividad ha sido débil debido a la rotación inusualmente alta en el mercado laboral, con renuncias y ofertas de trabajo récord en los últimos trimestres.

Ganancias II: El presente. Las ganancias reales por acción del primer trimestre de las empresas del S&P 500 resultaron haber bajado un 3,0 % a/a, lo que fue mejor que el -7,5% esperado por los analistas de la industria colectivamente al comienzo de la temporada de ganancias (Fig. 7 y Fig. 8). Actualmente (desde la semana del 8 de junio), los analistas de la industria proyectan que las ganancias del S&P 500 caerán un 8,1 % a/a y anualmente durante el segundo trimestre, seguidas de las ganancias del tercer y cuarto trimestre al año del 0,4 % y el 9,1 %. Al igual que la economía, las ganancias han experimentado un aterrizaje suave hasta ahora.

Actualmente, los analistas de la industria esperan las siguientes tasas de crecimiento de los ingresos y ganancias interanuales: para 2023 (1,9 %, 0,4 %) y para 2024 (1,6 %, 11,4 %) (Fig. 9 y Fig. 10).

Las previsiones de margen de beneficio del S&P 500 implícitas en las estimaciones de ingresos y ganancias de los analistas han estado disminuyendo para 2023, 2024 y 2025 desde el comienzo de este año (Fig. 11). Las proyecciones pueden estar tocando fondo ahora, con las últimas lecturas para los tres años en el 12,0%, 12,8% y 13,6%. Un suelo en las estimaciones de margen implícitas de los analistas de la industria sugeriría que creen que la mini recesión de las ganancias atribuible al debilitamiento de los márgenes de beneficio ha terminado. Estarán en lo cierto si los márgenes dejan de caer.

Como saben, Joe y yo somos grandes fans de los ingresos semanales a plazo del S&P 500 por acción y de las ganancias a plazo por acción como grandes indicadores coincidentes de la serie trimestral real para los ingresos por acción y las ganancias por acción del S&P 500 (Fig. 12 y Fig. 13). (Los ingresos y las ganancias posteriores son el promedio ponderado por el tiempo de las estimaciones de los analistas para el año en curso y el año que viene). Los ingresos a plazo aumentaron a otro máximo histórico durante la semana del 1 de junio, mientras que las ganancias a plazo tocaron fondo durante la semana del 23 de febrero y han subido un 3,0 % desde entonces hasta la semana del 1 de junio. El margen de beneficio a plazo se elantó durante la semana del 1 de junio al 12,5 % (Fig. 14).

Ganancias III: El futuro. Ahora echemos un giro a una actualización de nuestras perspectivas para los ingresos colectivos, las ganancias y el margen de beneficio de las empresas S&P 500.

Dado que las ganancias han tenido un aterrizaje suave hasta ahora en lugar de uno difícil, esperamos una recuperación de ganancias en forma de U, en lugar de una en forma de V. Si nos sorprende, es probable que sea porque la recuperación es más sólida de lo que estamos proyectando. Si es así, eso sería atribuible a mayores márgenes de beneficio, impulsados por las ganancias de productividad impulsadas por la tecnología. Pensemos en el futuro:

(1) Ingresos. Estamos proyectando que los ingresos por acción aumentarán un 4,0 % este año a 1.823 $ y un 4,0 % en 2024 a 1.896 $ (Fig. 15). (Nuestras estimaciones anteriores eran aproximadamente las mismas en 1.825 y 1.875 dólares).

(2) Ganancias. Estamos proyectando que las ganancias por acción serán de 225 dólares este año y 250 dólares el año que viene (Fig. 16). Ese ha sido nuestro pronóstico desde el verano pasado. (El recuento final para 2022 fue de 218 $. Habíamos estado proyectando 220 $.)

(3) Margen de beneficio. Nuestras proyecciones implican que el margen de beneficio caerá del 12,4 % en 2022 al 12,3 % en 2023 y volverá a subir al 13,2 % en 2024 (Fig. 17).

(4) Ganancias a plazo. Estamos proyectando que las ganancias a plazo del S&P 500 por acción serán de 250 $ a finales de este año y de 270 $ a finales del próximo año (Fig. 18). Eso es lo que esperamos que las expectativas de ganancias consensuadas de los analistas sean para 2024 y 2025. (A finales de año, las ganancias a plazo coinciden con las proyecciones de los analistas para el próximo año).

(5) Rangos de valoración y S&P 500. Ahora apliquemos rangos de P/E a plazo de 16.0-20.0 a nuestras proyecciones de ganancias a plazo para derivar rangos objetivo para el S&P 500 (Fig. 19). El rango para 2023 es de 4000 a 5000 y para 2024 es de 4320 a 5400 (Fig. 20). Nuestras estimaciones de puntos de fin de año son 4600 a finales de este año y 5200 a finales de 2024.

Reconocemos que nuestros rangos múltiples de valoración son altos. Sin embargo, reflejan nuestras expectativas de que las acciones de MegaCap-8 (es decir, Alphabet, Amazon, Apple, Meta, Microsoft, Netflix, Nvidia y Tesla) seguirán representando una parte significativa de la capitalización de mercado del S&P 500 y que seguirán siendo muy apreciadas por los inversores.

¿Qué tan barato (o caro) está el mercado de valores en este momento? por Ben Carlson

Nunca he sido un gran admirador de la jerga financiera porque la mayoría de las veces se usa para impresionar a las personas en lugar de ayudarlas a entender de lo que estás hablando.

Aquí hay una parte de la jerga que nunca tuvo mucho sentido para mí: valor justo.

Nuestro valor razonable del S&P 500 es 4357 basado en bla, bla, bla.

Justo ¿en relación con qué? ¿Información histórica? ¿Otros mercados? ¿Ganancias? ¿Ventas? ¿Flujo de caja libre? ¿Tasas de interés? ¿Precios de las entradas para conciertos de Taylor Swift?

El problema de tratar de precisar el valor razonable es que hay tantas medidas de valoración diferentes para elegir.

Valoraciones históricas. Robert Shiller tiene datos de la relación CAPE que se remontan a 1871:

El CAPE actual con casi 30x de ganancias ajustadas a la inflación en los últimos 10 años ciertamente parece alto en relación con el promedio de 17,4x si nos remontamos a cuando Ulysses S. Grant era presidente.

Pero no es mucho más alto que el promedio de 27x que hemos visto este siglo.

Cada promedio está sesgado a su manera. Las valoraciones han estado en el lado alto de la historia en las últimas décadas, mientras que antes de que tuviéramos automóviles o computadoras personales eran mucho más bajas.

Valoraciones relativas a la historia reciente. JP Morgan tiene un gráfico que analiza las valoraciones en el mercado de valores de EE. UU. usando un montón de medidas diferentes: ganancias, CAPE, rendimiento de dividendos, precio-valor contable, precio-flujo de caja y el diferencial entre el rendimiento de las ganancias y los bonos corporativos:

Las cosas parecen un poco «elevadas» en relación a los últimos 25 años, pero más o menos en línea con los promedios.

JP Morgan también tiene una comparación de valoraciones globales en los últimos 25 años:

Parece que está en la media en los EE. UU., China y los mercados emergentes y relativamente bajo en Japón y Europa.

También podemos ver las valoraciones relativas entre las acciones extranjeras y las acciones estadounidenses:

Las acciones internacionales son baratas en comparación con las de Estados Unidos, pero ha sido así desde hace un tiempo.

O qué tal crecimiento versus valor:

Las acciones de valor siempre son más baratas que las acciones de crecimiento, pero cada grupo no está demasiado lejos de las normas históricas.

Y dado que estamos analizando varias métricas de valoración, vale la pena señalar que hay todo tipo de formas diferentes de ver el «valor» y el «crecimiento» cuando se trata de acciones.

¿Confundido todavía?

Avancemos.

Valoraciones prospectivas. Yardeni Research también tiene métricas de valoración para empresas de media y pequeña capitalización que se remontan a 1999:

Con base en las relaciones P/E a futuro que tienen en cuenta las estimaciones de ganancias, las corporaciones pequeñas y medianas parecen mucho más baratas en relación con su propio historial que las acciones de gran capitalización en este momento.

Tasaciones ajustadas. También hay varias formas de ajustar las valoraciones actuales.

Mucha gente asume que las acciones tecnológicas merecen un múltiplo superior al del mercado porque son más eficientes, requieren menos empleados y tienen márgenes más altos que las empresas del pasado que requieren más capital.

Yardeni desglosa los índices P/U adelantados por S&P 500, las acciones tecnológicas en el S&P y el S&P ex-tech:

Si se quitan las valoraciones del mercado de valores del sector tecnológico, no se ven tan mal.

Supongo que depende de cómo te sientas acerca de si las acciones tecnológicas merecen una prima o no. Tiene sentido para mí en este momento, pero no tengo idea de cuál debería ser esa prima o cuánto debería durar.

Pero se puede argumentar que el resto del mercado parece bastante barato si se eliminan los nombres tecnológicos relativamente caros.

Valoraciones relativas. Esta es la primera vez en casi dos décadas que los bonos han hecho que las acciones compitan por su dinero en términos de rendimiento.

Las letras del Tesoro, los bonos municipales y los bonos corporativos ahora rinden más del 5%. Esa es una tasa crítica mucho más alta que los rendimientos a los que los inversores estaban acostumbrados a ver en la década de 2010 y los primeros años de la pandemia.

La inversa de la relación P/U a plazo de 18,8x nos daría un rendimiento de las ganancias en el S&P 500 de 5,3%. El rendimiento de las ganancias es mayor para las medianas capitalizaciones (7,4 %) y las pequeñas capitalizaciones (7,5 %).

No estoy sugiriendo que los rendimientos de las ganancias puedan predecir con precisión los rendimientos futuros. no pueden

Pero la diferencia entre lo que puede ganar con los bonos y lo que puede ganar con las acciones se ha reducido considerablemente en los últimos 15 meses más o menos.

Y los rendimientos esperados de los bonos son mucho más fáciles de pronosticar que los rendimientos esperados de las acciones. Los bonos son básicamente solo su rendimiento inicial. Bastante simple.

Hay tantos otros elementos involucrados en los rendimientos futuros del mercado de valores que van más allá de los fundamentos.

Podría darle el rendimiento de dividendos y la tasa de crecimiento de las ganancias futuras para el mercado de valores y aún sería casi imposible predecir cuáles serán los rendimientos, ya que nadie sabe cuánto están dispuestos a pagar los inversores por esas ganancias en el futuro.

La buena noticia es que no parece que el mercado de valores esté demasiado sobrevalorado en este momento. Algunos incluso argumentarían que estamos negociando al valor justo o cerca de él, pero no voy a decir eso porque no me gusta la frase.

A nadie le importa el rendimiento de los bonos del 5% cuando el mercado de valores está subiendo dos dígitos. Pero sí creo que la perspectiva de que los rendimientos se mantengan altos durante más tiempo podría terminar siendo el mayor obstáculo para las acciones en el mediano plazo a partir de aquí.

La buena noticia para los inversores diversificados es que hemos pasado de uno de los peores años de la historia el año pasado a una situación bastante buena en lo que va del año.

El mercado de valores ha subido dos dígitos. Puede ganar un 5 % en activos de corta duración similares al efectivo.

Mi consejo es disfrutarlo mientras dure.

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

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

A un paso de una película de miedo, la curva de las tasas de interés se ha invertido por Alexander Elder

Me gustaría compartir con ustedes unas ideas que les permitirá ver el historial de la curva de rendimiento en comparación con el S&P500 desde 1999 hasta la actualidad.

Normalmente, cuando las empresas y los gobiernos toman prestado dinero a un plazo más corto, pagan tasas de interés más bajas. Las tasas a más largo plazo normalmente son más altas porque pueden darse más sorpresas durante más tiempo. Cuando las tasas a corto plazo aumentan por encima de las tasas a largo plazo, se denomina «curva, de tasa de interés, invertida».

Permítanme comenzar con los gráficos de cuatro ocasiones en los últimos 24 años cuando la curva de la tasa de interés se invirtió… veamos qué pasó después.

La curva de rendimiento se invirtió en el año 2000: siguió un mercado bajista en 2001-2002

La curva de rendimiento se invirtió en 2007: siguió un mercado bajista en 2007-2009

La curva de rendimiento se invirtió en 2019: un mercado bajista siguió en 2020 (muy empinado por la pandemia).

2023: ahora es la inversión más pronunciada en 24 años. No es una imagen cómoda precisamente.

En mi propia operativa, incluso después de que el S&P cerrara por encima de 4200, confirmando un mercado alcista, sigo sin sentirme cómodo comprando. Sigo haciendo operaciones rápidas en el lado corto, aprovechando repetidamente la burbuja que se está dando en las acciones de IA.
Tenga cuidado, use stops firmes.

El mercado de valores suele Subir (pero a veces baja) por Ben Carlson

El Financial Times publicó una historia esta semana sobre las apuestas de Carl Icahn contra el mercado de valores que salieron mal.

Desde 2017, Icahn ha estado posicionando parte de su cartera para una gran caída. Le costó casi 9 mil millones de dólares en los últimos 6 años.

Esto es lo que le dijo al Times:

«Siempre le he dicho a la gente que no hay nadie que realmente pueda elegir el mercado a corto o medio plazo», dijo Icahn al FT en una entrevista para discutir el análisis. «Tal vez cometí el error de no apegarme a mis propios consejos en los últimos años».

A veces, la exposición teórica de Icahn, el valor subyacente de los valores contra los que estaba apostando, superó los 15 mil millones de dólares, según muestran las presentaciones regulatorias. «Nunca obtienes la cobertura perfecta, pero si mantuviera los parámetros en los que siempre creí… Habría estado bien», dijo. «Pero no lo hice».

Bien por admitir su error.

Aunque, siguió la probada y verdadera excusa del gestor de cartera de que cuando todo lo demás falla, culpa a la Reserva Federal:

«Obviamente creía que el mercado tenía grandes problemas», dijo Icahn. «[Pero] la Reserva Federal inyectó billones de dólares en el mercado para luchar contra el Covid y el viejo dicho es cierto: ‘no luches contra la Reserva Federal'».

No estoy tratando de meterme con Icahn. Es multimillonario muchas veces. Estará bien. No puedes ganar siempre, especialmente cuando tratas de cronometrar el mercado.

Pero hay algunas buenas lecciones de inversión en todo esto.

Claro, el mercado de valores se desploma de vez en cuando, pero la mayoría de las veces sube.

Según mi recuento, solo ha habido 13 mercados bajistas desde la Segunda Guerra Mundial (incluida la iteración actual).

Eso es uno de cada 6 años más o menos, en promedio.

Durante ese mismo período de tiempo, el mercado de valores ha caído un 30 % o más 4 veces.

Eso es uno de cada 13 años más o menos, en promedio.

Un accidente del 50 % o más se ha dado solo 3 veces.

Eso es uno de cada 26 años más o menos, en promedio.

Los rendimientos del mercado de valores son cualquier cosa menos promedio, pero es cierto que las calamidades en el mercado de valores son más raras de lo que crees.

El escenario para un crahs siempre va a sonar más atractivo desde el punto de vista narrativo, pero el lado positivo supera en gran parte la desventaja en el mercado de valores.

Tener un sesgo negativo contra el mercado año tras año tras año es una apuesta de baja probabilidad.

He mostrado los datos muchas veces en el pasado sobre el historial histórico de ganancias vs. pérdidas en varios períodos de tiempo, pero vale la pena repetirlo.

Desde 1926, el mercado de valores de EE. UU. ha experimentado rendimientos positivos:

• El 56 % de las veces a diario
• 63 % del tiempo mensualmente
• 75 % del tiempo sobre una base anual
• 88 % del tiempo sobre una base de 5 años
• El 95 % del tiempo en una base de 10 años
• 100 % del tiempo sobre una base de 20 años

¿Puedo garantizar estas tasas de éxito en el futuro? ¡Por supuesto que no! No hay garantías cuando se trata del mercado de valores.

Pero apostar por un desplome suena inteligente hasta que te das cuenta (a) lo difícil que es predecir el momento de un mercado bajista y (b) la frecuencia con la que el mercado de valores suele subir con el tiempo.

El mercado de valores se ha desplomado en el pasado y se desplomará en el futuro.

Es solo que nadie, por muy rico que sea, puede predecir cuándo sucederá.

Tiene sentido prepararse para el riesgo a la baja en el mercado de valores, pero es imposible predecirlo con anticipación.

Y también es importante prepararse para el alza en el mercado de valores porque la mayoría de las veces sube.

¿Cómo hacer trading en los breakouts? por Chris Capre

• Hablemos sobre las estrategias de breakout en divisas ¿Cómo puedo hacer trading en estos momentos? Al operarlos ¿cómo puedo evitar las rupturas en falso? Chris Capre nos lo muestra.
• Artículo publicado en Hispatrading 43.

¿Alguna vez escuchó decir que la mayoría de los breakouts son falsos o que debe evitar operar las rupturas?

Permítanme poner en duda estas afirmaciones. Me gustaría mostrarles algo.

Fíjese en la figura 1. Se muestran los resultados del ganador del “World Cup Futures Championship 2017”. Como ve, en primera posición está Stefano Serafini, con un impresionante retorno del 217%.

¿Cuál fue la principal estrategia de Stefano Serafini para llegar a obtener un rendimiento tan impresionante? Las rupturas intradía. 

Por eso, hágame un favor, la próxima vez que vea a un supuesto gurú diciendo «la mayoría de las rupturas son falsas » o » debe evitar las rupturas “. Comparta con él este artículo.

En este artículo, voy a enseñar dos estrategias de breakout en divisas para ayudarle a aumentar su precisión y rentabilidad al operarlas. También voy a mostrarle cómo puede usar esto para evitar cualquier breakout falso.

Estrategias breakout en divisas

Si bien hay muchos tipos de estrategias de breakout en divisas, se pueden clasificar en dos grandes categorías:

1 – Setup “Momentum breakout”

2 – Setup “Breakout pullback”

En este artículo nos centraremos en la segunda estrategia de breakout (el “Breakout pullback”), ya que es mucho más fácil para los operadores aprender y ejecutarla porque requiere menos habilidad.

Setup “Breakout pullback”

Antes de que incluso pueda operar el setup de pullback, deberá identificar algunos de los patrones de pullback analizando la acción del precio.

Al aprender esto, podrá identificar setups “A +”. Es decir, los mejores patrones. Estos aumentarán su precisión y rentabilidad al operarlos.

Hay muchas cosas que puede hacer para identificar setups de pullback “A +”, pero hay dos cosas que le daré para que pueda ir trabajando.

Patrón breakout: encontrando un nivel clave de soporte o resistencia con un mínimo de dos toques

¿Por qué dos toques?

Si bien el mercado puede alcanzar un nivel clave de soporte o resistencia con solo un toque en esa zona, lo que suele indicar un potencial flujo de órdenes y players institucionales que desean mantener ese nivel, son dos toques. Estos indican una mayor probabilidad y cantidad de órdenes en esa zona.

Cuantos más compradores o vendedores tenga ese nivel, mayores serán las  probabilidades de que la operación tenga éxito.

¿Por qué?

Una razón es que a esos mismos jugadores, cuando les saltan las órdenes de stop loss después de que se rompe el nivel de soporte o resistencia, se les quita parte del flujo de órdenes en contra de esa ruptura. Esto facilita que continúe la ruptura.

Además de esto, los grandes players, con dinero inteligente, después de haber sido eliminados ( y detectar una buena ruptura ) a menudo cambiarán de lado después de que salten sus órdenes stop, lo que proporcionará un mayor impulso al breakout.

Por lo tanto, es importante identificar un nivel que tenga un mínimo de dos toques (cuanto más, mejor) para aumentar la probabilidad de que se forme un setup de breakout.

Patrón breakout: reacciones o retrocesos menores antes del breakout 

¿Por qué analizar un retroceso o una reacción antes de un nivel clave de soporte o resistencia ayuda a las operaciones de ruptura?

Digamos que el mercado está en una tendencia alcista y está encontrando un nivel de resistencia donde es probable que haya posiciones bajistas en ese nivel. Si los alcistas alcanzan el nivel de resistencia, por primera vez, y el mercado retrocede, digamos 50 pips, si la segunda vez que el precio alcance ese nivel de resistencia, el mercado solo retrocede 25 pips, esto indicará una reacción más débil de los bajistas.

Un retroceso más débil de los bajistas es igual a un menor flujo de órdenes y fuerza a su favor. A medida que su lado continúa debilitándose, esto le dará a los bajistas la señal de que es más probable ver una ruptura, y comunica que su lado está perdiendo la batalla.

Mirando la “Figura 3″, ¿observa cómo las reacciones y retrocesos al nivel de resistencia fueron más débiles? 

Esas reacciones más débiles avisaron de que los bajistas fueron menos capaces de hacer caer el precio mientras los alcistas mantenían el pie en el acelerador, produciendo una eventual fuga.

A continuación se muestra otro buen ejemplo de dos toques y reacciones más débiles al nivel de resistencia en el USDJPY, produciendo una ruptura de +125 pips.

Por lo tanto, asegúrese de buscar reacciones más débiles cada vez que se encuentre antes de un nivel de soporte o resistencia clave para identificar una ruptura de alta probabilidad.

Clave: Un patrón adicional, que puede aplicar en la acción del precio, es buscar setups de breakout que se están formando en tendencia vs contratendencia.

Ahora que le he mostrado dos componentes subyacentes de una estrategia de breakout, hablemos sobre cómo puede entrar en un breakout pullback.

El “Breakout pullback”

Suponiendo que haya encontrado una situación en la que se den los dos toques en un mismo nivel clave de soporte o resistencia, junto con reacciones más débiles antes de llegar al mismo, hablemos sobre cómo puede entrar en un setup breakout pullback.

Una vez que el precio haya roto el nivel de soporte o resistencia, colocaré una orden límite en ese nivel de soporte o resistencia específico para operar en la dirección de la ruptura.

NOTA: No espero que se forme una señal de confirmación de acción del precio en ese nivel. Si ha leído el contexto de acción del precio correctamente y ha encontrado una ruptura interesante, cualquier señal de confirmación de la acción del precio solo le dará una entrada más débil y, por lo tanto, reducirá su rentabilidad.

Si aprende a leer la acción del precio correctamente, no necesitará ninguna señal de confirmación de la acción del precio para entrar al mercado, porque el flujo de órdenes de los grandes players ya estará allí.

Cuando opero un setup breakout pullback, una vez que identifico el breakout, abro mi operación, en largo o en corto, en el nivel dónde se realiza el pullback.

Si el flujo de órdenes en ese nivel es interesante, habrá players más grandes dispuestos a estar largos o cortos en ese nivel sin la necesidad de ninguna confirmación de price action.

Observe cómo hubo dos toques en el nivel de soporte cerca de 6625, junto rebotes cada vez más débiles. Una vez que el mercado rompió el nivel, puse mi orden para entra en corto.

Después de volver a mi nivel, y entrar por poco en terreno negativo, el par cayó generando más de 100 pips de ganancia.

Si hubiera esperado alguna señal de confirmación, como una pin bar o similar,  habría obtenido una entrada peor , y menor potencial de ganancias .

Puede ver otro ejemplo de una operación en vivo utilizando una estrategia de negociación piramidal en la que entro en un breakout pullback en ambas operaciones, operando con la tendencia para obtener ganancias adicionales. 

Después de ver los dos videos, es de esperar que estos ejemplos le den una buena idea de cómo operar un breakout pullback.

¿Cómo evitar los falsos breakout?

Se puede decir mucho acerca de cómo evitar los falsos breakout cuando se opera un setup de breakout pullback. Hay muchos patrones de ruptura que a menudo fallan. 

Para simplificar, lo mejor que puede hacer es:

a) Aprender a leer el contexto de acción del precio

b) Operar con la tendencia tanto como sea posible.

Al aprender a leer el contexto de la acción del precio, tendrá una mejor comprensión para encontrar niveles clave de soporte y resistencia donde haya un gran flujo de pedidos alrededor de ese nivel. También podrá detectar mejor los contextos de tendencia, que son mucho más favorables para los setups de trading de breakout. Esto se debe a que habrá una mayor cantidad de flujo de órdenes a su favor para respaldar su operación.

En resumen

Operar patrones de breakout en divisas puede ser una estrategia de trading altamente rentable cuando aprende a identificar setups de breakout “A +” . Hay dos tipos de breakout, que son a) el breakout en sí, y b) el breakout pullback.

También hay patrones de ruptura que puede detectar en la acción del precio y lo ayudarán a encontrar operaciones de ruptura de mayor probabilidad.

Al principio, intente operar setups de breakout pullback ya que requieren menos habilidades y lo ayudarán a tener confianza en los breakout con el tiempo.

Por último, cuando opere el breakout pullback asegúrese de no esperar señales de confirmación de la acción del precio, ya que le darán una peor entrada y reducirán su rentabilidad.

Técnica rompetechos. Comprando acciones en rupturas por David Garrard

• En los mercados financieros que se mueven en rangos laterales, la identificación de las empresas cuyos precios se mueven regularmente oscilando arriba y abajo – y tal vez estén listas para una ruptura – pueden permitirnos obtener beneficios si el momento de entrada es el adecuado. 
• Artículo publicado en Hispatrading 20.

Hay varias maneras de filtrar este tipo de oportunidades, por lo general utilizando herramientas y recursos web, tanto para evaluar la estrategia como para identificar las acciones candidatas para invertir.

La estrategia descrita aquí está diseñada para identificar acciones que han alcanzado recientemente un nuevo máximo  y otra vez están preparadas para un movimiento alcista – potencial de romper por encima de su anterior máximo de 52 semanas.

En busca de oportunidades de rotura

Nuestro objetivo es diseñar una estrategia que considera acciones que tienen un importante potencial de rotura por encima de su máximo de 52 semanas, centrándonos en los precios que muestren momentum alcista justo por debajo del máximo anteriormente establecido. Tenemos la intención de entrar rápidamente en el mercado – nuestra hipótesis es que las acciones que posteriormente superan el máximo de 52 semanas obtendrán la atención de otros inversores. Esperamos que un interés suficiente de los inversores impulsará al precio al alza hacia nuestro objetivo, donde podremos tomar beneficios antes que otros inversores debido a que nuestra entrada fue anterior y en un precio más bajo.

Los mercados se mueven ​​por la oferta y la demanda, y no nos olvidemos de los omnipresentes miedo y codicia. Cuantificar la psicología colectiva del mercado es de lo que trata el análisis técnico. En nuestro caso, estamos buscando acciones en las que el sentimiento alcista generalizado – evidencia de que los compradores son más frenéticos que los vendedores – ha impulsado el precio de las acciones a un ritmo inusualmente rápido, lo suficientemente rápido como para generar una señal en un indicador de momentum.

La estrategia al descubierto

Una de las condiciones de esta estrategia es que la volatilidad de la acción – utilizaremos su beta – puede ser un valor elevado, pero no violentamente volátil. Eliminando los candidatos con la mayor volatilidad, estaremos disminuyendo la posibilidad de tener falsas entradas – roturas fallidas – en nuestra cartera. Dicho esto, es importante que los candidatos tengan la volatilidad suficiente para alcanzar nuestro objetivo en un espacio de tiempo razonable. Se trata de una estrategia a corto y medio plazo.

Un aspecto clave de esta estrategia es el criterio que especifica que las acciones deben estar dentro del 20% de su máximo de 52 semanas. Esto establece el subconjunto de valores que han llegado a ese máximo, y todavía están dentro de una distancia razonable para alcanzar de nuevo esos máximos. Si el máximo de 52 semanas es reciente, entonces estamos postulando que un empuje en el momentum del valor provocará una rotura rentable a partir de un período de consolidación reciente y breve. Si el máximo de 52 semanas no es reciente, entonces estamos postulando que se puede producir una rotura aún mayor impulsado por un largo período de consolidación.

Utilizamos un cruce reciente de la línea cero de Momentum como la señal de temporización para nuestra estrategia. Un movimiento por impulso saludable nos puede proporcionar la indicación necesaria para seguir una ruptura. Muchos operadores técnicos utilizan el indicador Momentum por sí solo para el trading; mediante el uso en conjunto con otros criterios, construiremos una estrategia más enfocada en movimientos de roturas alcistas.

Modernas herramientas basadas en web ahora ayudan a los inversores

Las nuevas herramientas basadas en la web permiten a los inversores individuales identificar rápidamente y con confianza valores que cumplan sus objetivos de inversión mediante el uso de interfaces gráficos sencillas de utilizar. Utilizando estas nuevas herramientas, los inversores pueden seguir fácilmente la estrategia de inversión descrita anteriormente, y luego comprobar el rendimiento histórico del modelo utilizando un backtest. Los inversores ahora pueden añadir criterios fundamentales tales como PER, rentabilidad sobre recursos propios, capitalización de mercado y muchas otras para establecer los límites del rango de un filtro que de lo contrario sería únicamente técnico para posiblemente mejorar los escenarios.

El backtest permite a los inversores evaluar los resultados del modelo de inversión elegido frente a múltiples años de datos históricos del mercado de valores. El inversor es capaz de evaluar rápidamente si su estrategia puede “batir al mercado” en el futuro. Los resultados del backtest se muestran en ocasiones de forma numérica, así como gráficamente y se pueden representar contra un índice de mercado. Se puede asimismo programar el envío futuro de correos electrónicos asesorando sobre cambios en la cartera una vez que una estrategia está lista.

Mantenga estos puntos en mente

Como la mayoría de las acciones se mueven en sintonía con la dirección del mercado en general, los resultados serán mayores si el mercado en general está subiendo mientras ejecuta su estrategia. Se recomienda un stop de protección una vez que se ha abierto una posición. Si una tendencia alcista se inicia, coloque órdenes de trailing stop para proteger el beneficio en ciertos niveles a medida que se vayan alcanzando.

Conclusión

Los brokers están añadiendo nuevas herramientas para sus sitios web que proporcionan a sus clientes material didáctico y sencillas herramientas de detección y generación de ideas de trading. Estas nuevas herramientas – debido a su carácter objetivo, consistente y fiable – aumentan la confianza de los inversores. Los inversores formados y con confianza son inversores más rentables.

Explicación De La Estrategia De Venta En Corto De Marc Cohodes por Brandon Beylo

Marc Cohodes de Big Short es uno de los vendedores en corto más populares del mercado. Pasó las últimas décadas descubiendo modelos de negocios fallidos y equipos de gestión fraudulentos como PM en Copper River Management, aumentando en gran medida su patrimonio neto en el proceso. Hoy maneja su propio dinero con la misma pasión por encontrar y exponer fraudes.

Este artículo describe cinco tácticas que usa Marc para encontrar nuevas ideas cortas. Estas tácticas son:

• Indicador “La Peluca”

• Apuesta el jockey

• La prueba de octavo grado

• Pelea o vuela

• Thesis Creep

Vamos allá..

Táctica 1: El Indicador «Peluca»

A Marc le encanta apostar contra ejecutivos con permanente. Está bien, no es precisamente así, pero escúchame. Marc explicó su indicador «Peluca» en una entrevista con Edwin Dorsey (énfasis añadido):

“Creo que mi promedio de bateo es cercano al 10% cuando encuentro un ejecutivo que usa peluca”. 

Debe tener cuidado con los ejecutivos que intentan atraer a los inversores con cortes de pelo elegantes, oficinas lujosas y aviones privados extravagantes. A menudo ocultan algo negativo sobre la empresa, ya sea el deterioro de los márgenes, fusiones y adquisiciones deficientes o una compensación excesiva de los ejecutivos.

Táctica 2: Apuesta Al Jinete

Marc hace su vida más fácil vendiendo en corto empresas con directores ejecutivos «fracasados ​​en su carrera». Así es como lo expresó en su entrevista con Edwin (énfasis agregado):

“Yo siempre digo apostar al jinete, no al caballo. El historial de un ejecutivo significa mucho. Si va a vender acciones en corto, encontrar fracasos profesionales, las personas que cometen errores en general una y otra vez son objetivos mucho mejores que las personas que han tenido éxito toda su vida”.

Podría decirse que esta es la táctica más crítica en el conjunto de herramientas de corto de Marc. Piense en cuántos miles de millones de dólares han perdido los vendedores al descubierto apostando contra Elon Musk, Jeff Bezos, Marc Benioff o Mark Zuckerberg.

Apostar contra ganadores perennes es una mala idea. Empeorado por el hecho de que estos ganadores juegan con reglas diferentes a las de los directores ejecutivos del mercado público convencional.

Nunca ponga en corto una acción basada en un modelo de valoración.

En su lugar, los inversores deberían vender acciones «aburridas» en corto y evitar los visionarios ganadores perennes. Me gusta cómo Cliff Sosin de CAS Investment Partners explica esta idea (énfasis añadido):

“Me gustan las acciones cortas aburridas, similares a bonos. No persigo acciones muy vendidas o modas/acciones populares. En cambio, trato de encontrar empresas cuyas ventajas competitivas disminuirán lentamente con el tiempo. Esto crea una estructura similar a la de un bono para la apuesta corta y nos permite mantenerla durante mucho tiempo debido a la falta de volatilidad extrema».

Táctica 3: La Prueba De Octavo Grado 

Cohodes usa una prueba simple para filtrar posibles cortos, a la que llama «Prueba de octavo grado».

Si Marc no puede explicar el modelo de negocio a un alumno de octavo grado, se incluye en la lista de «posibles cortos». 

La complejidad es como la capa de invisibilidad de Harry Potter. Enron ocultó su fraude en mercados comerciales de energía altamente complejos y no regulados. Theranos operaba en el complejo mundo de la biotecnología de vanguardia. Cuanto más complejo, más fácil es ocultar las irregularidades.

Peter Lynch tenía ideas similares sobre la complejidad. Lynch solo invirtió en acciones que pudo explicar a un alumno de quinto grado (énfasis añadido):

“Si está preparado para invertir en una empresa, entonces debería poder explicar por qué en un lenguaje simple que un alumno de quinto grado pueda entender, y lo suficientemente rápido para que el alumno de quinto grado no se aburra.”

Esta debería ser la primera prueba que realice al investigar nuevas ideas.

Táctica 4: Lucha O Huida

Los inversores pueden aprender mucho sobre una empresa a partir de cómo responden a informes breves específicos. ¿Arremeten y toman represalias? ¿Demandan a la firma de investigación o al fondo de cobertura y los insultan en Twitter? 

¿O simplemente refutan las afirmaciones en un comunicado de prensa y siguen con sus vidas?

Los directores ejecutivos y las empresas que reaccionan violentamente ante tales informes son excelentes candidatos cortos. Cohodes explica por qué (énfasis añadido):

“Otro indicador es cuando un CEO se pelea con un vendedor en corto. Esa es siempre una señal terrible. Los directores ejecutivos deben administrar su negocio, comprender lo que dicen los escépticos y ejecutar. Los directores ejecutivos que se enfocan en los vendedores en corto a menudo se distraen y fracasan”. 

Los equipos de administración honestos no buscan peleas. Trabajan en mejorar su negocio. ¿Por qué perder tiempo, energía y recursos en algo que saben que no es exacto?

Táctica 5: Thesis Creep

La táctica final que usa Marc para encontrar candidatos cortos es Thesis Creep. Thesis Creep ocurre cuando las empresas reconocen su modelo de negocio fallido y giran hacia algo más popular. Vimos esto durante la burbuja de las punto com cuando todas las empresas agregaron «.com» a sus nombres.

De hecho, estamos viendo cosas similares hoy. Helbiz (HLBZ), una empresa de transporte, anunció que «incorporará ChatGPT en varios departamentos comerciales».

Como era de esperar, las acciones han bajado más del 90% durante el último año.

Resumen: Las Cinco Tácticas De Marc Cohodes Para Encontrar Nuevas Ideas Cortas

Ahora tenemos una Lista de verificación de ideas cortas de cinco pasos para usar al evaluar cualquier acción:

1. Indicador “La Peluca”
2. apuesta el jockey
3. La prueba de octavo grado
4. Pelea o vuela
5. Thesis Creep

Espero que os haya gustado este post sobre Marc Cohodes

Las reglas del Juego han cambiado: la cola mueve al perro en el mercado de opciones por Greg Placsintar

¿Cómo eran y cómo son ahora los mercados? ¿Qué son y cómo funcionan los creadores de mercado? ¿Qué es el Gamma, Vanna y Charms? En este artículo contestaremos a estas y otras preguntas, mientras hablamos de la situación actual del mercado de opciones.

Artículo publicado en Hispatrading 49.

Los mercados evolucionan constantemente. Son sistemas dinámicos, darwinianos y casi caóticos. La tecnología es la que marca el camino porque facilita el acceso a más participantes, reduce los costes de transacción y entre otras mejoras, permite realizar profundos y complejos análisis. Por todo ello, cada vez tenemos mercados más líquidos, más profundos y más complejos. En este artículo nos aproximaremos a este nuevo entorno de mercado donde el precio que vemos en los índices viene marcado por las nuevas dinámicas. 

El contado es un instrumento muy limitado para los grandes “players”, ya que solo da exposición a la dirección en la que se mueva el activo. Son delta uno. Mientras que los derivados y la combinación de estos con sus subyacentes, permiten un abanico de estrategias muy amplio donde además de delta, entran en juego gamma, vanna, charm, etc. Esto unido a disponer de la mejor tecnología les posibilita implementar estrategias cada vez más dinámicas y complejas. Óptimas para aprovechar cualquier situación de mercado. Óptimas para elaborar una infinidad de productos financieros que se adapten a lo que los clientes piden. 

Este abanico de estrategias es una de las razones por las que en los últimos años el mercado de opciones ha sobrepasado en contratación los volúmenes del mercado de acciones. La otra razón es la facilidad de acceso de los inversores retail a estos derivados. Hoy en día cualquier bróker permite comprar opciones con una facilidad pasmosa. Esto no quiere decir que el inversor retail conozca el funcionamiento de las opciones, de hecho, este entorno de solo subir contribuye a que el pequeño inversor piense que una opción es como comprar una acción (delta 1), pero pagando menos y con posibilidad de ganar más.

Estas nuevas dinámicas de mercado tienen un fuerte impacto en la liquidez del mismo y, por lo tanto, en los niveles de cotización. Como veremos en este artículo, es el mercado de opciones el que está marcando y amplificando los movimientos de los índices.

Conceptos básicos y cómo funciona un Creador de Mercado

Para explicar el impacto de estas dinámicas y cómo las grandes manos están analizando el mercado, necesitamos una serie de conceptos previos que exponemos a continuación.

• Libro de órdenes
• Qué es delta
• Qué es gamma
• Creador de Mercados / Dealers y Delta hedge
• ¿Qué sucede cuándo un inversor compra una opción? ¿Quién se la vende?

Libro de órdenes

El mercado de valores es un registro de quién está dispuesto a comprar o vender acciones y a qué precio. Este registro se llama libro de órdenes, y es lo que todo trader siempre estudia para ver dónde hay oferta y dónde hay demanda. Con el tiempo se ha vuelto más complejo, más fragmentado y más abstracto. Hoy en día, hay decenas de lugares de negociación, cientos de tipos de órdenes con modificadores y enrutamiento algorítmico, órdenes inteligentes, sistemas, todo ello con el expreso propósito de obtener el mejor llenado con el coste total más bajo. Debido a la naturaleza competitiva del mercado, la mayor parte de la liquidez visible es, de una manera u otra, un farol. 

El Creador de mercado y las opciones

Un factor importante a tener en cuenta en estas posiciones son las opciones negociadas sobre el subyacente en cuestión. Cuando alguien compra o vende una opción, casi siempre hay un Creador de Mercado en el otro lado, dando contrapartida. Como este no quiere el riesgo direccional asociado con esa posición, se cubre mediante una posición dinámica en el subyacente. Vamos a analizar cómo este mecanismo influye en el mercado:

Delta y Gamma

En Opciones se habla de Delta, que nos indica cómo varía el valor de la Opción (Prima) ante las variaciones del precio del subyacente. Por ejemplo, si tenemos una Opción de compra (Call) sobre Tesla con delta 0,50, (opción en el dinero: ATM) sería lo mismo que decir que cuando sube el precio de Tesla en 1 punto, la Opción subiría 0,5 puntos, y cuando baje el precio de Tesla 1 punto la Opción bajaría 0,5 puntos. 

También se habla de Gamma, que mide la variación de Delta al producirse modificaciones en el precio del subyacente.

Caso práctico

Imaginemos ahora que un Inversor compra una Opción Call sobre Tesla, una Opción con el strike situado en el precio actual de Tesla (Opción ATM), entonces esa opción tendrá un delta de 0,50 (aproximadamente), y como además el multiplicador de las opciones de Tesla es 100, diremos que tenemos 50 deltas comprados en esa posición sobre Tesla. Es decir, que si el precio sube 1 punto, nuestra posición subirá $50, equivalente a estar comprados de 50 acciones de Tesla.

Conforme sube o baja el precio, Gamma nos indica cómo va variando ese delta, pues 1 Opción de Tesla, que corresponde a 100 acciones, puede variar desde -100 a 100 (deltas de la posición), según donde tengamos el strike de la opción y donde esté el precio de Tesla. 

Esa opción que hemos comprado, alguien nos la tendrá que haber vendido, y puede ser otro particular, pero normalmente se la habremos comprado a un Creador de Mercado o Dealer que nos ha dado contrapartida a nuestra posición.

Mientras que nuestra posición intenta aprovecharse de un movimiento direccional, (vamos con deltas positivos), el Creador de Mercado que nos la ha vendido no pretende ponerse a la contra, sino que quiere estar lo más neutral posible en el mercado, y cubrir esa posición dejando un delta neutral, pues su negocio es ganar con los precios de las opciones, sin tener riesgo direccional. De esta forma el Creador de Mercado tendría una Opción Call vendida sobre Tesla, con delta -50 (es decir, equivalente a 50 acciones vendidas). Como quiere estar direccionalmente neutral, acudiría al mercado de contado y compraría 50 acciones de Tesla, quedándose con delta cero, temporalmente neutral a los movimientos del precio.

Ahora supongamos que el precio de Tesla sube, lo que provoca que la Opción Call suba de precio, y sobre todo que el delta de la opción suba a 0,6 (estos cambios nos los indicaría gamma). De esta forma el Creador de Mercado vuelve a estar direccional, con un delta de -60 en la opción y un delta de 50 en las acciones compradas; necesita comprar 10 acciones más para ponerse de nuevo neutral.

Si en lugar de subir el precio de Tesla hubiera bajado, la opción Call habría bajado de precio, y el delta habría cambiado, supongamos, a 0,40. En ese caso tendríamos un delta de -40 en la opción, y un delta de 50 en las acciones compradas; necesita vender 10 acciones para volver a la neutralidad.

De esta manera, la opción Call comprada por el inversor provoca movimientos en el contado de ese producto por parte del Creador de Mercado que le ha dado contrapartida.

En este caso, una Call comprada por el inversor hace inicialmente que el Creador de Mercado compre 50 acciones de Tesla, y si el precio sube, compre 10 acciones más, y si el precio baja, venda 10 acciones. Así ésta Call provoca que el mercado reaccione con más fuerza, tanto a las subidas como a las bajadas.

Todo esto, considerando el volumen tan importante que tiene el mercado de opciones, da idea de los movimientos que pueden provocar en el subyacente, según las posiciones que tengan los Creadores de Mercados.

En la siguiente tabla vemos las repercusiones que tendrían en el mercado la Compra o Venta de una opción de compra (Call) o una opción de venta (Put), por parte de las contrapartidas tomadas por el Creador de Mercado, tanto en la posición inicial como ante movimientos de bajada o subida del precio. El caso de Compra de Call es el que hemos detallado anteriormente.

Tabla 1. Tabla resumen sobre cómo actúa un Creador de Mercado al dar contrapartida a un inversor.

Impacto en el mercado

Se observa que la Compra de Opciones Call o la Compra de opciones Put hacen que el mercado sobrerreaccione a las compras o a las ventas, multiplicando los movimientos alcistas, y también los movimientos bajistas.

Sin embargo, la Venta de Calls o Venta de Puts por parte de los inversores, hacen que los Creadores de Mercado funcionen al revés, es decir, si el mercado baja ellos compran y si sube ellos venden, reduciendo la volatilidad de los mercados.

El mercado es complejo y no sabemos exactamente las posiciones globales de los Creadores de Mercado, pero sí sabemos que esas posiciones provocan comportamientos muy fuertes en los mercados, que pueden acelerar o amortiguar movimientos.

A esto hay que sumar los efectos de segundo orden como gamma o vanna. La repercusión de estas griegas no debe de pasar desapercibida, como ha sucedido hasta ahora, ya que funcionan de amplificador de los citados movimientos.

El Creador de Mercado todos los días ajusta sus posiciones en base a estas derivadas de segundo orden, es decir estudia todos los días la variación de su delta de la cartera en función del tiempo  (Charm), ajustando así sus acciones o futuros, al mismo tiempo que revisa la variación del delta con respecto a la volatilidad (Vanna) y por supuesto al cambio del precio (Gamma). Para el Creador de Mercado no existe otra cosa que su negocio, este es cubrir siempre su delta con cada movimiento. Como ejemplo tenemos que a veces esta exposición a gamma les obliga a comprar/vender 1 billion de SPX por cada punto que se mueve el índice. El impacto es enorme.

Conclusiones

Todos los días nos preguntamos: ¿Qué es lo que mueve el mercado? ¿Por qué se mueve de forma tan diferente en los últimos meses? ¿Por qué hay niveles donde el precio reacciona de manera inesperada sin noticia o sin motivo aparente? 

Nos han enseñado que la referencia de los precios son los activos base, pero hoy en día, vemos que las reglas han cambiado con tantos productos y tan complejos al alcance de todos. Se dice que la “cola mueve al perro”, y así es, la dinámica ha cambiado y las reglas también.

Esperamos que con este artículo quede más claro lo que está pasando, lo que mueve el mercado. Ya es más importante lo que hacen las opciones que el subyacente. Parece el mundo al revés. Lo es.

Son las nuevas formas de flujos que hay que conocer y tener en cuenta. Sentimos que sea un poco difícil de entender a la primera. Sin embargo, es lo que pretendemos con estos artículos y con nuestro canal de telegram https://t.me/stonksvolaprimas. Queremos abrirles ojos a los inversores, explicarles que las reglas han cambiado. No podemos decir que sean para bien o para mal, solo que el entorno de mercado es distinto. Hace años que las opciones están en el mercado, siempre han jugado un rol relevante, pero nunca antes habían sido más importantes que el mercado en sí. 

Los Creadores de Mercado o Market Makers no arriesgan. Te venden un producto con una volatilidad que saben que pueden cubrir, para ello utilizan el contado para hacerlo. Estos movimientos acaban siendo muy grandes, sin importar la dirección que tome el mercado. Únicamente están cubriendo en base a su cartera.

No obstante, vaya cobertura. Si hay liquidez todo irá bien, ya que no tienen que mover el precio. Ahora cuando no la hay, necesitan mover más y más el mercado para poder cubrirse. Recuerda que, tanto en subidas como en bajadas, conforme delta varía, ellos compran o venden más lotes en el contado. Así mueven el precio hasta que cubren su necesidad, sin importar cuánto es. 

En Marzo 2020 vimos un movimiento muy acelerado por la falta de liquidez y también vimos en muchos activos un movimiento correlacionado (en metales, renta fija, renta variable). En nuestra humilde opinión es un riesgo debido a estos flujos que provienen de los derivados. Unicamente para cubrir la posición. Esta última vez han intervenido, ya que no se puede permitir que todo Wall Street (que está corto de volatilidad, es decir largos de Calls de Empresas, largos de Empresas y largos de Índices y todos los Indexados) invertido hasta las cejas y todo en la misma dirección, se mate a salir, ya que hubiera provocado un movimiento sin precedentes. Piensa que no es un movimiento en base a flujos de beneficios de Empresas o de la Economía, son otros flujos, los de “Delta, Vanna, Charm“. Estos no tienen en cuenta si la empresa cotiza a un precio real o por debajo de valor contable, o incluso a PER 1. 

Al observar este nuevo entorno creemos que es importante conocer el motivo y los posibles escenarios. Además, es clave que en las carteras haya un componente de cobertura y un componente largo en volatilidad, por supuesto a un coste adecuado. Es lo que hemos añadido en nuestro fondo Seasonal Quant, que además de estar descorrelacionado, por ser diferente y poco volátil, te aporta una cobertura real ante un movimiento inesperado de la renta variable. 

Como siempre gracias por leernos y confiar en nosotros. Para cualquier duda o pregunta estamos a vuestra disposición. 

Epílogo: La elección de Tesla como ejemplo práctico a lo largo del artículo no ha sido casual. A la vista de cómo se lleva comportando la cotización de la empresa de Musk, circula una teoría sobre el uso de calls para inducir movimientos de gamma muy fuertes. A esta teoría, la hemos llamado el “Caballo de Troya de Tesla” porque estaría destina a “romper la inversión indexada”. De esta tesis hablaremos próximamente, ya que con este artículo hemos sentado las bases técnicas para poder explicarla acorde a su complejidad.