Nuevas métricas del riesgo y sus aplicaciones en portfolios de sistemas (Parte 2) por Andrés García

• El control del riesgo es uno de los aspectos fundamentales en toda operativa. Más allá de las simples señales de entrada y salida tenemos un universo de opciones que podrán determinar la mejora o fracaso estrepitoso de un sistema con esperanza matemática positiva. Con este segundo artículo completaremos la serie dedicada al estudio de nuevas métricas del riesgo. Lea el primer artículo de esta serie.
• Artículo publicado en Hispatrading 19.

2.- EL VALOR EN RIESGO CONDICIONAL (CVaR)

Puede definirse como la media de las observaciones en la cola de la distribución; es decir por debajo del VaR al nivel de confianza especificado. Este es el motivo de que el CVaR se conozca también como ES (Expected Shortfall), AVaR (Average Value at Risk) o ETL (Expected Tail Loss).  

El cálculo del CVaR es algo más complejo y no  existe una metodología única: Puede ser calculado como la media aritmética de los VaR con niveles de significación igual o mayor que el inicial (Heras, 2010), se pueden utilizar medias ponderadas (Acerbi, 2002) o se puede utilizar el promedio entre el VaR y el CVaR⁺ (Rockafellar y Ursayev, 2000).

De manera más formal (Sarykalin y Ursayev, 2008) el estimador se define como:

CVaR_α =

 Donde:

0 con z < VaR_α(x)

=  

((z)-α) / (1-α) con z ≥ VaR_α (x)

Gráficamente podemos representar el CVaR del siguiente modo:

El CVaR tiene mejores propiedades matemáticas que el VaR. Es una medida coherente del riesgo (Wang et al, 1997) que cumple los criterios de:

– Monotonicidad: Si un activo tiene mejor rendimiento que otro en cualquier horizonte temporal su riesgo también es menor.

– Homogeneidad positiva: Proporcionalidad entre tamaño de la posición y riesgo.

–  Invariancia a translaciones:   Al añadir capital a una posición su riesgo disminuye en proporción directa al capital añadido.

– Subaditividad: La diversificación en activos disminuye el riesgo de la posición global. Esta última propiedad es importante y está relacionada con la optimización de carteras: Siempre se puede encontrar balanceando el portfolio una proporción óptima de activos que minimice el riesgo.  

Otras dos ventajas del CVaR (Pflug, 2000) son la continuidad con respecto al nivel de confianza y la convexividad con respecto a la posición en el portfolio, lo que permite resolver una enorme variedad de problemas de optimización.

Para El cálculo del CVaR por Montecarlo seguimos los mismos pasos que con el VaR, pero con la salvedad de que el número de escenarios simulados debe ser mucho mayor. Con un nivel de confianza del 99% y 100 simulaciones solo encontramos un elemento por debajo del VaR. A partir de 1.000 simulaciones ya se puede estimar el CVaR de manera muy precisa.

3.- DRAWDOWN EN RIESGO CONDICIONAL (CDaR)

Esta nueva métrica, introducida por Chekhlov, Uryasev y Zabarankin (2000), no es más que un CVaR aplicado a la distribución de drawdowns (DD) de la cartera. En determinados procesos de optimización y gestión monetaria el máximo DD se considera una medida demasiado conservadora del riesgo y el DD medio demasiado laxa. El CDaR se presenta como respuesta a este problema, y se define como el DD medio en la cola de la distribución para un nivel de confianza dado. 

En el caso de los portfolios de sistemas puede ser calculado por simulación de Montecarlo en la forma que ya hemos visto. El DD de Montecarlo y el VaR aplicado a la distribución de DDs. son lo mismo. El CDaR conserva las ventajas matemáticas ya mencionadas y permite analizar con mayor precisión los riesgos en las colas. Con todo, es una métrica que tiene las mismas ventajas y propiedades favorables que el CVaR. En la imagen inferior podemos ver los resultados de una simulación de Montecarlo aplicada al DD.

4.- TOMA DE DECISIONES EN CARTERAS SISTEMÁTICAS CON EL CVaR 

Uno de los usos más interesantes del CVaR es que nos permite obtener información estática y dinámica del portfolio que estamos analizando. Supongamos que queremos saber si un sistema o cartera sigue funcionando según lo previsto. Para ello podemos utilizar:

– Medidas estáticas del riesgo basadas en el DD: 

Por ejemplo, detener la operativa cuando el DD real excede el DD de Montecarlo del modelo (serie out-sample) a un determinado nivel de confianza.

– Medidas estadísticas: 

Estas medidas se basan en la forma de la distribución. Analizamos las series real y modelo, utilizando estadísticos como el T-Test o la prueba de Chi, para determinar si ambas series pertenecen a la misma población o si, por el contario, son distintas.

– Medidas estáticas del VaR y CVaR:

Estas métricas nos indican el rendimiento que debería tener el sistema o portfolio en un horizonte temporal y para un determinado nivel de confianza. Nuevamente comparamos los datos obtenidos en la simulación de Montecarlo de  la serie out-sample con los datos de la serie real. En la imagen inferior mostramos el VaR y CVaR de un portfolio sistemático calculados a un año. La cartera ha sido diseñada para un beneficio medio de 60.000€ anuales:

Una vez realizada la simulación de Montecarlo con las estadísticas de  la serie Out-sample comprobamos que no hay curvas perdedoras para el horizonte establecido y calculamos, a partir de la distribución del retorno, el VaR y CVaR para diferentes niveles de confianza (eje X). Si analizamos esta imagen con las últimas recomendaciones de Basilea sobre estos estimadores (BCBS, 2014), VaR al 99% y CVaR al 97,5%,  los resultados serían 16.200 para el VaR y 14.100 para el CVaR. En este caso las proyecciones anuales para los peores escenarios no tienen rentabilidad negativa. Sin embrago, son un 73% y un 77% peores que el beneficio medio anual previsto en el modelo.

– Medidas dinámicas del riesgo y curvas de mínimo rendimiento (CMR).

Con el VaR y el CVaR no solo podemos acotar escenarios estáticos de riesgo, también nos permiten responder a la siguiente pregunta: De cumplirse las peores previsiones, ¿cuánto debería estar ganando (o perdiendo) el portfolio  en cualquier intervalo del marco temporal evaluado? La respuesta está en las CMR para distintos niveles de confianza del estimador empleado.

Estas curvas se trazan partiendo de una simulación de Montecarlo del retorno de la cartera o sistema y requieren simular en cada intervalo t (ej. días) un número elevado de escenarios hipotéticos. Se obtiene la distribución de retornos de cada corte temporal a evaluar y se calculan el VaR y el CVaR para los niveles de confianza deseados. El resultado lo podemos ver en la imagen inferior:

Con este tipo de gráficos ya estamos preparados para responder a las preguntas de qué debería estar haciendo nuestro portfolio y si este evoluciona según lo previsto. También nos permiten establecer el breakeven  de la cartera; es decir, el punto de equilibrio a partir del cual los escenarios de riesgo convergen hacia soluciones positivas. En este caso podemos ver que en los peores escenarios existe riesgo de retornos negativos los primeros 120 días. Con duraciones mayores de la inversión ya no deberíamos estar perdiendo dinero.

Como gestores nos interesa monitorizar la evolución de la cartera para asegurarnos de que la operativa real está dentro de los parámetros prescritos por el modelo. Para ello podemos diseñar un protocolo basado en las curvas de mínimo rendimiento. 

Seguimos estos pasos:

1) Partiendo del modelo (serie out-sample) simulamos por Montecarlo una matriz de 252 días (año laboral) x 1.000 escenarios hipotéticos. 

2) Establecemos como estimadores del peor escenario el CVaR al 95% y al 99%

3) Calculamos sendos estimadores en ventanas acumulativas de 10 días.

4) Construimos la tabla del rendimiento mínimo esperado que contendrá los valores del CVAR_95%, CVaR_99%  y beneficio acumulado del portfolio real para cada corte temporal especificado. 

5) Comparamos en cada corte temporal el rendimiento mínimo esperado (RME) según el modelo con el valor real del portfolio. 

6) Valores inferiores al CVaR_95% serán nuestra primera señal de alarma. La capacidad de generar beneficios del portfolio se aleja peligrosamente de la prevista en el modelo.

7) Valores inferiores al CVaR_99% serán la señal de rechazo: El portfolio se ha salido de los límites, ya no es capaz de ofrecer la rentabilidad mínima esperada.

La señal del rechazo implicará para el gestor bien que la cartera se ha roto bien que el modelo de partida era erróneo. En una cartera muy diversificada en estrategias y mercados, antes de llegar a esta situación de ruptura del portfolio los sistemas individuales irían dando sucesivas señales de alarma. Y ahí es donde la gestión activa de la operativa (protocolos de monitorización, parada y reemplazo de estrategias) tendría que demostrar su eficacia. En la mayoría de los casos, un portfolio no se rompe por cuestiones meramente coyunturales, como las condiciones del mercado o el mal funcionamiento de algunas estrategias, sino por una gestión ineficiente de la operativa. 

Por último, y desde el inversor, las curvas de rendimiento mínimo son una herramienta útil en la toma de decisiones ya que le permiten responder con mayor objetividad numerosas preguntas relativas al riesgo, beneficio esperado, mantenimiento de la inversión y salida, cuando aguantar la posición en cualquier producto financiero empieza a ser un mal negocio.

5.- REFERENCIAS BIBLIOGRÁFICAS.

― Acebi, C. (2002) Spectral Measures of Risk: A Coherent Representation of Subjective Risk Aversion, Journal of Banking and Finance (26), 1505-1518.

― Artzner, P., Delbaen, F., Eber, J. y Heath, D. (1999); Coherent Measures of Risk. Mathematical Finance, (9)-3, 203-228.

― BCBS. Comité de Basilea (2014) Fundamental Review of the Trading Book: A Revised Market Risk Framework.

― Heras Martínez, A.J. (2010) Medidas del Riesgo y sus aplicaciones actuariales y financieras, Economía Española y Protección social (2) 69-103.

― Jorion, P. (1996); Valor en Riesgo: El Nuevo Paradigma para el Control de Riesgos con Derivados. Universidad de California, Irvine. McGraw-Hill.

― JP Morgan-Reuters (1996) RiskMetricsTM—Technical Document (1996). En la actualidad para todo lo referente a Riskmetrics:  http://www.msci.com/

― Kupiec, P. (1995); Techniques for Verifying the Accuracy of Risk Management Models. Journal of Derivatives (3) 73-84.

― Letmark, M. (2010) Robustness of Conditional Value at Risk (CVaR) When Measuring Markets Risk across different assets clases, Royal institute of Technology (En Internent: http://www.math.kth.se/matstat/seminarier/reports/M-exjobb10/100308a.pdf)

― Markowitz, H. (1952) Portfolio Selection, Journal of Finance (7), 77-91.

― Pflug, G.C. (2000) Some remarks on the value-at-risk and the conditional value-at-risk. (en S. P. Uryasev,ed. Probabilistic Constrainted Optimization: Methodology and Applications) Kluwer, Norwell, 278–287.

― Rockafellar, R.T., Uryasev, S. (2001); Conditional Value at Risk for General Loss Distributions. Journal of Banking and Finance (26) 1443-1471.

―Sarykalin S. et. al. (2008) Value-at-Risk vs. Conditional Value-at-Risk in Risk Management and Optimization, Tutorials in Operations Research, 270-293.

― Sharpe, W. (1964) Capial Asset Prices: Atheory of Market Equilibrium under Conditions of Risk, Journal of Finance (19)-3, 425-442.

― Taleb, N. (2007) El cisne negro. El impacto de lo altamente improbable, Paidós, Barcelona.

– Wang, S. Young, V. y Panjer, H. (1997) Axiomatic Characterization of insurance Prices, Insurance: Mathematics and Economics (21)-2, 173-183.

Sistema “Influx” de Larry Williams: ANÁLISIS DEFINITIVO por Sergi Sánchez

• El sistema «Influx» de Larry Williams es una estrategia estacional muy conocida de este famoso trader. Llegó el momento de hacer el análisis definitivo de este sistema de trading.
• Artículo publicado en Hispatrading 56.

Robotrader es un programa formativo y competición sobre trading algorítmico que organiza anualmente la Escuela Técnica Superior de Ingenieros de Telecomunicación de la UPM. Tengo el honor de ser uno de los muchos profesionales del sector que, desde hace años, participamos ofreciendo ponencias a los alumnos. Este año, tuvimos el privilegio de contar con ponencias de autoridades mundialmente reconocidas como Kevin Davey, Perry Kaufman y Larry Williams.

Precisamente sobre este último, Larry Williams, deseo centrarme en este artículo, y en particular, en uno de sus sistemas estacionales: Influx. No tengo muy claro si este es el nombre más conocido del sistema. Es una estrategia que había observado anteriormente, pero donde pude leer una explicación detallada y un análisis fue en una revista publicada por TradeStation, “Strategy Concepts Club”, donde se le denominaba “Williams E-mini Influx Strategy”.

Larry Williams

Larry Williams, nacido el 6 de octubre de 1942 en Montana, es una de las personalidades más influyentes en el ámbito del trading. Su trayectoria, que se extiende por más de seis décadas, ha dejado una huella indeleble en la industria financiera.

Larry creció en Montana, en una familia humilde. Estos comienzos le inculcaron una ética de trabajo incansable y una pasión por superarse. A pesar de las adversidades económicas, Larry siempre mostró un interés innato por las finanzas.

Desde joven, se sintió atraído por el mundo financiero. En la década de 1960, inició su carrera como trader y rápidamente se distinguió por su habilidad para analizar el mercado y anticipar tendencias. Su enfoque innovador y su adaptabilidad a los cambiantes mercados financieros lo consolidaron como una figura respetada en la comunidad de trading.

A lo largo de su carrera, Larry Williams ha diseñado varios indicadores técnicos ampliamente utilizados hoy en día. El más célebre es el Williams %R, un oscilador que mide la fuerza del precio en relación con su rango durante un período específico. Este indicador es similar al estocástico creado por George Lane, pero con algunas diferencias clave en su cálculo y aplicación.

Además de sus aportaciones técnicas, Larry ha escrito numerosos libros sobre diversos aspectos del trading. Estas obras han educado a generaciones de traders y son consideradas lecturas esenciales para cualquier interesado en las finanzas.

Uno de los momentos más destacados en la carrera de Larry Williams fue su victoria en la Robbins Trading Cup. No solo ganó la competencia, sino que lo hizo con un rendimiento asombroso del 10.000% con dinero real. Este logro es aún más impresionante si consideramos que lo alcanzó en dos ocasiones distintas, en 1973 y 1987. Aunque hay cierto debate sobre su victoria de 1973, lo que es innegable es el impacto que Larry ha tenido en el mundo del trading. Además, su legado continúa a través de su hija, quien, bajo su tutela, también ganó la Robbins Trading Cup con un retorno del 1000% en 1997. Se puede consulta la lista oficial de ganadores de la Robbins Trading Cup.

Hoy en día, Larry Williams sigue siendo una figura activa en la comunidad de trading, como quedó claro con su charla en Robotrader. A pesar de su éxito, nunca ha dejado de aprender y adaptarse a los cambiantes mercados financieros. Su pasión por el trading y su deseo de compartir sus conocimientos lo han convertido en un conferenciante solicitado en todo el mundo.

El Sistema “Influx” en Detalle

El sistema «Influx» de Williams es una estrategia estacional que opera en el futuro del mini S&P 500 y lo hace exclusivamente en posiciones largas. Lo analizamos en el símbolo @ES=105XC que recoge el símbolo continuo del futuro del mini S&P 500, rolando 5 días antes del vencimiento en 500 minutos y en horario regular, es decir, de 15.30 a 22.15 hora española.

La estrategia se fundamenta en la conocida pauta alcista de principios de mes, que se cree es impulsada por la entrada de dinero de los grandes fondos de inversión al reajustar sus carteras en los primeros días de cada mes.

Elementos Clave del Sistema

El núcleo del sistema «Influx» es el calendario, por lo que podemos considerarlo un sistema estacional. Sin embargo, también podría clasificarse como swing, ya que uno no excluye al otro; simplemente depende del aspecto del sistema en el que nos centremos. El objetivo es capturar un rally basado en flujos de activos hacia las acciones al comienzo de cada mes. Se utilizan varios otros elementos para filtrar señales que pueden no tener suficiente tiempo o potencial de subida para que una operación sea favorable.

Condiciones de Entrada:

• Deben quedar al menos 19 días de trading en el mes.
• El cierre de la barra debe ser superior al cierre de la barra anterior.
• El indicador %R de Williams no debe estar en sobrecompra (por defecto, debe ser menor de 85).
• La barra no debe ser un jueves, evitando compras en la apertura del viernes.
• Solo se permite una operación por mes.

Estrategia de Salida:

• Vender en el primer cierre rentable después de mantener la posición al menos 1 barra.
• Vender con un stop del 2,5% por debajo del precio de entrada, calculado a partir del precio de cierre de la barra.

En el Gráfico 1, podemos observar el sistema en acción, lo que nos ayudará a comprender mejor sus reglas. Las barras pintadas en magenta son las que cumplen la condición de calendario, es decir, quedan al menos de 19 días para finalizar el mes. Sin embargo, como se puede apreciar, en ocasiones no se produce entrada al mercado ya que no se cumplen el resto de las condiciones. O bien no cierra por encima del cierre anterior, o bien el %R de Williams ya está en sobrecompra, o bien es jueves. Observemos el punto 1 del gráfico: la entrada se produce en la primera vela en que es posible, ya que se cumplen todas las condiciones. En cambio, en el punto 2 del gráfico, tenemos 4 velas candidatas, marcadas con 4 líneas horizontales, y en ninguna de las 4 se desencadena la señal de entrada para la siguiente barra. Veamos por qué:

• En la primera barra, no se desencadena la orden porque el %R está por encima de 85.
• En la segunda barra, ocurre lo mismo.
• En la tercera, no tenemos sobrecompra, pero el cierre no es superior al cierre anterior.
• En la cuarta y última barra magenta, de nuevo estamos por encima de 85 en el %R y nos quedamos sin entrada.

Backtest

Lo mejor de evaluar sistemas antiguos es que disponemos de muchos datos históricos con una relevancia estadística significativa. Son datos que podrían considerarse fuera de muestra (Out-of-Sample – OOS), pero esto no sería correcto ya que no han participado en el proceso de optimización y, por lo tanto, no pueden tener sesgo. Son datos paper trading, muy similares a los datos en vivo en cuanto a relevancia. Evidentemente, no son tan relevantes como los datos de operativa real, dado que estos reflejan la realidad de la operativa y hay aspectos como la liquidez, el spread, comisiones, etc., que podrían no estar bien estimados en la estadística de paper trading.

Por ello, vamos a analizar separadamente los dos periodos. Por un lado, el periodo previo a la publicación del sistema en la revista mencionada, periodo In-Sample que va desde el 11-sep-1997 hasta el 31-ago-2015, y otro periodo Paper Trading que va desde entonces hasta el 31-ago-2023. Hemos incluido una comisión de 2.5$ por contrato más un slippage de 2.5$ por contrato, lo que nos parece más que suficiente teniendo en cuenta que las entradas se realizan con órdenes limitadas en el Open de la barra. Esto significa que habrá operaciones que se ejecuten con slippage positivo y ninguna en negativo. También hemos realizado backtests de las órdenes limitadas obligando a que el precio sea superado (el caso más pesimista) y con la opción de Backtest Look Inside Bar Backtesting activada en 1 minuto, que garantiza conocer cómo se construyó la barra diaria, algo que hemos comprobado que afecta al backtest.

En la Tabla 1 y el Gráfico 2, se pueden observar los resultados del periodo previo a la publicación del artículo en la revista. Hemos realizado el análisis con un solo contrato, lo que, en un periodo tan extenso, relativiza el análisis debido a la variación significativa de precios que se produce.

En la Tabla 2 y el Gráfico 3, se pueden observar los resultados del periodo Paper Trading, que son incluso mejores que en el periodo In-Sample. En el periodo 1, tenemos un Profit Factor de 1.32, mientras que en el periodo 2, es de 1.47. Es cierto que tenemos un menor número de operaciones, lo que probablemente influye en este dato, pero no hay duda de que es una prueba de robustez de la idea propuesta por Williams. Es importante tener en cuenta que un sistema solo de posiciones largas en un índice bursátil tiene una ventaja significativa debido al claro sesgo alcista de los índices. Además, el sistema tiene un retorno muy bajo, pero está invertido muy poco tiempo en el mercado, alrededor del 3-5%, lo que es una ventaja considerable ya que hace un uso mínimo del capital.

Obviamente, una estrategia con un stop tan amplio en relación con el beneficio da como resultado una estrategia con un alto porcentaje de aciertos, superior al 70%. Este dato apunta a que el sistema es de tipo anti-tendencial, aunque en realidad no lo es. Su entrada es más bien tendencial, pero su gestión de la posición es claramente anti-tendencial, dejando mucho margen de pérdida y poco de beneficio. Podríamos decir que deja correr las pérdidas y corta los beneficios, algo totalmente contrario a lo que hace un sistema tendencial. Este tipo de sistemas con porcentajes de acierto tan altos tienen mucho riesgo implícito, ya que, si el mercado cambia radicalmente respecto a su comportamiento histórico, algo que puede ocurrir, una serie de fallos consecutivos importante puede llevarnos a un Draw-Down descomunal.

Sugerencias para Mejorar el Sistema

Podemos identificar tres posibles áreas de mejora: en el setup de entrada, en el de salida y en la gestión monetaria.

En el setup de entrada: Sería útil investigar la inclusión de otros indicadores técnicos para filtrar entornos de mercado menos favorables para un sistema solo de posiciones largas. Por ejemplo, una media móvil u otro indicador de tendencia que evite abrir posiciones en mercados bajistas.

En el setup de salida: La estrategia actual de salida puede ser considerada «extrema» por algunos traders. Ajustar el stop loss y/o el objetivo de beneficios de forma diferente, por ejemplo, utilizando la volatilidad en su cálculo, podría mejorar la relación riesgo-recompensa.

Gestión monetaria: No tiene sentido operar el sistema con la gestión monetaria expuesta aquí, que es operar con 1 solo contrato durante todo el histórico. Sería necesario utilizar un algoritmo que regule la cantidad de contratos a abrir en cada posición dependiendo del riesgo de la operación y de las condiciones del mercado en ese momento. La gestión monetaria es una herramienta esencial para hacer crecer nuestra cuenta de forma exponencial, pero es tan esencial como peligrosa.

Conclusión

El sistema «Influx» de Larry Williams es una estrategia estacional que ha demostrado ser efectiva a lo largo de los años en el futuro del E-mini S&P 500. De hecho, el sistema se aprovecha de una conocida pauta alcista que es la de inicio de mes y, además, filtra de manera inteligente.

Sin embargo, como con cualquier sistema de trading, es esencial realizar un análisis exhaustivo y pruebas en diferentes condiciones de mercado antes de implementarlo en una cartera de trading en vivo. El objetivo del artículo era evaluar si, con el paso de los años, el sistema mantenía el rendimiento que se anunció en la revista, y ha quedado demostrado que sí. Con las adecuadas modificaciones y ajustes, el sistema «Influx» puede ser una herramienta valiosa para cualquier trader.

Una divergencia histórica entre las acciones mineras y el oro por Sentimentrader

• Las mineras de oro se encuentran en la mitad inferior de su rango de 3 años, mientras que el oro cotiza cerca del extremo superior.
• Divergencias similares llevaron a un repunte de las acciones mineras en los siguientes períodos de seis y doce meses.
• Los futuros del oro tuvieron problemas y el S&P 500 subió después de cada señal entre dos y doce meses después.

¿Deberíamos esperar un repunte de las acciones mineras de oro?

El impresionante ascenso del oro, provocado por una condición histórica de sobreventa y alimentado por las tensiones en Oriente Medio, ha provocado una sorprendente divergencia entre las acciones mineras de oro y el metal precioso.

Por séptima vez en más de cinco décadas, los futuros del oro cerraron por encima del 91% de todos los demás precios durante los últimos tres años, mientras que el índice de acciones minería se situó en la mitad inferior de su rango con una lectura del 36%, creando una enorme divergencia.

Cuando calculo la diferencia entre los dos rangos, el diferencial cayó recientemente a -60, un fenómeno observado en menos del 1% de los casos desde 1969. Si bien son poco comunes, las lecturas por debajo de -60 tienden a desencadenar un repunte explosivo, con rendimientos anualizados que superan el 76%.

Lo que nos dice el estudio

Los activos basados en materias primas, como las acciones mineras de oro, a menudo enfrentan desafíos para mantener tendencias alcistas a largo plazo debido a la naturaleza de reversión a la media de las materias primas. Esta característica dificulta la adopción de una estrategia de comprar y mantener. No obstante, durante los auges cíclicos, los rendimientos pueden ser espectaculares en un período corto. El actual descuento histórico de las acciones mineras de oro en comparación con el oro, basado en un rango de tres años, sugiere que podríamos estar presenciando uno de esos momentos históricos para participar en un repunte. Después de divergencias similares, el índice Gold BUGS (HUI) subió siempre después de seis y doce meses.

Donde veo la oportunidad: en el mercado y en nosotros mismos por Brett N. Steenbarger

Hago trading desde 1977. Mi trabajo profesional con los traders comenzó en 2003 y continúa hasta el día de hoy. Así que he visto bastante en términos de lo que lleva al éxito al hacer trading.

Lo que me parece notable en los mercados recientes es el grado en que se está trabajando cada vez más dinero, buscando ventajas a relativamente corto plazo en el mercado. Muchos de los fondos de cobertura y las empresas de gestión de dinero de todo el mundo han aumentado en gran medida sus activos bajo gestión. También han ampliado sus operaciones en todos los mercados y en todas las regiones geográficas. Cuando comencé mi entrenamiento, era común que los fondos se especializaran en estrategias específicas y consistieran en gerentes de cartera en solitario, a veces con la ayuda de asistentes. Ahora, encontramos muchos fondos que negocian múltiples estrategias («multistrat») con equipos grandes. Esto significa que cada equipo actúa como un fondo en miniatura, construyendo carteras diversificadas. En su día, mi trabajo se limitaba en gran medida a los traders de Nueva York y Londres; ahora es realmente global.

Al mismo tiempo que las organizaciones de trading han crecido exponencialmente, su tolerancia al riesgo ha disminuido. En su día, un gerente podía perder hasta un 20 % en un año antes de ser parar. Ahora no es inusual que ese número sea del 5 al 10 %. Lo que sucede en la práctica es que los administradores de riesgos no quieren que sus equipos se paren, por lo que reducen la adopción de riesgos mucho antes de que se vean amenazados los límites a la baja. Una vez que un operador baja un pequeño porcentaje, su riesgo permitido a menudo se reduce. Así que, por ejemplo, si mi capital se reduce a la mitad cuando bajo un 5%, ahora tengo que ganar un 10% en la nueva base de capital solo para alcanzar el punto de equilibrio. Eso es desalentador, así que, en realidad, nadie quiere bajar más de un muy pequeño porcentaje.

A lo largo de los años, he visto la misma dinámica entre los day traders y las empresas de trading propietarias que se dedican en gran medida al trading a corto plazo. Por lo general, no tienen grandes bases de capital y, por lo tanto, necesitan gestionar el riesgo de forma estricta. Históricamente, han ganado su dinero aprovechando el capital, asegurando aún más que el riesgo tuviera que ser manejado cuidadosamente. A medida que el Day trading ha crecido, especialmente desde el período de las «acciones de meme», encontramos más y más participantes persiguiendo movimientos, pero con una capacidad de pérdida limitada

El impacto neto de estos desarrollos es que tenemos mercados muy abarrotados saltando en movimientos y necesitando salir cuando los movimientos no funcionan. Si una tendencia parece estar en marcha, hay muchas posiciones en modo «persecución», y cuando la tendencia se gira, puede haber un abandono igualmente significativo de las posiciones. En general, esto ha creado mercados con mayores rupturas falsas. En la medida en que esta característica es una función de más y más capital gestionado cada vez más estrechamente, espero que esto continúe.

Entonces, ¿dónde encaja la espiritualidad del trading en todo esto?

Mis estudios han encontrado que, en los puntos de inflexión del mercado, vemos cambios claros en la amplitud de los movimientos del mercado, así como cambios en la fuerza relativa. Esto ocurrió a finales de octubre, cuando las fuertes ventas nos trajeron más de 1900 mínimos de un mes y más de 1600 mínimos de tres meses entre las acciones de la Bolsa de Nueva York. Durante los siguientes días, caímos aun más, alrededor de un 2 %, y aún menos acciones registraron nuevos mínimos. De hecho, empezamos a ver la aparición de una fuerza relativa en algunos sectores del mercado. Eso llevó a una explosión de compras (¡y coberturas en corto!) y, para el 2 de noviembre, de repente tuvimos nuevos máximos que superamos en número a los nuevos mínimos. Esto creó un movimiento de impulso que ahora nos ha llevado a nuevos máximos en algunas partes del mercado.

(Curiosamente, a medida que hemos aumentado en los últimos días, la amplitud se ha estancado y estamos viendo cambios en la fuerza relativa entre los sectores. Estoy observando de cerca el mercado para ver la posibilidad de giro).

Con el hacinamiento de los participantes del mercado y los límites en las pérdidas permitidas, las dos operaciones que se establecieron más claramente son los movimientos de impulso (la multitud persigue un movimiento) y los movimientos de reversión. Las medidas de amplitud y fuerza relativa que hago un seguimiento diario, para el mercado en su conjunto y sector por sector, se pueden encontrar en Barchart.com; StockCharts.com y MarketCharts.com. EL backtest de los movimientos de impulso y reversión se puede encontrar a través de SentimenTrader.com y QuantifiableEdges.com. La creación de una base de datos de la amplitud del mercado y del sector ha sido invaluable para detectar cuándo hay impulso y cuándo los movimientos se están estancando.

Como subrayé en el libro en línea, Renovación Radical, nuestros mayores problemas en el trading se dan cuando nuestros egos toman el control de nuestra actividad en el mercado. Imponemos *nuestros* puntos de vista en los mercados, y operamos, no por una oportunidad distintiva, sino porque *necesitamos* ser activos y ganar dinero. Una vez que nuestros egos tienen el control de lo que hacemos, nos convertimos en pobres oyentes de lo que los mercados están haciendo en realidad. Como psicólogo, si estoy lleno de mis propias preocupaciones mientras hablo con un cliente en terapia, lo más probable es que no sea muy útil para esa persona. Necesito escucharlos y actuar sobre la base de una comprensión profunda. Así es con los mercados.

A lo que me refiero como la espiritualidad del trading es dejar de lado el ego y entrenarnos para ser oyentes sensibles. Si podemos dominar eso en los mercados, será un gran entrenamiento para nuestras relaciones personales y de trabajo. El buen trading nos hace mejores como personas. El objetivo es hacer trading de forma selectiva, desde el alma, no de forma reactiva, desde el ego.

Gracias por tu interés.

El RSI semanal completa un giro de amplitud alcista por Sentimentrader

• El RSI semanal del S&P 500 superó recientemente el 60%
• Cuando este indicador supera el 60% después de caer previamente por debajo del 43%, tiende a ser seguido por una acción de precio favorable.
• El período de tenencia preferente después de un ciclo de <43 % a >= 60 % es de nueve meses.

S&P 500 RSI completa un ciclo digno de mención

Nos centraremos en el indicador estándar del índice de fuerza relativa (RSI) de Welles Wilder utilizando el valor predeterminado típico de 14 períodos. Aplicaremos esto al índice S&P 500 utilizando datos semanales. Se considera que se ha producido una señal favorable cuando el RSI de 14 semanas:

• Cruza por debajo de 43,0
• ENTONCES vuelve a cruzar por encima de 59,99

Tenga en cuenta que este proceso puede tardar desde varias semanas hasta varios años en realizarse. El siguiente gráfico muestra las señales más recientes generadas con este método desde 2019. Las flechas verdes en el gráfico resaltan la finalización de un ciclo de «caída por debajo de 43, para después subir hasta el nivel de 60 o más».

Lo que nos dice el estudio

El impulso es uno de los factores más críticos que afectan al mercado de valores. Una vez que los inversores pasen en masa de una mentalidad de aversión al riesgo a una mentalidad de adopción del riesgo, suele ser un indicador clave que avisa de más subidas en el mercado. Los inversores actúan agresivamente para evitar perderse algo. El ciclo del RSI detallado anteriormente es un ejemplo de este tipo de actividad. Se necesita una caída grave (y típicamente dolorosa) del mercado para empujar el RSI semanal del S&P 500 por debajo del 43. Normalmente, en ese momento, el sentimiento de los inversores es muy desfavorable. Pero finalmente la caída termina y las cosas cambian. Un cruce posterior del nivel 60 en el RSI semanal del S&P 500 ha señalado en general una continuación inminente del avance del mercado.

Hedging con equivalencias por Jorge Estevez

• El trader -entre otras cosas- es un investigador en el sentido amplio del término. Observa, analiza, conecta experiencia con conocimiento, infiere y pone a prueba sus hipótesis en un entorno de alta aleatoriedad como son los mercados financieros. Hablemos sobre este proceso de investigación.
• Artículo publicado en Hispatrading 18.

La palabra investigación lleva implícito la idea de desconocimiento e incertidumbre al resultado. La historia está plagada de ejemplos aludiendo a no saber exactamente que se está haciendo durante este proceso y esto es precisamente un rasgo distintivo frente a su falsificación, la “investigación” condicionada y subjetiva que podemos sintetizar en que “veremos lo que buscamos ver”. 

Este artículo está dividido en dos partes; una primera, y permítaseme empezar por el final, en la que se expondrá la operativa hedge como set off con equivalencias basada en asimetrías que representa la parte final de la investigación; y una segunda que contiene algunas notas, ideas y reflexiones sobre el proceso investigador en si.

HEDGING CON EQUIVALENCIAS

Definimos hedge como cualquier configuración de activos que es neutral al mercado, es decir, no tiene direccionalidad como por ejemplo: BUY EURJPY SELL USDJPY SELL USDCHF BUY USDCHF en el cual todas las divisas están neutralizadas. La ecuación +0,1EURJPY -0,1USDJPY-0,1EURCHF+0,1USDCHF = NEUTRAL, ya que sus términos están “balanceados”. La ausencia de direccionalidad nos protege, y a la vez nos hace independiente, de las subidas y bajadas de los mercados.

Definimos equivalencia como una vía alternativa o indirecta de comprar/vender un activo, por ejemplo si quiero vender USD con mi cuenta en EUR, la forma directa de hacerlo es SELL EURUSD y una forma equivalente es SELL EURJPY y BUY USDJPY.

 Observamos en la Figura 3, las equivalencias tienen un comportamiento similar, parecido pero no igual, estas diferencias son las que explotamos mediante esta técnica.

Como se ha expuesto en el artículo “Hedge. Defense! Defense!” del número anterior de Hispatrading; existe un “encadenamiento” entre los componentes del hedge lo que provoca que estas diferencias o fluctuaciones estén acotadas. Además dichas fluctuaciones están relacionadas con los flujos de intercambio, en definitiva con la “eficiencia” con que cada equivalencia haga el proceso.  Las distintas trayectorias provocan una asimetría.

A estas fluctuaciones, que son temporales, las denominamos ineficiencias y las clasificamos en: expansivas – los caminos se separan – y contractivas – los caminos se juntan -.

Recapitulando, en hedging con equivalencias tenemos un conjunto de activos market neutral, por lo tanto, independiente de la dirección de mercado, además al estar formado por dos equivalencias existe una asimetría, es decir, realizan el proceso de intercambio por “caminos” diferentes y esta asimetría está acotada debido al encadenamiento.

Estableciendo series temporales de 4 semanas, fijamos 2 tipos de operativas: 

1.- A la expansión del ciclo, es decir, cuando los caminos están juntos – valor 0 en figura 4 – hasta la expansión; o a la contracción del ciclo, desde la expansión hasta el valor 0. Esta operativa tiene una duración de varios días.

2.- Operativa intradiaria – Figura 5 -, sin esperar que se complete el ciclo que se realiza desde el 0 hacia la expansión; o desde una expansión hacia el 0 cerrando ambas por balance.   

 Ambas operativas son de target reducido y nótese que en cualquier serie de 4 semanas con cierres horarios, en activos de alta liquidez, e independientemente de la dirección de los mercados hay al menos una expansión y una contracción por lo que realmente no influye drásticamente el operar, por ejemplo, una contracción y que el hedge se siga expandiendo o no se contraiga inmediatamente ya que al cabo de unos días, aunque sea por un breve instante los caminos se juntarán.

 Señalar que hay algunas configuraciones de este tipo de hedges que no son explotables de manera “manual” – véanse Figuras 7 y 8 – debido al tamaño de las diferencias entre caminos. En estos casos es necesario implementar un sistema algorítmico que nos automatice las entradas y salidas con targets pequeños. Incluso cuando las asimetrías son relativamente grandes, es decir, explotables de manera manual se suele utilizar una alarma que avisa cuando estamos en el breakeaven. 

NOTAS SOBRE INVESTIGACIÓN

Los procesos de búsqueda

Una manera de enfocar las investigaciones es usando el método científico con sus diferentes tipologías: empírico-analítico  (deductivo, experimental, estadístico);  fenomenológico;  histórico; sistémico; sintético; lógico deductivo y lógico inductivo.

Cualquiera que sea la vía elegida hay unos hitos comunes que podríamos sintetizar en: 

OBSERVACIÓN Y RECOLECCIÓN DE DATOS: primera etapa y con un alto componente mecánico, normalmente se trabaja con series temporales. Es muy recomendable un conocimiento avanzado de paquetes software de bases de datos y calculo así cómo: orden, eficacia y escalabilidad; ya que se manejan enormes cantidades de datos. Cualquier conocimiento técnico, como programación, siempre en bienvenido en esta fase.

HIPÓTESIS: fase creativa. Hay varias maneras de orientarla como por ejemplo mediante la inducción; a partir de unas observaciones particulares extraemos un principio particular que planteamos en una hipótesis. Este proceder es muy típico en técnicas que usan patrones. Este estadio de la búsqueda no tiene unos límites definidos y tiene un alto grado de abstracción. Es el momento del conocimiento, conceptos matemáticos, estadísticos, físicos, químicos, psicológicos, geológicos, biológicos, etc… e incluso económicos. La asociación de ideas, el azar, “a blinding flash of the obvious” completan los mecanismos. Etapa con dos sensaciones contrapuestas: círculo en el que nos acercamos a la conexión, recogemos pistas, hacemos revisiones continuas del planteamiento, irrupción de nuevos conceptos, “borrón y cuenta nueva”, cambios de perspectiva como empezar con un enfoque para acabar en el totalmente opuesto; y finalmente muchas veces por casualidad, no por causalidad, lo que podríamos denominar un cierto placer intelectual.

EXPERIMENTACIÓN O TEORÍA: etapa conectada con la anterior y retroalimentada. Consiste en demostrar o refutar nuestras hipótesis. Aquí la objetividad, eliminación de falacias, prejuicios así como la atención a los detalles cobran importancia.

Críticas

Esta clasificación, como todas, no deja de ser un modelado del proceso real, siendo este mucho más complejo e interconectado. Precisamente el paso de lo particular a lo general representa uno de peligros – incluso falacias – más comunes ya que cuando extraemos una regla – modelamos el proceso- no explicamos la totalidad de los supuestos, la totalidad de los casos; los que han ocurrido y los que no, sólo es posible explicarlos fuera del modelo, es decir, haciendo excepciones o ampliando el modelo. En cualquiera de los casos este pierde significancia.

Destacar dos factores o causas; primero la dinámica no lineal, es decir, un factor muy pequeño provoca un resultado desproporcionado: si dos variables tienen una relación causal un aumento continuo de una debería afectar siempre a la otra, pero la realidad pocas veces se procesa linealmente: puede que investigue un año entero y no consiga nada y justo cuando me sienta desmoralizado algo llega como una aparición.

Otra causa es el enfoque determinista, muy común en operativas con patrones y se basa principalmente en extraer casos particulares del pasado, establecer una regla con alguna ventaja estadística y extrapolarla al futuro confiando – nótese el alto componente de creencia necesario – que seguirá cumpliéndose. Aquí la falacia consiste en creer que el futuro es alguna suerte de particularidad o combinación del pasado sin nada nuevo, sin que nada cambie.

Nuevos enfoques

El huir de las “recetas”, en el sentido de causa-efecto, es decir, si hago “a” voy a conseguir “b” es el primer paso hacia la toma de conciencia de la verdadera naturaleza de la investigación.

Los enfoques estocásticos, en los que el futuro no viene determinado exclusivamente por el pasado nos abren nuevos horizontes. Destacar un caso particular como son los procesos estocásticos estacionarios buscados con la cointegración y explotados con el arbitraje estadístico que nos arrojan una buena cantidad de luz. Procesos de Márkov, ramdom walks y movimientos brownianos son un buen remedio contra la “enfermedad” del determinismo.

Cambiando de tercio, le podemos dar a nuestra investigación cierto dinamismo introduciendo componentes evolutivos o adaptativos, haciendo procesos de selección, reproducción y mutación de variables mediante algoritmos genéticos, estableciendo probabilidades condicionadas y estructurarlas mediante una red bayesiana o entrenar una red neuronal que nos reparta los pesos de las variables.

“Si no conozco una cosa, la investigaré” Louis Pasteur 1822-1895

Cómo el Mercado da forma a tu cartera por Ben Carlson

En un mundo racional, cada inversor establecería su asignación de activos en función de su voluntad, capacidad y necesidad de asumir riesgos.

Uno equilibraría una gama de expectativas para las diversas clases de activos y emparejaría esas posibilidades con sus metas y objetivos.

Claro, muchos inversores consideran su perfil de riesgo y su horizonte temporal al construir una cartera.

Pero vivimos en un mundo irracional, en el que las experiencias, las emociones, las circunstancias, la suerte y el tiempo dan forma tanto a los sentimientos como a las carteras.

The Economist recientemente hizo un excelente estudio sobre cómo los jóvenes deberían pensar en invertir y por qué no deberían asustarse debido al mercado bajista de 2022.

Apuntan a una investigación de Vanguard que muestra que las experiencias tempranas en los mercados puede dar forma a su asignación de activos y postura de inversión en los siguientes años:

Al ordenar las carteras de los inversores minoristas de Vanguard por el año en que se abrieron sus cuentas, su equipo ha calculado la asignación media de capital para cada año (ver gráfico 3). Los resultados muestran que los inversores que abrieron cuentas durante un mercado alcista conservan asignaciones de capital significativamente más altas incluso décadas después. El inversor medio que comenzó en 1999, a medida que la burbuja de las puntocom se hinchaba, todavía tenía el 86 % de su cartera en acciones en 2022. Para aquellos que comenzaron en 2004, cuando los recuerdos del estallido de la burbuja todavía estaban frescos, la cifra equivalente era solo del 72 %.

Por lo tanto, es muy posible que los jóvenes inversores de hoy en día elijan estrategias que seguirán en las próximas décadas.

Este es el gráfico mencionado anteriormente:

Estos resultados son algo sorprendentes. La mayoría de la gente asume que vivir la inevitable caída que viene siempre después de un movimiento alcista dejaría un sabor amargo.

Pero lo contrario es cierto. Los inversores que abrieron cuentas durante los tiempos de subidas en realidad retuvieron una mayor asignación a las acciones en los siguientes años.

Tal vez sea inercia, pero es obvio que los rendimientos del mercado de valores en sus años de formación como inversor pueden tener un impacto en la forma en que invierte.

La parte difícil de todo esto es que no puedes elegir cuándo tus rendimientos vienen como inversor. A veces obtienes buenos rendimientos cuando eres joven, a veces cuando eres viejo.

Algunos jubilados obtienen fabulosos mercados alcistas justo cuando abandonan el mundo laboral, mientras que otros se jubilan durante un mercado bajista.

El tiempo y la suerte, tanto buena como mala, juegan un papel muy importante en su experiencia como inversor.

Calculé el crecimiento de 1 $ invertido en el S&P 500 durante un período de 20 años al comienzo de cada década desde 1930:

Hay una amplia gama de resultados, por decir algo.

Otra forma de ver estos números:

Empieza a invertir en 1980 y parece fácil. Empieza en la década de 1930 y probablemente no quieras tener nada que ver con las acciones.

También es importante tener en cuenta que los mercados «malos» con malos rendimientos no son necesariamente un mal resultado para todos.

Si eres un ahorrador neto, deberías querer rendimientos muy bajos, especialmente al principio de tu carrera.

El riesgo significa cosas diferentes para los diferentes inversores dependiendo de su etapa en la vida.

Desafortunadamente, hay muchas variables fuera de su control cuando se trata de invertir.

No puedes controlar el momento o la magnitud de los rendimientos que ofrecen los mercados. Tampoco controlas las tasas de interés o la inflación o el crecimiento económico o las tasas impositivas o el mercado laboral o las acciones de la Reserva Federal y los políticos.

La vida sería más fácil si lo hicieras, pero nadie dijo que la vida es fácil.

Lo mejor que podemos hacer es centrarnos en lo que podemos controlar: nuestro comportamiento, la tasa de ahorro, asignación de activos, costos, horizonte temporal, y jugar la mano que nos dan.

Charlie Munger fallece a los 99 años: Sabiduría de una leyenda por Logan Kane

• Charlie Munger, la mano derecha de Warren Buffett, falleció esta semana.
• Munger tenía una combinación única de paciencia y la capacidad de hacer grandes apuestas cuando las probabilidades lo favorecieron.
• Al no seguir a la manada, apostar a lo grande cuando era apropiado hacerlo y alinear adecuadamente los incentivos, Buffett y Munger consiguieron a Berkshire Hathaway en una empresa por valor de 780 mil millones de dólares.
• Lo que podemos aprender de la vida y el trabajo de Munger.

Charlie Munger falleció en Santa Bárbara esta semana, un mes antes de su cumpleaños número 100. Abogado de profesión, Munger se construyó una reputación formidable a lo largo de los años como la mano derecha y confidente de Warren Buffett, con un ingenio agudo y un buen olfato para detectar valor. Munger falleció con un patrimonio neto estimado de 2.600 millones de dólares. Nació en Omaha y creció a unas pocas cuadras de la casa actual de Warren Buffett. Aunque no se conocieron cuando eran niños, ambos trabajaban en la tienda de comestibles del abuelo de Buffett. Munger trabajó como meteorólogo para los EE. UU. Ejerció durante la Segunda Guerra Mundial, destinado en Alaska y, según se cuenta, ganaba a todo el mundo al póquer. Conoció a Warren Buffett en una cena de Omaha en 1959 – Munger tenía 30 años y ejercía la abogacía en California, mientras que Buffett tenía más de 20 años y realizaba inversiones en una asociación. Buffett convenció a Munger de que administrar el dinero era un buen negocio, y Munger pronto hizo una pequeña fortuna con el desarrollo inmobiliario y la inversión en valores públicos.

Después de ejecutar asociaciones de inversión separadas a lo largo de las décadas de 1960 y 1970, Buffett y Munger unieron a las fuerzas en Berkshire Hathaway (BRK.A) (BRK.B) en 1978. El resto es historia.

1. La Importancia De Alinear Los Incentivos

En mi opinión, la mayor fortaleza de Warren Buffett y Charlie Munger es su aptitud para alinear los incentivos para varias partes interesadas con las que hacen negocios. Desde aplicaciones de citas hasta contratos de seguros de vida, el mundo de hoy está lleno de selecciones adversas y varios tipos de riesgos morales.

Como abogado y ejecutivo corporativo, Munger tenía un asiento en primera fila para entender qué tipos de incentivos funcionaban y cuales no. Cuando FedEx (FDX) tuvo problemas para mover los paquetes lo suficientemente rápidos en el turno de noche, Munger señaló que a los empleados se les pagaba por hora, lo que creaba un desincentivo para trabajar rápido. FedEx cambió a pagar por turno y el problema desapareció por arte de magia. Xerox (XRX) redujo la comisión de ventas en sus nuevas máquinas, pero dejó intacta la comisión más alta en las antiguas. Como resultado, comenzaron a vender toneladas de copiadoras antiguas.

 

Bueno, creo que he estado en el 5% del percentil superior de mi grupo de edad durante toda mi vida en la comprensión del poder de los incentivos, y toda mi vida lo he subestimado. Y nunca pasa un año, sin que alguna sorpresa empuje mi límite un poco más lejos.

-Charlie Munger

Creo que es increíblemente instructivo mirar cada interacción que tienes y encontrar cuáles son los posibles conflictos de intereses. ¿Tu asesor financiero está impulsando un nuevo fondo porque es lo mejor para ti o porque están recibiendo una comisión por él?

Mirar los incentivos te ayuda a entender lo que está pasando a un nivel superior. Los vendedores venden por lo que obtienen la comisión más alta. Los empleados con propinas tienen un incentivo para ser amables. A las aplicaciones de redes sociales, les da igual que seas feliz. Si pagas a tus abogados por hora, te facturarán un montón de horas. Si se te está acercando para hacer inversiones, lo más probable es que las mejores ofertas ya hayan ido a personas con información privilegiada y capital privado, en el mejor de los casos, estás obteniendo las sobras. Lo mismo para las salidas a bolsa. Y nunca confíes en una chica atractiva sentada sola en un bar de hotel.

 

La regla de hierro de la naturaleza es: obtienes aquello por lo que eres recompensado. Si quieres que vengan las hormigas, pon azúcar en el suelo.

-Charlie Munger

Más que prácticamente cualquier otra empresa, Berkshire sobresale en la alineación de incentivos para que las personas inteligentes puedan prosperar y permanecer a largo plazo. Esto se debe en gran parte al legado de Charlie Munger. Cópialo en tu propia vida y también vivirás mucho tiempo y prosperarás.

2. Apuesta A Lo Grande Cuando Las Probabilidades Te Favorecen

 

Los sabios apuestan mucho cuando el mundo les ofrece esa oportunidad. Pujan a lo grande cuando tienen las probabilidades a su favor. Y el resto del tiempo, no lo hacen. Es así de simple.

-Charlie Munger

Otra área en la que Berkshire ha sobresalido constantemente es no inyectar grandes cantidades de dinero en oportunidades mediocres. Berkshire siempre tiene mucho dinero en efectivo a mano, lo que les ayudó a sobresalir en la crisis financiera del 2008. Buffett y Munger piensan igual. Buffett incluso cerró su asociación de inversión en 1969 debido a lo que sentía que era una falta de oportunidades en las acciones después de una tendencia alcista irracional. Munger mantuvo su fondo abierto durante más tiempo, en parte debido a una diferencia filosófica que imprimió en Buffett, que era invertir en empresas no solo por un valor profundo, sino también por la calidad y el potencial de crecimiento a largo plazo.

El valor a corto plazo es obvio a veces, el valor a largo plazo es menor porque los inversores son en general bastante impacientes. Munger convenció a Buffett para que comprara See’s Candies en 1972 por alguna zona cerca de 12-15 veces sus ganancias después de impuestos. Esa no es una ganga con gran valor en teoría, pero la inversión ha ganado más de 2.000 millones de dólares en ventas desde un precio de compra de 25 millones de dólares.

Debido a los efectos de disposición, las acciones de las mejores empresas tienen una tendencia a largo plazo a ser más baratas que su valor fundamental. Munger entendió esto implícitamente y consiguió que Warren Buffett aceptara, poniéndolos en el camino de millonarios a multimillonarios.

A pesar de su renuencia a discutir públicamente la inversión basada en las tendencias macroeconómicas, la filosofía de Berkshire ha sido en gran medida acumular efectivo y esperar oportunidades. Esto tiene el efecto de hacer que Berkshire sea anticíclico. Están dispuestos a desplegar grandes cantidades de dinero en efectivo a corto plazo en tiempos de crisis. Esto recompensa su paciencia y compensa los momentos en que las acciones aumentan por las compras de pánico y la especulación. De hecho, vemos que Berkshire tuvo un fuerte desempeño después de la burbuja de la década de 1960, la burbuja de las puntocom y la crisis financiera de 2008. Berkshire tiene actualmente 157 mil millones de dólares en efectivo, y cuando el ciclo económico cambie y el efectivo finalmente se despliegue, es probable que se le dé un gran uso. La paciencia y la perspectiva a largo plazo de Munger y Buffett también han contribuido en gran medida al éxito de Berkshire.

Sobre la paciencia para invertir:

 

Se necesita carácter para sentarse con todo ese dinero y no hacer nada. No llegué a estar donde estoy después de oportunidades mediocres.

Charlie Munger, del Almanaque de Poor Charlie.

Tener paciencia y voluntad de hacer apuestas agresivas cuando tienes una gran ventaja es una combinación extremadamente rara. Muchas personas que son pacientes también son demasiado pasivas, mientras que muchos inversores agresivos tienden a perder demasiado dinero en malas apuestas y mala gestión del dinero.

3. No Sigas A La Manada

 

Imitar el rebaño invita a la regresión a la media (simplemente un rendimiento promedio).

-Charlie Munger

A lo largo de su vida y carrera, Munger hizo un excelente trabajo al trazar su propio camino sin ser absorbido por las manías y el pánico. Parte de esto se puede atribuir a las relaciones. Munger celebró una reunión anual del Daily Journal el Día de San Valentín en 2019 y compartió lo importante que es elegir al cónyuge adecuado, ya sea por suerte o con previsión. Munger se casó dos veces, la segunda vez durante 54 años hasta el fallecimiento de su esposa en 2010.

Este sentimiento se hace eco de la sabiduría de las personas mayores que he conocido y que tienen éxito. Los jóvenes de treinta años tienden a atribuir su éxito por completo a sí mismos como héroes en sus propias películas personales, mientras que los de 80 años parecen pensar más como historiadores, dando importancia a conocer a las personas adecuadas en el momento adecuado y hacer unas pocas docenas de viajes con ellos. La persona típica vive de cheque en cheque, trata mal a su cuerpo y cerca del 50 % de los matrimonios terminan en divorcio. A la luz de eso, ¿cuánta desventaja hay realmente de ir en contra de la manada y vivir una vida de toma de riesgos calculados?

Esto es importante porque el mercado de valores es un juego de suma cero. Para que superes al mercado, alguien más tiene que tener un rendimiento inferior. No es un accidente que los inversores discretos y pacientes como Berkshire terminaran superando al mercado con el tiempo, mientras que los gestores de fondos mutuos que apuestan por obtener un gran bono de fin de año terminan por detrás. Al igual que la paciencia y la agresión son una combinación rara pero brillante, también lo es un nivel saludable de escepticismo combinado con una perspectiva optimista de la vida.

Balance final

El mundo de la inversión echará mucho de menos el ingenio y la sabiduría de Charlie Munger. Munger era un gran inversor y un buen profesor. Su trabajo y el de Buffett convirtió a decenas de miles de inversores y empleados de Berkshire en multimillonarios. A medida que aprendemos sobre su vida, solo es apropiado examinar la nuestra en busca de lecciones que puedan ayudarnos a tener una vida larga y próspera.

Tecnologías disruptivas: la impresión 3D ayuda a la robótica flexible por Dr. Ed Yardeni

Un nuevo método de impresión 3D puede crear productos flexibles, incluso para uso en robótica. Según investigadores de ETH Zurich, una universidad suiza, se pueden construir manos robóticas y órganos artificiales similares a los humanos utilizando este nuevo método; MIT; e Inkbit, una nueva empresa nacida del MIT.

La impresión de inyección de tinta 3D tradicional utiliza un material que se seca rápidamente y luego se raspa para eliminar cualquier imperfección antes de depositar la siguiente capa de material. El producto final es rígido y eso no es útil cuando se trata de desarrollar algo como una mano robótica.

Inkbit desarrolló el nuevo método de impresión 3D, llamado tecnología de “chorro controlado por visión” (VCJ). En lugar de eliminar las imperfecciones, la impresora incluye “un sistema de escaneo por visión por computadora 3D habilitado por IA” que verifica visualmente el artículo que se está produciendo en busca de imperfecciones. Cuando detecta una imperfección, la máquina calcula cómo se debe depositar la siguiente capa de material para corregir la imperfección. «Esto significa que en lugar de suavizar las capas irregulares, la nueva tecnología simplemente tiene en cuenta las irregularidades al imprimir la siguiente capa«, se publicó en un artículo del 15 de noviembre en el sitio web de ETH Zurich.

La nueva impresora no necesita utilizar materiales de secado rápido al construir un objeto porque no es necesario rasparlo. VCJ puede utilizar polímeros de secado lento que son más flexibles, lo que aumenta drásticamente los tipos de objetos que se pueden imprimir en 3D. El nuevo método también permite imprimir elementos duros y blandos en un objeto simultáneamente. Los investigadores utilizaron el nuevo método de impresión para crear una mano robótica impresa en 3D, con huesos, ligamentos y tendones, cada uno de ellos hecho de diferentes materiales. Los materiales de secado lento que se utilizan en la mano permiten que ésta se doble al agarrar un objeto y luego se desenrolle, volviendo a su forma original. Aquí hay un video que explica y demuestra la tecnología.

La capacidad de imprimir utilizando diferentes materiales ha hecho que el proceso de ensamblaje sea menos «práctico»: ningún ser humano necesita ensamblar las distintas piezas de la mano artificial. Más detalles sobre la mano y otros productos construidos con VCJ, incluido un robot andante y una bomba que imita un corazón, aparecen en un estudio del 15 de noviembre en Nature.

¿Podrá continuar la tendencia alcista en el oro? [Dirty Dozen] por Alex Barrow

1. Solo quedan tres días de negociación en noviembre. Será interesante ver cómo cierran el mes los principales índices. Aquí podemos ver que el Dow está a punto de completar un patrón de continuación de H&S invertido.

A corto plazo, los mercados estadounidenses parecen un poco sobrecomprados. Pero más a medio plazo, el camino de menor resistencia sigue siendo.

2. Esto se hace más interesante por el hecho de que los especuladores, tanto grandes como pequeños, se mantienen extremadamente cortos con el Dow.

3. Recientemente, nuestro indicador de liquidez de MO (una combinación de varios puntos de datos de las fincon) se volvió positivo (marcado por un sombreado verde). Esta es otra buena señal para las acciones.

4. Las exportaciones de Corea del Sur se han vuelto sólidamente positivas sobre una base de un % interanual por primera vez desde que se adentraron en terreno negativo al final de 22′. Las exportaciones de Corea del Sur sirven como un buen barómetro de la economía mundial.

5. Pero con las perspectivas no son todo color de rosa… Aquí en los EE. UU., acabamos de ver el Índice Estatal de la Reserva Federal de Filadelfia caer a -22. Cada dos veces a lo largo de su historia de más de 40 años que ha caído por debajo de cero, EE. UU. estuvo en o pronto entró en una recesión.

Este índice se calcula combinando cuatro indicadores a nivel estatal: el empleo en nóminas no agrícolas, el promedio de horas trabajadas en la fabricación por los trabajadores de la producción, la tasa de desempleo y los desembolsos de salarios y salarios deflactados por el índice de precios al consumidor de los 50 estados. Una lectura por encima de 50 indica que la economía del estado se está expandiendo y por debajo significa que se está contrayendo.

6. Con el rebote del crecimiento global, al menos ex. EE. UU., estoy vigilando de cerca el cobre, que continúa operando en su canal descendente de casi un año de duración (el siguiente gráfico es semanal).

7. El posicionamiento es bajista, pero está lejos de ser extremo. Sin embargo, nuestro indicador de sentimiento muestra una falta general de interés entre las posiciones grandes y pequeñas. Y nuestro oscilador de valoración permanece en el percentil 0.

Además, el cobre entra en su período más fuerte de estacionalidad a partir de mediados de diciembre y esto continúa hasta la primera semana de marzo.

8. Adam Tooze compartió algunos gráficos de petróleo y gas en un reciente libro de gráficos que se extraen de los recientes informes de Inversión Mundial en Energía y Petróleo y Gas de la AIE.

Tooze señala que «La vanguardia de la transición es la electrificación. La AIE muestra un aumento de la inversión en la generación de energía verde (solar, eólica), la movilidad eléctrica (VE) y, en menor medida, las redes eléctricas y la eficiencia. En todo el mundo, la energía solar y la eólica, que alguna vez fueron el dominio de los eco-freaks, ahora están atrayendo un 30 por ciento más de nuevas inversiones que el petróleo y el gas. Vale la pena hacer una pausa para tener en cuenta ese hecho».

9. Y lo que es más, la industria del petróleo y el gas no está reinvirtiendo sus dólares en la expansión o incluso en el mantenimiento de la capacidad. En cambio, está pagando la deuda y comprando acciones. Así es como se desarrolla cada ciclo de CAPEX, pero este parece que será particularmente extremo debido a la dinámica única en juego.

10. Hablando de petróleo, una de nuestras operaciones de energía favoritas y posiciones de cartera a largo plazo, Tidewater (TDW), está dando una entrada/añadir posiciones técnica de bajo riesgo.

A continuación se muestra su gráfico semanal que muestra un giro la semana pasada de su banda de Bollinger inferior. Podríamos poner un stop de compra justo por encima de los máximos de la semana pasada y poner su punto de riesgo justo por debajo de sus mínimos, lo que le da un buen objetivo con un bajo riesgo.

11. El mes pasado, señalé el gran repunte dentro del sector cripto, Galaxy Digital Holdings. Ha tenido un buen recorrido y ahora está consolidando sus ganancias a medida que forma una bandera alcista. Consideraré entrar largo en una ruptura de este rango.

12. No nos acercamos por encima del nivel clave de 2k el mes pasado en Gold. Pero parece que podemos verlo esta vez. Una ruptura alcista de este rango daría un gran apoyo a la contratación del crecimiento / suelo de EE. UU. imagen de crecimiento de EE. UU. a la que aluden los gráficos anteriores.

Estamos largos y buscaremos añadir más posiciones en la confirmación de la ruptura.

Gracias por leer.

¿Qué es Global Macro Trading? por Brandon Beylo

Si estás leyendo esto, probablemente seas un inversor o trader que quiera aprender más sobre Global Macro Trading.

Tal vez hayas pasado el último año quemado por empresas tecnológicas poco rentables. Solo para ver a «Energy Bros» en Twitter como una manada de orcas alrededor de una foca bebé.

Pensaste que tenías una filosofía de inversión diferenciada. Parecía que se podía predecir los cambios tecnológicos, las transformaciones de los hábitos de consumo y los trastornos de toda la industria.

En realidad, te beneficiaste de una década de política de tasa de interés cero. Ahora que la Reserva Federal se ha apretado el cinturón, te estás preguntando dónde encontrar alfa.

Por eso estás aquí. Quieres aprender sobre Global Macro Trading. Y eso es bueno porque el Macro Trading global te salvará de una década (o más) de bajo rendimiento.

Estamos en un nuevo régimen de mercado. Uno dominado por activos físicos (léase: tangibles). De bits a átomos. Un mercado donde las presiones inflacionarias de los mayores costos de energía, alimentos y mano de obra destruyen los márgenes de beneficio y los modelos de negocio de algunas industrias. Al mismo tiempo, enriquece las industrias, las empresas y los inversores que se aprovechan de tales cambios.

Has venido al lugar correcto. Este artículo explica todo lo que necesitas saber sobre Global Macro Trading. Con este fin, aprenderá qué es el Global Macro Trading, cómo entenderlo, y por qué es esencial para el actual cambio de régimen del mercado.

Empecemos.

¿Qué es Global Macro Trading?

Global Macro Trading suena muy difícil en teoría, pero es simple en la práctica. Los macro Traders globales recorren el mundo para encontrar apuestas de riesgo/recompensa altamente asimétricas. Ideas en las que pueden arriesgar 1 $ para ganar 5 $ o 10 $.

Los operadores macro globales no tienen restricciones sobre dónde encuentran y abren sus operaciones. Ese es el verdadero secreto. Un macro trader global puede vender futuros de soja un día, comprar el Nasdaq 100 al día siguiente y vender el par dólar estadounidense/euro al siguiente.

Lo único que restringe al Global Macro Trader es su mente.

Los macro traders tienen amplias vistas de 30.000 pies en mercados como el maíz o el algodón. Desarrollan esta visión basada en puntos de datos «macro» como los rendimientos de los cultivos (para la agricultura) o el inventario, las reservas y la demanda mundial de petróleo.

Desde aquí, el Global Macro Trader encuentra el mejor instrumento para expresar su opinión sobre un mercado determinado.

Por ejemplo, supongamos que un Macro Trader piensa que Rusia retendrá más de 100.000 barriles de petróleo de la producción. En ese caso, podría ir a los futuros de petróleo y comprar como una forma de jugar el choque que se verá en el lado de la oferta.

O supongamos que el S&P 500 cotiza más de 30 veces las ganancias actuales, la economía se está calentando y los consumidores se están agotando, maximizando las tarjetas de crédito y se quedan atrás en los préstamos. El Macro Trader toma esa información y utiliza el mercado de futuros para expresar sus opiniones vendiendo los futuros del S&P 500.

No hay necesidad de complicar demasiado lo que es el Global Macro Trading. Está desarrollando una visión diferenciada de un mercado específico, y luego encontrando el instrumento más apropiado para ejecutar esa apuesta.

Por supuesto, necesitas una buena investigación macro para desarrollar esas opiniones de mercado diferenciadas. Abordemos eso a continuación.

¿Qué es Global Macro Trading?

Los inversores en acciones individuales investigan a las empresas estudiando los balances de su industria, las declaraciones de resultados, las declaraciones de flujo de efectivo y el posicionamiento competitivo. Hablan con clientes, proveedores, antiguos empleados y cualquier persona que pueda darles una idea del funcionamiento interno de la empresa.

La investigación sobre Global Macro Trading es 100 veces (tal vez 1.000 veces) más grande en alcance que la investigación de acciones individuales. Lo que hace que esto sea así cuando estás recorriendo el mundo y apostando por cosas como crisis monetarias, choques petroleros y caídas del mercado de valores.

Simplificamos esta investigación en macro en Macro Ops creando el HUD. El HUD es nuestro panel de investigación macro global que alberga los datos más relevantes (léase: señal alto, bajo nivel de ruido) para las decisiones de inversión. Puedes ver una captura de pantalla del HUD a continuación.

El HUD destaca elementos cruciales de la investigación macro como:

• amplitud
• deuda
• volatilidad
• inflación
• liquidez

Esta es la parte más crucial de la investigación macro. Un gran operador macro utiliza todos estos insumos para crear una serie de realidades potenciales.

Hay algunas maneras de obtener esta información si no eres miembro de Macro Ops Collective. Puede obtener datos financieros de la Reserva Federal, datos de petróleo de la OPEP y el Departamento de Energía de los Estados Unidos, e informes agrícolas del Departamento de Agricultura de los Estados Unidos y la Junta de Comercio de Chicago.

Otra gran manera de hacer investigación macro es leyendo el Financial Times (o FT) y las revistas globales de trading de materias primas o los boletines de cambio de divisas.

Por último, estudia los mercados de futuros. Es donde pasará la mayor parte de su tiempo expresando puntos de vista macro a través de contratos de futuros sobre índices bursátiles, materias primas, metales preciosos y más.

A estas alturas, ya sabes lo que es el Global Macro Trading y las herramientas de investigación para encontrar y desarrollar tus propios puntos de vista sobre el mundo. Entonces, ¿cómo te metes en el Global Macro Trading?

Cómo Entrar En El Macro Trading Global

Lo primero que debe hacer es operar con papel su estrategia de Macro Trading global recién desembalatado. El Global Macro Trading implica a instrumentos altamente apalancados como futuros, opciones y divisas. Puedes perderlo todo si no tienes cuidado al operar con estos instrumentos.

Haciendo trading en demo aprenderá los conceptos básicos de la gestión de riesgos, el establecimiento de stop-loss adecuados, la identificación de objetivos de beneficio y la importancia del tamaño de la posición. Todo sin arriesgar nada de tu dinero ganado con tanto esfuerzo.

Global Macro Trading suena intimidante. Los traders se están ahogandol. No es de extrañar que la mayoría de los inversores no cumplan con la transición a medida que entremos en este nuevo régimen de mercado. Uno que estará dominado por los macro traders globales y su mentalidad de «ir hasta cualquier lugar» donde haya un buen trade.

Hola ChatGPT, ¿puedes hacer probar una de estrategia de trading? por Quantpedia

El tiempo vuela. Han pasado más de seis meses desde nuestro último artículo, y medio año en un campo de rápido desarrollo como la inteligencia artificial parece diez veces más. ¡Así que revisaremos nuestro artículo y probaremos algunos nuevos trucos! ¿El chatbot de OpenAI ha hecho alguna mejora significativa? ¿Se puede usar ChatGPT como motor de backtesting? ¡Retomamos nuestra asignación de activos de paridad de riesgo y volvemos a probar los límites del desarrollo actual de IA!

Introducción

Comenzaremos con una breve recapitulación, además de que crearemos una cartera de referencia en Excel para compararla con los resultados que obtendremos de la IA. ¡Vamos a sumergirnos directamente en ello!

Datos

Nuestra fuente de datos es Yahoo Finance. Utilizamos las columnas Fecha y Cierre de Adj de los datos descargados que tienen en cuenta los splits y los dividendos. Tenemos dos archivos separados por comas, que podemos editar aún más con el software de hoja de cálculo que elijamos. Como se mencionará más adelante, utilizaremos datos de dos activos:

• SPDR S&P 500 ETF Trust (SPY)
• Acciones de oro de SPDR (GLD)

Justificación

Queremos que la IA pruebe una simple asignación de activos de paridad de riesgo:

• El universo de inversión consiste en
  • SPY y
  • ETF GLD.
• Cuando asignamos un 50% de peso a cada ETF y lo reequilibramos mensualmente, entonces tenemos una asignación de activos de referencia igualmente ponderada.
• Queremos que una IA construya una mejor estrategia de asignación de activos que la igualmente ponderada, por lo tanto:
  • Omitimos parte del conjunto de datos (un año [agosto de 2017 a agosto de 2018]) y
  • deja que la IA sugiera mejores métodos de ponderación. Luego elegimos la paridad de riesgo inversa ponderada por volatilidad. Dejamos que AI utilice los datos de los últimos 12 meses para calcular la volatilidad de cada ETF, calcular el peso de cada ETF en la cartera para el próximo mes, realizar la prueba posterior de la siguiente estrategia de asignación de activos y calcular las nuevas estadísticas apropiadas.

Aquí está el gráfico que muestra las estrategias de asignación de activos ponderadas por puntos de referencia y la volatilidad inversa que se utilizaron como puntos de referencia para los backtest realizados por la IA:

Este está hecho por nosotros los humanos. Pero, ¿podemos convencer a ChatGPT de que produzca gráficos similares y calcule las estadísticas necesarias?

Si lees nuestro anterior artículo verás como la IA se negó a enumerar más de lo posible métodos y probar una simple asignación de activos ponderada por igual. Y eso fue todo. Por lo tanto, trataremos de impulsar aún más la IA en la tarea de convertirse en un útil «analista de datos junior virtual».

Limitaciones

Mientras escribía este artículo, el ChatGPT de OpenAI permitió compartir conversaciones completas con otras personas. Sin embargo, hemos optado por no profundizar en esta función y, en su lugar, compartir solo las indicaciones y respuestas más relevantes para mantener el artículo lo más sencillo posible. También eliminamos las respuestas redundantes y duplicadas, así como las respuestas que estaban en el artículo anterior.

Hay una última cosa que queremos mencionar antes de llegar a la parte principal del artículo. Somos conscientes de los problemas con el LLM (grandes modelos de lenguaje) y las limitaciones de la IA (inteligencia artificial) cuando se trata de resolver problemas complejos (modelado financiero). ChatGPT tiene mucha confianza en dar respuestas que no siempre son correctas. A menudo se conoce como la alucinación de los LLM. Ten en cuenta esto cuando trabajes con IA.

Análisis de asignación de activos en ChatGPT

1. Prueba con los complementos de ChatGPT

Los complementos se introdujeron gradualmente a finales de marzo de 2023 y están impulsados por aplicaciones de terceros que OpenAI no controla. Los complementos conectan ChatGPT a aplicaciones externas. ChatGPT elige automáticamente cuándo usar los complementos durante una conversación, dependiendo de los complementos que hayas habilitado. No puede seleccionar uno de los múltiples complementos para usar si habilita más de uno. El artículo introductorio lo explica mejor con una analogía. Los complementos pueden ser «ojos y oídos» para los modelos de lenguaje, dándoles acceso a información que es demasiado reciente, personal o específica para ser incluida en los datos de entrenamiento.

Al principio, seleccionamos y probamos algunos complementos relevantes con el uso de (clasificados de los más a los menos útiles para la tarea seleccionada):

• El complemento Polygon trae datos de mercado, noticias y fundamentos para acciones, opciones, divisas y criptomonedas de Polygon.io El complemento es útil para obtener datos financieros externos de alta calidad en el entorno de ChatGPT y nos ayuda a no confiar en los datos almacenados en algún lugar del modelo de lenguaje de ChatGPT que pueden ser muy borrosos o incompletos.
• Savvy Trader AI tiene datos de acciones, criptomonedas y otros datos de inversión en tiempo real, y este también proporciona respuestas oportunas,
• Statis Fund Finance promete ser una herramienta de datos financieros para analizar las acciones. Puedes obtener cotizaciones de precios, analizar promedios móviles, RSI y más. Tienen datos precisos y también han mostrado algunos resultados prometedores.
• Quiver Quantitative, con el que se puede acceder a datos sobre el comercio de acciones del Congreso, el cabildeo, el comercio de información privilegiada y la legislación propuesta, fue de poca utilidad en esta prueba, pero sigue siendo un complemento interesante
• El complemento PortfolioMeta afirma que da ayuda y debe usarse para analizar acciones y obtener datos y análisis de inversión integrales en tiempo real. Aún así, no lo usamos, ya que nunca fue elegido para ser utilizado en ninguna combinación.
• TradingBro obtiene datos financieros de ChatGPT para su trading/aprendizaje: resultados empresariales, vista de analistas, DCF, detalles de ventas, operaciones con información privilegiada, etc.

El mejor uso para nosotros que encontramos fue la combinación de cualquiera de los dos

• Polygon, Savvy Trader AI y/o Statis Fund Finance

ya que puedes habilitar tres complementos simultáneamente. Como se mencionó anteriormente, ChatGPT elige el más adecuado (no somos conscientes de los algoritmos específicos que evalúa y elige). Podemos tener algo de control sobre eso si solicitas seleccionar un complemento específico para una tarea en un mensaje enviado a ChatGPT durante tu análisis de datos.

Decidimos deliberadamente omitir las indicaciones que ya se habían utilizado en nuestro artículo anterior y centrarnos en nuevas investigaciones y respuestas.

Compartimos la transcripción seleccionada de la conversación:

Aquí, tenemos el primer detalle significativo e interesante. En nuestro artículo anterior, nos quedamos solos con ChatGPT, que se negó, además de enumerar alternativas interesantes, a hacer cualquier cálculo. Ahora, con el uso de complementos, la situación es un poco diferente:

Ahora, lo hace, pero necesitábamos ajustar, cuidar y dirigir ChatGPT para producir resultados deseables. Encontramos: «Calculate volatility from 12 previous months, and use it for next month and do it interatively from August 2018 to August 2021.«. Incitar a funcionar realmente de la manera que lo pretendíamos. Y lo hace muy bien:

En intentos anteriores, ChatGPT intentó calcular la volatilidad, pero la calculó erróneamente para todo el año y utilizó ese valor para cada mes, lo que dio resultados incorrectos. Como puede ver, necesitábamos regenerar las respuestas y actualizar nuestras indicaciones para afinarlas.

Y la respuesta continúa:

Además, aquí tenemos la comparación con el modelo de igual ponderación que se hizo anteriormente, incluso cuando no lo pedimos. Lo vemos como una contribución interesante, pero a veces puede ser molesto si no obtienes la respuesta que estás buscando exactamente y te distrae de tu objetivo principal.

Pero aquí viene lo que los plug-ins no pueden hacer: visualizar los resultados. Desafortunadamente, debido a que no hay un entorno de ejecución, producen código, pero no pueden ejecutarlo:

En su lugar, quiere visualizar los datos como una tabla, que no es lo que queremos, y decidimos no incluirlos aquí.

2. Análisis avanzado de datos (anteriormente conocido como intérprete de código)

Code Interpreter es un emocionante complemento a ChatGPT de OpenAI, introducido en marzo de 2023.

Todavía está en desarrollo y está marcado como una versión alfa. Dicho de forma sencilla, es un modelo experimental de ChatGPT que puede usar Python, manejar cargas y descargas, y trabajar como un intérprete de Python en funcionamiento en el entorno de ejecución con cortafuegos. Obviamente, hay algunas limitaciones, a saber, una sesión que está viva durante la duración de una conversación de chat (con un tiempo de espera superior) y las llamadas posteriores pueden acumularse unas sobre otras. Admite la carga de archivos en el espacio de trabajo de conversación actual y la descarga de los resultados de su trabajo. Así que la herramienta tiene muchas ventajas y algunas desventajas, pero eso no nos limita a probarla para el análisis estadístico de los datos financieros.

Al escribir nuestro artículo (agosto y septiembre de 2023), OpenAI lanzó su cambio de marca y lo cambió de nombre a Advanced Data Analysis (junto con el lanzamiento de ChatGPT Enterprise).

Para el análisis avanzado de datos (intérprete de código), necesitábamos cargar los datos de Yahoo Finance, como se mencionó anteriormente.

En la herramienta, puedes ver el código que produjo, y también describe muy bien el contenido del archivo.

Íbamos a someternos al procedimiento de nuevo, dándole las mismas indicaciones de nuevo para preservar la reproducibilidad con la mayor precisión posible. Y todo el proceso comienza de nuevo. Esta es la parte más importante de la conversación que proporciona respuestas a las preguntas planteadas.

Como estábamos haciendo cálculos en diferentes días, ChatGPT nos pidió que volvamos a cargar archivos de datos csv, lo que hicimos.

Finalmente, ChatGPT, en su forma de Análisis Avanzado de Datos, podría producir un código de trabajo para representar la curva de equidad y visualizar su cambio de tiempo; ¡lo empujamos e incluso pedimos un estilo de gráficos similar al de Quantpedia! Y, volià:

Además de todo, cuando se le pide que resuma el código anterior, ChatGPT proporciona un resumen lo suficientemente justo. Así que nunca te sientes excluido cuando necesitas entender algo que hace.

Conclusión y comparación

Ahora, nos gustaría comparar nuestro intento inicial de probar la estrategia de asignación de activos con los nuevos enfoques con

• nuevo modelo (ChatGPT 4.0),
• nuevo modelo (ChatGPT 4.0) con el mejor uso de complementos y
• nuevo modelo (ChatGPT 4.0) con el uso de Análisis Avanzado de Datos (también conocido como Intérprete de código)

Primero hagámoslo cuantitativamente, comparando los resultados en forma de números, y luego escribamos nuestras impresiones basadas en probar cada opción.

Podemos ver que para ambas carteras, el uso de análisis avanzado de datos nos da los resultados más cercanos a la realidad calculados de forma independiente. Sorprendentemente, los resultados de nuestro artículo anterior, aparte del cálculo de volatilidad perdido, no son tan malos para una cartera igual ponderada, pero, por supuesto, no produce ningún resultado para el método de ponderación basado en la volatilidad, aparte de las sugerencias del proceso de cálculo.

Cada solución tiene sus propias ventajas y desventajas. Hagamos un resumen:

Enfoque manual: Cuando haces las cosas manualmente, es lento, pero si sabes lo que quieres lograr, puedes llegar allí con un control total sobre el proceso de análisis y con la oportunidad de solucionar posibles problemas.

Eso fue hasta ahora. Pero aquí está el futuro. ¿Qué pueden aportar los LLM?

1. Los viejos modelos de GPT (incluidos los pre-3.5) no pueden con cálculos un poco más avanzados, como el uso de diferentes métodos de ponderación en su estrategia de asignación de activos. Pero podemos verlos como lo suficientemente «creativos» como para darle buenas ideas de lo que podría ser bueno probar en su análisis de datos.
2. Nuevos modelos GPT (post 4.0): su imaginación está mejorando y puede ayudarlo a pensar fuera de la caja aún mejor; el uso de varios complementos les da la capacidad de usar datos de varias fuentes que se combina con una mejor comprensión rápida, lo que los hace capaces de procesar varias consultas más difíciles, y pueden hacer tales ponderaciones de volatilidad y demás. Después de numerosos intentos, encontrará las secuencias rápidas para dar a ChatGPT para producir el resultado deseado.
3. Análisis avanzado de datos: como su nombre podría sugerir, esta es probablemente el complemento más avanzado al LLM de OpenAI y es adecuado para realizar tales tareas. Además de eso, debuga, personaliza y ejecuta el código Python que produces. Incluso puedes ver el código y ver si está haciendo el trabajo previsto.

Entonces, ¿cuál es la conclusión final? Hasta ahora, acabamos de realizar un análisis de datos financieros relativamente fácil, pero el Análisis Avanzado de Datos (Intérprete de Código) parece ser una herramienta útil para borradores rápidos y verificación de nuevas ideas y conceptos. Su potencia es probablemente limitada en este momento, y no podemos usarla para cálculos a gran escala (principalmente debido al espacio en disco limitado y a la memoria disponible). Pero el potencial de este nuevo  «juguete» de investigación para los quants es, sin duda, increíble.

Autor: Cyril Dujava, Analista Quant, Quantpedia

¿Por qué no sigo mi plan de trading? por Brett N. Steenbarger

• Artículo publicado en Hispatrading 56.
• Todos tenemos un plan de trading. ¿Por qué en ocasiones no lo seguimos echando a perder toda nuestra curva de resultados? ¿Cómo podemos evitar entrar en este proceso destructivo?

A veces, no solo dejamos de escuchar a nuestra voz interior, sino que hacemos activamente lo que sabemos que es perjudicial para nuestro trading y nuestro éxito. Operamos bien semana tras semana y de repente sobredimensionamos una posición, nos negamos a respetar nuestro stop loss, aumentamos la posición perdedora y luego hacemos volar la cuenta por los aires. O, por el contrario, nos preocupan tanto las pérdidas que salimos rápidamente de las posiciones ganadoras antes de que alcancen sus objetivos, dejando mucho dinero sobre la mesa y arruinando nuestras posibilidades de éxito.

¿A qué se debe esto? ¿Qué podemos hacer para mantenernos alineados con prácticas y procesos que sean consistentes?

Un lector se me acercó recientemente, explicando que de vez en cuando experimenta pérdidas que eliminan una gran parte de sus ganancias mensuales. Es frustrante operar bien la mayor parte del tiempo, solo para perder la disciplina y aparentemente sabotear todo lo que hemos logrado de un momento a otro. La raíz del autosabotaje es el autoabandono. Perdemos temporalmente de vista lo que estamos destinados a hacer y en su lugar actuamos por impulso. Abandonamos el alma de lo que hacemos y permitimos que nuestras operaciones sean impulsadas por el ego.

Nunca he estado convencido de que la raíz de tal auto-sabotaje sea un deseo profundo e interno de lastimarse a uno mismo. Por lo general, no es la ausencia de autoestima lo que hace que actuar por impulso. Más bien, experimentamos «eventos desencadenantes» que ponen en marcha acciones automáticas y, a menudo, dañinas. El problema es una pérdida temporal del libre albedrío. Bajo un cierto conjunto de condiciones emocionales y físicas, nos comportamos de maneras preprogramadas y nos volvemos reactivos en lugar de activos. Literalmente, es una pérdida de autoconciencia que nos permite comportarnos de maneras que perjudican nuestros intereses.

Pensemos en todas las situaciones en las que *nunca* nos alteramos y nos comportamos de manera reactiva y autodestructiva. Como cuando no se tiene cuidado al cruzar calles llenas de automóviles. ¿Se imagina actuar de formar razonable el 99% del tiempo, pero solo de vez en cuando, el 1%, ir directo hacia los automóviles sin tener cuidado de que no le atropellen? O ¿manejar maquinaria peligrosa (cortacéspedes y hornos por ejemplo) con cuidado la mayoría de las veces, sólo para ir y cortarnos o quemarnos gravemente de vez en cuando? ¿Por qué no nos alteramos en esas situaciones? La primera razón es que nuestro ego no se ve implicado y la segunda es que somos plenamente conscientes de los peligros que corremos. Si no *necesito* cruzar la calle rápidamente y soy consciente del tráfico, soy perfectamente capaz de esperar a que se interrumpa el tráfico para cruzar con seguridad. Si soy claramente consciente del peligro, actuaré con precaución. Siempre.

Aquí es donde es útil realizar un “chequeo desde el cuello hacia arriba” antes de tomar cualquier riesgo. Si un cirujano tiene programada una intervención, pero se encuentra en un estado de agitación debido a una circunstancia personal, ese cirujano retrasará la operación. «Por encima de todo, no hacer daño» es el principio operativo. Si un piloto está a punto de despegar para un vuelo, se comunica con el copiloto y, juntos, revisan la lista de verificación previa al vuelo para asegurarse de que el avión esté preparado de verdad para volar. Si algo falla mecánicamente, el vuelo se retrasará. Por encima de todo, no hacer daño.

Lo opuesto al autoabandono es la autoconciencia. Si nos acercamos a cada sesión de trading, – ¡cada operación! – Igual que un cirujano aborda una operación o la forma en que un piloto se prepara para un vuelo, entonces estaremos en el estado en que normalmente estamos cuando cruzamos una calle concurrida. La conciencia del riesgo y el peligro nos permite no hacer daño.  No es la disciplina o la orientación al «proceso» lo que nos permite no alterarnos cuando manejamos un cuchillo de tallar en la cocina. Es la conciencia inmediata y aguda del peligro. La clave es la autoconciencia: saber cuándo tenemos la mentalidad equivocada para asumir riesgos. Al igual que el cirujano, al igual que el piloto, debemos tomar el peligro tan en serio que estamos dispuestos a posponer nuestra actuación hasta que estemos seguros de que «no haremos daño». Si hemos realizado nuestro propio chequeo del cuello hacia arriba, nunca operaremos por impulso.

¿Cuándo volveremos a ver nuevos máximos en el mercado de valores? por Ben Carlson

El S&P 500 hizo por última vez un nuevo máximo histórico el 3 de enero de 2022.

El mercado ha estado trabajando lenta pero seguramente para volver a nuevos máximos, pero hemos estado bajo el agua durante casi dos años:

El mercado está a poca distancia de los nuevos máximos, pero las acciones no han ido a ninguna parte durante casi dos años.

Llevamos poco menos de cuatro años de la década de 2020 y la mitad de esos años no han visto nuevos máximos, pero ya hicimos muchos de ellos en esta década.

Este es el número de nuevos máximos históricos por década desde 1950:

El mercado de valores es errático, por lo que algunas décadas tenemos muchos nuevos máximos, mientras que en otras tenemos muy pocos.

Según mis cálculos, ahora hemos pasado 473 días de negociación sin nuevos máximos para el S&P 500.

Esa es en realidad la quinta racha más larga desde 1950:

Lo más loco de esas otras rachas es lo cerca que estaban.

En cada caso, tuvimos una recesión, seguida de un breve aplazamiento del mercado alcista y luego una recesión aún mayor a corto plazo.

El mercado bajista al final de los años go-go de 1968-1970 es uno de los desplomes más olvidados de la historia, seguido unos pocos años más tarde por el desagradable mercado bajista de 1973-1974.2

Y todos conocemos la década perdida que inició este siglo, en la que el mercado de valores se redujo a la mitad dos veces.

El S&P 500 subió un 6,8 % anual desde 1968 a 1980, pero ese rendimiento se comió por completo la tasa de inflación del 7 % en ese momento.

El mercado subió un total del 23 % desde 2000-2013, un rendimiento anual del 1,6 %.

A pesar del hecho de que tuvo dos períodos prolongados en los que los inversores vieron pocos máximos nuevos de todos los tiempos, si nos fijamos en los rendimientos de 1968-2013, el mercado de valores seguía subiendo casi un 10 % al año.

Esta es una de las razones por las que el mercado de valores puede ser tan loco. Los rendimientos son muy inestables. Pueden ser horribles durante largos períodos de tiempo. Podrías estar bajo el agua durante años.

Es posible que podamos ver nuevos máximos históricos en el S&P 500 a finales de este año o principios del próximo año. Y luego podríamos experimentar otro mercado bajista que vea como las acciones no van a ninguna parte durante más tiempo. O podríamos estar presenciando el nacimiento de un nuevo mercado alcista.

La verdad es que nadie lo sabe.

Esta es una de las razones por las que las acciones ofrecen una prima de riesgo sobre otras clases de activos.

Siempre existe la posibilidad de una década perdida o de un gran mercado alcista.

Lo importante para los inversores es que su plan financiero debe basarse en la expectativa de que ambos escenarios sean probables a lo largo de su ciclo de vida de inversión.

Simplemente no sabes cuándo.

Confiamos en Yellen por Dr. Ed Yardeni

Cuando Janet Yellen fue presidenta de la Reserva Federal desde octubre de 2010 hasta febrero de 2014, a menudo me refería a ella con cariño (y respeto) como el “Hada Madrina del mercado alcista”. Me di cuenta de que casi cada vez que hablaba públicamente sobre las perspectivas de la política monetaria y la economía, el mercado de valores subía.

No ha sido tan optimista con respecto al mercado de valores desde enero de 2021, cuando se convirtió en secretaria del Tesoro de Estados Unidos durante la administración Biden. Bajo su dirección hasta el momento, el déficit presupuestario federal aumentó hasta alcanzar el récord previo a la pandemia de 1,7 billones de dólares en los 12 meses transcurridos hasta octubre (Gráfico 10). Lo mismo puede decirse del aumento de 2,3 billones de dólares durante este mismo período en los títulos negociables del Tesoro estadounidense, que ascienden a la increile cifra de 5,0 billones de dólares desde que Yellen se unió a la administración Biden.

Las perspectivas de déficit se han visto exacerbadas por el récord de 26 billones de dólares en deuda negociable en poder del público que el Tesoro debe reembolsar a tasas de interés más altas que cuando Yellen asumió el mando del Tesoro. Durante los últimos 12 meses hasta octubre, los desembolsos netos por intereses del Tesoro aumentaron a un récord de 692.200 millones de dólares (Fig. 11).

Bajo la supervisión de Yellen hasta ahora, la deuda que emite el Departamento del Tesoro ha sido rebajada por Fitch Ratings en agosto y Moody’s el viernes pasado. Sin embargo, el lunes pasado, Yellen dijo que no está de acuerdo con la decisión de Moody y respondió que la administración Biden está “completamente comprometida con una vía fiscal creíble y sostenible”.

El 26 de octubre, en un evento en la oficina de Bloomberg en Washington, Yellen descartó la idea de que los rendimientos de los bonos estuvieran aumentando simplemente porque las necesidades de financiación del Tesoro habían aumentado. Ella afirmó: «No creo que mucho de eso esté relacionado». Culpó de las tasas de interés más altas a la economía fuerte: “La economía continúa mostrando una fortaleza tremenda, y eso sugiere que es probable que las tasas de interés se mantengan altas por más tiempo”, dijo.

Sin embargo, el Tesoro ayudó a provocar un importante repunte de los bonos el 1 de noviembre al anunciar que la próxima ronda de subastas tendría más letras y menos pagarés y bonos. En otras palabras, Yellen admitió de hecho que la oferta sí importa.