La inteligencia artificial no es inteligente por Dr. Ed Yardeni
El Dr. Ed Yardeni es una de las principales voces de LinkedIn en economía y finanzas. Colaborador habitual de los principales medios internacionales, actualmente dirige Yardeni Research una firma de consultoría que ofrece estrategias de inversión global, análisis y recomendaciones a clientes institucionales. Es autor de los libros «Predicting the Markets: A Professional Autobiography» y «Fed Watching for Fun & Profit”.
Dr. Ed Yardeni / Yardeni Research
I. ¿Está lista la IA para despegar definitivamente? Los locos años 2020 comenzaron en el mercado de valores el 30 de noviembre de 2022. Fue entonces cuando OpenAI lanzó ChatGPT. Me inscribí en la versión de $20 por mes de este programa impulsado por inteligencia artificial (IA). Puede escribir informes y mantener una conversación. Le di una vuelta para ver si podía escribir nuestros Morning Briefings o nuestros QuickTakes más cortos.
Mi decepción fue inmediata. Estaba claro que tendríamos que dedicar más tiempo a verificar los hechos y corregir los numerosos errores en el resultado del programa del que nos lleva escribir nuestra investigación. En otras palabras, hay mucho margen de mejora en esta nueva tecnología. Así que no hay perspectivas inmediatas de pasar el resto de nuestras vidas sin preocupaciones y bebiendo piñas coladas en la playa.
La IA es artificial pero poco inteligente. Es básicamente un modelo de probabilidad estadística que puede digerir grandes cantidades de información de Internet pero carece de la capacidad de reconocer y corregir sus propios errores, lo cual es un atributo clave de la inteligencia.
Las versiones más simples de IA existen desde hace algún tiempo. Microsoft Word ha tenido durante mucho tiempo una función de autocompletar. Cuando lo enciendes, anticipa tus siguientes palabras y sugiere palabras o frases a medida que escribes. Cuando lo esté utilizando, debe verificar que prediga correctamente lo que desea escribir o las próximas palabras que desea escribir. Si hace una predicción incorrecta, inmediatamente reconoce su error y sigue escribiendo, ignorando las sugerencias de autocompletar.
Google describe su Autocompletar como “una función dentro de la Búsqueda de Google que hace que sea más rápido completar las búsquedas que comienzas a escribir. Nuestros sistemas automatizados generan predicciones que ayudan a las personas a ahorrar tiempo al permitirles completar rápidamente la búsqueda que ya tenían intención de realizar. … Además de las predicciones de búsqueda completas, Autocompletar también puede predecir palabras y frases individuales que se basan tanto en búsquedas reales como en patrones de palabras encontrados en la web”.
Otros ejemplos de IA que existen desde hace algún tiempo son Siri de Apple y Alexa de Amazon. Pueden responder con precisión muchas preguntas. Pueden reproducir música, vídeos y audiolibros. Pueden despertarte por la mañana y decirte el tiempo. Pero no pueden conversar contigo. Son ponis de un solo truco como asistentes personales. En mi opinión, la IA estará lista para con plenas capacidades una vez que Siri y Alexa puedan funcionar como asistentes personales multitarea.
Actualmente se gastan miles de millones de dólares en tecnologías de inteligencia artificial. El resultado debería ser una IA más inteligente que impulse la productividad como todos esperan.
II. Conozca al profesor Gary Smith. Gary N. Smith es profesor Fletcher Jones de Economía en Pomona College. Su investigación sobre mercados financieros, razonamiento estadístico e inteligencia artificial ha sido citada con frecuencia. Se ha centrado en las anomalías del mercado de valores, las falacias estadísticas y el mal uso de los datos. Es autor de decenas de artículos de investigación y 16 libros.
Gary era profesor asistente y uno de mis profesores en el programa de doctorado en economía de la Universidad de Yale. Recientemente ha influido en mi forma de pensar sobre la IA. Véase, por ejemplo, su artículo del 15 de enero de 2024 titulado, traducido el título al español, “Contaminación de Internet: si dices una mentira lo suficiente…”.
Sostiene que:
(1) “ChatGPT, Bing, Bard y otros modelos de lenguajes grandes (LLM) son innegablemente sorprendentes. Inicialmente pensado como una herramienta de autocompletar nueva y mejorada, pueden generar respuestas persuasivas a consultas, entablar conversaciones similares a las humanas y escribir ensayos gramaticalmente correctos. Hasta ahora, sin embargo, sus principales éxitos han sido brindar entretenimiento a los adictos a la LLM, recaudar dinero para esquemas de fingir hasta lograrlo y generar desinformación de manera eficiente”.
(2) “Se dice que si se dice una mentira por mucho tiempo, la gente llegará a creerla. En nuestra era de Internet, una mentira repetida en una gran cantidad de lugares de Internet eventualmente será aceptada como verdad por los LLM, particularmente porque no están diseñados para saber qué significan las palabras y, en consecuencia, no tienen una forma práctica de evaluar la verdad o falsedad de las mismas el texto que ingresan y emiten”.
(3) “Es probable que este ciclo autopropulsado de falsedades empeore, mucho más. A medida que los LLM inundan Internet con invenciones intencionales y no intencionales, los LLM estarán cada vez más capacitados en estas falsedades y serán cada vez más propensos a regurgitarlas. No serán sólo tonterías divertidas sobre los osos rusos en el espacio. Serán mentiras crueles sobre personas, empresas y gobiernos, todas dichas con confianza y autoridad, y muchas personas se verán condicionadas a creer las tonterías de los LLM”.
Links sobre psicotrading: Mantener una mentalidad resiliente por Brett N. Steenbarger
Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University
La resiliencia no es la ausencia de estrés, sino más bien la capacidad de canalizar el estrés hacia un mayor rendimiento. Veamos algunas ideas que valen la pena analizar sobre la resiliencia en el trading:
* Aquí hay un excelente hilo del Dr. Steven Goldstein: cómo la resiliencia proviene de alinear nuestro trading con nuestra personalidad;
* Lance Breitstein transmite auténticas joyas de James Clear, haciendo hincapié en la importancia de la paz mental y la satisfacción interior hacia la resiliencia y el rendimiento. Aquí hay un gran hilo de James Clear que capta la importancia de la persistencia;
* Encuentro que la investigación de los edges o ventajas en los mercados conduce a una mayor confianza en las ideas de trading, lo que conduce a una mayor resiliencia durante las operaciones. Este es un buen ejemplo de investigación de Concretum Research;
* Hilo muy interesante de Richard Moglen sobre cómo los mejores traders centran sus esfuerzos;
* Mike Bellafiore de SMB Capital enseña a los traders en desarrollo a reconocer los patrones en el mercado y construir «libros de operaciones» para el trading, una gran manera de construir resiliencia a través de una formación intensiva;
Aprendemos a ser resilientes aprendiendo de personas resilientes…
¿Cuál es el mayor riesgo en este momento? por Ben Carlson
Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL
Un lector pregunta:
¿Cuál es el mayor riesgo en los mercados en este momento?
La respuesta simple, para la que todos se han estado preparando en los últimos 24 meses: una recesión.
En la era posterior a la Segunda Guerra Mundial, la economía de los Estados Unidos ha caído en una recesión aproximadamente una vez cada 5 años más o menos, en promedio.
Mira lo espaciadas que se han vuelto esas recesiones (las barras grises) en las últimas décadas:
Desde finales de la década de 1940 hasta principios de la década de 1980, hubo una recesión una vez cada tres años y medio, en promedio. Desde 1990, ha habido una recesión cada nueve años, en promedio.
Pasamos casi 11 años entre el final de la recesión de la Gran Crisis Financiera en 2009 y el colapso por el Covid en la primavera de 2020. Sin embargo, esa recesión de dos meses durante la pandemia fue autoinducida. No formaba parte del ciclo económico normal.
Si excluimos ese período de dos meses, ahora estamos viendo casi 15 años desde la última verdadera contracción económica en los Estados Unidos. Hubo un gran reinicio en el entorno económico en la primavera de 2020, pero esta expansión ha estado ocerdiendo desde hace algún tiempo.
No estoy dispuesto a internar predecir si habrá o no una recesión este año porque la economía sigue siendo fuerte por la mayoría de las medidas. Sin embargo, una desaceleración económica inesperada a partir de aquí es un riesgo real de mercado.
Algunos dirían que la reaceleración de la inflación también es un riesgo.
Eso tiene sentido si significa que la Reserva Federal se vería obligada a subir las tasas de nuevo. Sin embargo, con las cadenas de suministro restablecidas después de la locura de la pandemia, una mayor inflación probablemente también significaría una economía más fuerte durante más tiempo.
Eso me parece una buena noticia, siempre y cuando la inflación no aumente significativamente.
La respuesta menos satisfactoria para el mayor riesgo en este momento es algo que sale del campo de visión. Los mayores riesgos son siempre los que no ves venir. Por definición, no se pueden predecir esos riesgos de antemano.
Estoy seguro de que podría llegar a otras variables macro o micro, como las tasas de interés, las valoraciones o que la Reserva Federal estropeé algo.
Tal y como yo lo veo, cualquiera de estos riesgos económicos o de mercado son el coste de acceso al invertir. Nadie sabe nunca el momento o la magnitud de las recesiones o los mercados bajistas, pero sabes que se darán en algún momento. Esos riesgos siempre están presentes, incluso si no ocurren muy a menudo.
Por lo tanto, el mayor riesgo para la mayoría de los inversores no tiene nada que ver con la economía o los mercados en absoluto, el mayor riesgo eres tú.
Existe el riesgo de que abandones tu plan de inversión y cometas un gran error en el peor momento posible.
Existe el riesgo de que el FOMO te haga seguir a otros en una mala inversión que no entiendes.
Existe el riesgo de que te vuelvas demasiado complaciente cuando los mercados están subiendo y demasiado asustado cuando los mercados están bajando.
Existe el riesgo de que vendas todas tus acciones y nunca vuelvas al mercado porque te paralizas por el miedo a tomar otra decisión inoportuna.
El riesgo viene en diferentes formas en diferentes momentos, pero nunca desaparece por completo, independientemente de cómo posicione su cartera.
Warren Buffett escribió una vez: «El riesgo proviene de no saber lo que estás haciendo».
Uno de los mejores controles de riesgo que tienes como inversor es saber lo que tiene, por qué lo tienes y durante cuánto tiempo lo tendrás.
Hablamos sobre esta pregunta en la última edición de Ask the Compound:
Jonathan Novy se unió a mí en el programa esta semana para hablar sobre una gran cantidad de preguntas relacionadas con los seguros: término vs. toda la vida, cuando tiene sentido usar los productos de seguros como vehículos de inversión y los diferentes tipos de seguros de vida.
Viaje hacia el trading algorítmico por Kevin Davey
Kevin Davey es un conocido trader de futuros, divisas y materias primas. Ha estado operando durante más de 25 años. Durante tres años consecutivos, Kevin logró más del 100 % de rendimiento anual en un campeonato de trading con dinero real. Es autor del libro de trading algorítmico «Building Algorithmic Trading Systems: A Trader’s Journey From Data Mining to Monte Carlo Simulation to Live Trading» (Wiley 2014).
Kevin Davey / kjtradingsystems.com
«El viaje, no el destino, es lo que importa…» ― T.S. Thomas Stearns Eliot
Puede que te estés preguntando qué es lo que el poeta ganador del Premio Nobel T.S. Eliot tiene que ver con el trading. No, no dejó un manual secreto en su ático para que sus nietos lo encontraran. Y supongo que ni siquiera hizo trading, estaba demasiado ocupado creando prosa.
Sin embargo, su cita «El viaje, no el destino, es lo que importa…» tiene profundas implicaciones para nosotros como traders. Déjame explicarte.
Inicio del viaje de trading algorítmico
¿Y si te hablara de una estrategia de aceite de soja que ganó casi 40 000 dólares de un solo contrato en 5 años? Eso es un beneficio de 8.000 dólares por contrato al año. ¿Te gustaría operarlo?
El margen en el aceite de soja es de aproximadamente 660 $, por lo que podría determinarse que podría operar 1 contrato de esta estrategia con 2500 $. Por lo tanto, en 5 años, los 2500 $ se convertirían en 42.500 $, que es una tasa de crecimiento anual compuesta al año de más del 76 %.
En principio ¿quién no querría esto?
El problema es que ahí es donde la mayoría de los traders detienen su análisis. Ellos ven el punto de partida, y ven el punto final 5 años después, con bolsas de dinero en efectivo esperándolos. Saltan de alegría por su rendimiento y se apresuran a operar la estrategia en vivo.
Por supuesto, nuestro amigo T.S. Eliot no estaría de acuerdo. Argumentaría que el viaje durante esos cinco años, no solo el punto final, es lo que realmente importa.
Entonces, ¿cómo es ese viaje? Veamos la curva de muestra Tradestation:
El beneficio final está ahí, por supuesto. ¡Pero mira lo que tuvimos que soportar para llegar allí! Una pérdida máxima de 9000 $, numerosos crash rápidos y pronunciados, períodos planos prolongados…
El beneficio final dice que esta es una buena estrategia, pero el camino para llegar allí es brutal. En otras palabras, el viaje es muy importante. Desafortunadamente, demasiados traders lo ignoran.Psicológicamente, esta estrategia sería prácticamente imposible de operar. Supongamos que estás operando esta estrategia, e imagínate a ti mismo en el siguiente punto de la curva de acciones:
Consejos para principiantes en el trading algorítmico
¿En qué estarías pensando? La mayoría de la gente probablemente habría renunciado incluso antes de este punto, pero ¿cuánta confianza tendrías ahora mismo? Siendo realistas, no tendrías ninguna confianza en que esta estrategia cambiaría. Sin embargo, a partir de ese momento, eso es exactamente lo que hizo la estrategia: su rendimiento despegó a partir de ese momento.
Esperemos que este simple ejemplo deje claro que el camino de una curva de capital es crítico. No puedes disfrutar de los beneficios al final si no puedes soportar el camino para llegar hasta allí.
Entonces, ¿cómo puedes tener esto en cuenta con tu propio trading? Veamos algunos sencillos consejos:
Al revisar un informe de rendimiento, hay que asegurarse de mirar algo más que el beneficio neto. Asegúrate de mirar la pérdida máxima y cualquier curva de drawdown. ¿Podrías manejarlas? Mi regla general es que puedo manejar mentalmente alrededor de la mitad de la pérdida máxima que creo que puedo manejar.
Tome la curva de rentabilidad, imprímala en un pedazo de papel, luego con otro pedazo de papel cúbralo. Descubre lentamente la curva en desarrollo, moviéndote de izquierda a derecha, e imagínate a ti mismo en cada punto a lo largo de la curva. Intenta experimentar lo que sentirías en cada punto. Esto es difícil de hacer, especialmente cuando conoces el resultado final positivo, pero si lo haces correctamente, puede ser muy esclarecedor.
Para concluir, hay que recordar siempre que el resultado final de una estrategia de trading no suele ser la parte más importante. El camino importa mucho.
La selección de acciones no es lo mismo que la gestión de carteras por Ben Carlson
Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL
Al principio de empezar a ahorrar, di prioridad a las cuentas de jubilación con impuestos diferidos sobre todo lo demás.
Me gusta la facilidad y simplicidad de las contribuciones 401k que salen de mi sueldo antes de que toque mi cuenta corriente. Es fácil de automatizar. La naturaleza de establecer y olvidar de un plan de jubilación en el lugar de trabajo es una de mis características favoritas.
Además, me gusta el hecho de que sea difícil sacar el dinero de estas cuentas. No voy a tocar el dinero hasta la edad de jubilación, así que quitar la tentación de hacerlo es una maravillosa protección del comportamiento.
Una vez que todo eso estaba en piloto automático y me sentí cómodo con la cantidad que estábamos ahorrando en cuentas de jubilación con impuestos diferidos, la segunda fase fue la creación de una cuenta imponible para ofrecer un poco más de flexibilidad antes de la edad de jubilación.
Usé un reembolso de impuestos para configurar mi cuenta de corretaje inicial de bajo costo hace varios años. La cantidad era tan pequeña que decidí elegir algunas acciones en lo que se consideraba mi cuenta divertida.
Soy un creyente devoto en la inversión a largo plazo y en los beneficios de los fondos indexados, pero no me importa que los inversores elijan acciones de un lado si así están contentos.
Me he divertido con esta cuenta a lo largo de los años, pero a medida que ha crecido y he asignado más dólares, las apuestas han aumentado. Cuando esa cuenta imponible comenzó a convertirse en dólares reales, ya no era muy divertido.
La simple razón de esto es que la selección de acciones no es lo mismo que la gestión de carteras. Elegir acciones siempre es difícil, pero es aún más difícil cuando tratas de seguir la planificación financiera.
Invertir en fondos índice y estrategias cuantitativas es fácil. El promedio de costos en dólares en ellos es sencillo. Compro y mantengo y compro y mantengo y nunca vendo fuera del reequilibrio. Pero el reequilibrio también es fácil, porque no me preocupa que ninguno de estos fondos explote y nunca se recupere.
El promedio del costo en dólares con una cartera de acciones individuales es un desafío.
Tienes algunas acciones que han subido mucho y algunas acciones que se han hundido. ¿Dónde asignas los nuevos ahorros? ¿A los grandes ganadores o a los grandes perdedores?
No hay una respuesta fácil.
Entender cuándo vender acciones podría ser la parte más difícil de poseer títulos individuales.
Hay muchas estrategias para comprar acciones. Nunca he escuchado una buena explicación de nadie sobre un buen método para venderlas.
¿Vender a las acciones ganadoras para comprar más de las perdedoras? Eso es como cortar tus flores para regar tus malas hierbas. Pero nadie se fue a la quiebra obteniendo beneficios. Pero también deja que tus acciones que más ganan corran.
Vale, ¿así que vende a tus acciones perdedoras y doblas la posición en las ganadoras? ¿Por qué tendrías miedo cuando los demás tienen miedo? ¿Por qué te quedarías sin la tienda cuando hay una venta?
Y si vendes a una acción ganadora o perdedora, ¿te quedan con el dinero en efectivo durante un tiempo para esperar un lanzamiento gordo? ¿Qué pasa si el mercado se te escapa? ¿Pones ese dinero en una nueva acción u otra acción en la cartera? ¿Qué pasa si las valoraciones no son tan convincentes?
Obviamente, hay personas que hacen esto para ganarse la vida que tienen un proceso y piensan profundamente sobre estos temas.
Sin embargo, tener acciones individuales invita a obstáculos infinitamente más de comportamiento que a una estrategia más simple.
Es más fácil ignorar los fondos indexados y los ETF. No puedes ignorar las acciones individuales.
Por ejemplo, el mercado de valores puede actuar como un lunático trastornado a veces. Solo piensa en lo loco que fue algo como el desplome de 1987 cuando todo el mercado cayó más del 20 % en un solo día.
Pero ahora piensa en el hecho de que las acciones individuales tienen sus propios desplomes similares a los de 1987 de forma regular.
Snap acaba de caer más del 30 % después de informar sus últimos resultados. También puedes ver un colapso inverso de 1987. Lyft subió más del 30% después de reportar ganancias.
Y esto sucede constantemente con las acciones individuales.
Piensa en el miedo, la codicia y el FOMO causados por el mercado de valores en su conjunto. Ahora multiplica eso por un factor de 10 más o menos y ese es el tipo de cambios emocionales que tener acciones individuales puede traer a los inversores.
¿De qué otra manera podemos explicar el hecho de que tantos inversores piensan que pueden superar al mercado cuando la evidencia es concluyente: a largo plazo, alrededor del 90 % de los gestores de inversiones profesionales tienen un rendimiento inferior a los fondos de índice simples?
Estas personas hacen esto para ganarse la vida. Tienen equipos de personas que investigan acciones día y noche, hablan con los equipos de gestión, investigan a los competidores, estudian los estados financieros de la empresa, van a ferias para descubrir nuevas ideas y vierten informes trimestrales de ganancias.
Y la gran mayoría de ellos todavía fracasan.
Vencer al mercado es muy difícil.
Es aún más difícil en el contexto de la gestión de carteras.
Todavía tengo un puñado de acciones individuales en mi cuenta de corretaje. Pero todos mis nuevos ahorros van a los fondos de índices de esa cuenta.
Ese alfa mental me ayuda a dormir por la noche.
Michael y yo hablamos sobre la selección de acciones y mucho más en el vídeo de Animal Spirits de esta semana:
Suscríbete a The Compound para que no te pierdas ni un episodio.
Exploración de estrategias de impulso de los CTA usando ETF por Quantpedia
La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com
Introducción – Fondos CTA
Los fondos de Commodity Trading Advisor (CTA) se asocian comúnmente con futuros gestionados que invierten en futuros y opciones, y son un subconjunto del universo más amplio de los fondos de cobertura. Más allá de las materias primas, tienen la flexibilidad de aventurarse a invertir con otros activos, incluidas las tasas de interés, monedas, renta fija y los índices de renta variable. La mayoría de las estrategias de los CTA siguen tendencias, por naturaleza. La inversión que sigue a la tendencia implica tomar posiciones largas en mercados que experimentan tendencias al alza y posiciones cortas en mercados que experimentan tendencias a la baja, con la expectativa de que estas tendencias persistan.
Los fondos CTA demuestran una correlación negativa con los activos tradicionales, especialmente evidente durante los períodos de pronunciadas caídas en los mercados de valores. Esta característica los posiciona como una opción de inversión alternativa atractiva, que sirve como una medida de protección contra los eventos extremos en los mercados financieros y reconocida por su eficacia potencial en la protección de las acciones durante el estrés del mercado.
Los fondos CTA han recibido una atención especial, especialmente durante y después de la crisis financiera de 2008. A pesar de sus impresionantes rendimientos en 2008, el rendimiento posterior se ha visto marcado un rendimiento bastante plano. Luego, se produjeron una serie de eventos globales negativos; primero, fue la pandemia de COVID-19 en 2019 y, poco después, la invasión rusa de Ucrania. Durante este tiempo, la volatilidad y las tendencias volvieron a los mercados financieros, y los fondos CTA volvieron a destacar.
La figura 1 muestra el rendimiento de uno de los fondos diversificados de CTA: SG CTA Index a lo largo del tiempo. El rendimiento del índice en 2023 fue estable, pero en una hazaña notable, el SG CTA Index concluyó el año de crisis de 2022 con una ganancia sustancial del 20,1 %, marcando su rendimiento anual más impresionante desde que Société Générale inició el cálculo del índice en 2000. El SG calcula la tasa de rendimiento neto diario para un grupo de asesores de trading de materias primas (CTA) elegidos entre los gestores más importantes actualmente abiertos a nuevas inversiones. El rendimiento de 2022 subraya la eficacia de las estrategias de futuros gestionados, destacando su capacidad para prosperar en un entorno negativo del mercado.
En este documento, ideamos un modelo de impulso de series temporales que implica la creación de una mezcla ponderada por volatilidad de estrategias de impulso de series temporales de 3 meses, 6 meses, 9 meses y 12 meses en las cuatro principales clases de activos utilizando el conjunto de datos que abarca desde el 10 de abril de 2006 hasta el 28 de febrero de 2023. No solo estamos interesados en el comportamiento de la estrategia diversificada en sí, sino también en cada una de sus subestrategias y su contribución a su rendimiento general. Nuestro objetivo es explorar estrategias de seguimiento de tendencias mediante la creación de un «proxy CTA» utilizando ETF en todas las clases de activos. El uso de ETF permite mantener la diversificación de los fondos CTA y representa una alternativa con una disponibilidad de datos más fácil en comparación con los contratos de futuros. Además, estamos muy interesados en ver la contribución de la etapa corta de las subestrategias CTA al rendimiento, ya que tenemos la hipótesis de que podemos mejorar significativamente el perfil de riesgo-rendimiento de las estrategias CTA eliminando una etapa corta de algunas subestrategias.
Sin embargo, es importante tener en cuenta que el proxy CTA ETF puede no proporcionar el mismo nivel de apalancamiento que los contratos de futuros. Sin embargo, a los efectos de este estudio exploratorio, es suficiente utilizar una relación máxima de apalancamiento de 2:1 en la cartera final.
Datos
El universo CTA consta de 13 ETF negociados entre el 10 de abril de 2006 y el 28 de febrero de 2023, que abarcan diversas clases de activos. Comprende 6 ETF de acciones, 3 ETF de bonos y 3 ETF de materias primas y 1 ETF de divisas.
Los datos de precios se obtuvieron de Yahoo Finance, utilizando el precio de cierre ajustado para cada ETF. Esta métrica refleja el precio de cierre de una acción ajustado por divisiones de acciones, distribuciones de dividendos y otros eventos relevantes que podrían afectar el valor de las acciones.
En el ámbito de los ETF de acciones, nuestra selección incluye entidades conocidas como SPDR S&P 500 ETF Trust (SPY), iShares Russell 2000 ETF (IWM) para exposición de pequeña capitalización, iShares MSCI EAFE ETF (EFA) que representan valores de Europa, Australia y el Lejano Oriente, iShares MSCI Emerging Markets ETF (EEM), iShares U.S. El ETF inmobiliario (IYR) y el Invesco QQQ Trust (QQQ) se centran en la tecnología y las acciones de crecimiento. En la categoría de ETF de bonos, nuestra inclusión incluye iShares iBoxx $ Investment Grade Corporate Bond ETF (LQD), iShares 7-10 Year Treasury Bond ETF (IEF) e iShares TIPS Bond ETF (TIP), que rastrean el rendimiento de los EE. UU. Obligaciones públicas protegidas contra la inflación del Tesoro. Dentro del ámbito de los ETF de materias primas, abarcamos PDR Gold Shares (GLD), United States Oil Fund, LP (USO) e Invesco DB Commodity Index Tracking Fund (DBC), que ofrece exposición a 14 materias primas en varios sectores. Por último, los ETF de divisas incluyen Invesco CurrencyShares Euro Currency Trust (FXE), diseñado para reflejar el precio del euro.
Metodología
Nuestro objetivo principal es explorar la estrategia de Commodity Trading Advisor (CTA) mediante la construcción de un proxy CTA utilizando fondos negociados en bolsa (ETF) en lugar de contratos de futuros. Este enfoque nos permite capturar la esencia de las estrategias CTA al tiempo que superamos algunos de los desafíos prácticos asociados con el trading con los contratos de futuros.
Para establecer nuestro modelo, nuestro primer paso consiste en calcular el rendimiento diario de todos los ETF de nuestro conjunto de datos, sirviendo como base para los análisis posteriores. Basándonos en esto, calculamos su rendimiento en varios horizontes de tiempo, examinando específicamente los períodos de retroceso de 3 meses, 6 meses, 9 meses y 12 meses. La siguiente etapa consiste en determinar el rendimiento promedio a lo largo de estos cuatro plazos distintos, proporcionando una medida consolidada de las tendencias a medio y largo plazo de cada ETF. Con este conjunto de datos completo en la mano, procedemos a derivar nuestras señales de seguimiento de tendencias. Estas señales se generan en función de la señal mensual de cada ETF. Un impulso positivo (promedio de los períodos de retroceso de 3 meses, 6 meses, 9 meses y 12 meses) al final de un mes determinado genera una señal positiva y, por el contrario, un impulso negativo genera una señal negativa. Luego agrupamos los ETF en los 4 grupos (acciones, bonos + fx, materias primas) y ponderamos los ETF inversamente en cada grupo en función de su volatilidad de los últimos 20 días. La estrategia final pondera tres grupos de subestrategias (acciones, bonos+fx, materias primas) en la estrategia final, una vez más utilizando el enfoque de volatilidad inversa. Esta metodología de ponderación garantiza una contribución de riesgo constante de cada ETF y clase de activos.
Nuestro objetivo es analizar las subestrategias individuales dentro del proxy CTA diversificado y cuantificar la contribución de cada subestrategia al rendimiento general de la cartera diversificada. Para lograr esto, primero desglosamos la estrategia diversificada en grupos y luego en varias subestrategias tomando diferentes posiciones en cada tipo de activo, tomando posiciones solo largas por separado para acciones, bonos (más moneda) y materias primas, posiciones cortas y largas para acciones, bonos (más monedas) y materias primas, y posiciones solo cortas para acciones, bonos (más moneda), materias primas. Luego, examinamos el rendimiento de todas las subestrategias y sacamos conclusiones.
Resultados
Dividimos los resultados en dos grandes categorías. En primer lugar, discutamos nuestros resultados para la cartera diversificada.
Cartera diversificada Long-only (todos los activos/ETF)
Como se muestra en la Tabla 1, el rendimiento anualizado de la cartera se sitúa en el 3,43%, lo que refleja su crecimiento anual promedio durante el período dado. La desviación estándar es del 5,10 %, y el ratio Sharpe, una medida de rendimiento ajustado por riesgo, está en 0,67, lo que sugiere un rendimiento razonable teniendo en cuenta el riesgo asociado. Además, el rendimiento de una cartera diversificada long-only se muestra en la Figura 2 en forma de curva de acciones.
El rendimiento puede parecer pequeño, pero es importante tener en cuenta que, debido a que nuestro proxy CTA está pesado por la volatilidad, los ETF de renta fija de bajo riesgo y los ETF de divisas son una parte significativa de la cartera. El rendimiento se puede aumentar fácilmente empleando el apalancamiento del corredor o mediante el uso de ETF apalancados. Nuestro objetivo en esta etapa no es maximizar el rendimiento, sino comprender los impulsores del rendimiento de las subestrategias individuales.
CAR
3,43%
stdev
5.10%
máximo dd
-10,39%
Ratio Sharpe
0.67
Ratio calmar
0.33
Tabla 1. Cartera diversificada long-only
Figura 2. Cartera diversificada long-only
Cartera diversificada Short-only (todos los activos/ETF)
La cartera diversificada short-only mostró un rendimiento anormal acumulativo negativo del -0,62 %, mostrando una disminución en el valor durante el período de tiempo especificado. Con una desviación estándar del 6,80 %, la cartera mantuvo un nivel moderado de riesgo, mientras que su reducción máxima sustancial de -31,55 % refleja una pérdida significativa durante las condiciones adversas del mercado. El ratio Sharpe negativo de -0,09 sugiere que el rendimiento puede no ser suficiente para justificar el riesgo asumido, y el ratio Calmar de -0,02 hace hincapié en un riesgo significativo asociado con la estrategia de short-only. Las características financieras mencionadas se muestran en la Tabla 2. La figura 3 muestra el rendimiento de la cartera.
Por lo tanto, la etapa corta de toda la estrategia de proxy CTA tiene una contribución negativa al rendimiento general. La pierna corta puede ayudar a que el CTA Proxy funcione bien en la crisis, pero el costo de eso no es insignificante. Intentaremos modificar la parte corta de la estrategia, disminuir los costos y mejorar la estrategia proxy CTA.
CAR
-0,62%
stdev
6.80%
máximo dd
-31,55 %
Ratio de Sharpe
-0.09
Ratio calmar
-0,02
Tabla 2. Cartera diversificada short-only
Figura 3. Cartera diversificada short-only.
Cartera diversificada long-short (todos los activos/ETF)
La Tabla 3 y la Figura 4 ilustran el rendimiento de la cartera diversificada de ETF CTA Proxy long-short. Logró un rendimiento anormal acumulativo del 2,86 %, con una mayor volatilidad del 7,66 % en comparación con la contraparte de la cartera long-only. Experimentó una pérdida máxima sustancial del -19,45 %, lo que indica un aumento de la vulnerabilidad. El ratio Sharpe de 0,37 indica que el rendimiento de la cartera puede no compensar adecuadamente el mayor riesgo.
La estrategia que involucra posiciones largas y cortas en varios tipos de activos no produce un rendimiento significativo. Puede que tenga las características de «cobertura de crisis», pero el precio por eso es alto. La pregunta es, ¿cuál de las subestrategias individuales de short-only funciona como un lastre en el rendimiento general de la cartera de ETF CTA Proxy? ¿Tienes alguna idea? Veamos los detalles de la siguiente sección.
En cuanto a las subestrategias long-only (cuando seguimos solo las señales de impulso positivo y tenemos una posición de 0 en un ETF en particular cuando hay una señal de impulso negativo), la subestrategia que utiliza los ETF de acciones exhibe una volatilidad notable (13,21%) y una pérdida sustancial (-25,93%), sin embargo, lidera en términos de rendimiento anormal acumulativo (4,13%), lo que indica el mejor rendimiento general entre las tres carteras. La subestrategia de materias primas exhibe una alta volatilidad (12,21%) y una reducción sustancial (-34,36%). La subestrategia de bonos y divisas parece ser la menos arriesgada (3,96%), mostrando un rendimiento más conservador (2,48%). La tabla 4 y la figura 5 presentan nuestros resultados solo para tomar posiciones largas. En general, las estrategias de solo larga contribución al rendimiento general de la estrategia de proxy de la ETF de la CTA.
Largo
Acciones
BONOS+FX
MATERIAS PRIMAS
CAR
4,13%
2.48%
3.67%
stdev
13,21%
3,96 %
12,21%
máximo dd
-25.93%
-8.34%
-34,36%
Ratio Sharpe
0.31
0.63
0.30
Ratio calmar
0.16
0.30
0.11
Tabla 4. Acciones long-only, bonos+fx, materias primas
Figura 5. Acciones long-only, bonos+fx, materias primas
La subestrategia short-only (cuando tomamos solo las señales de impulso negativo y tenemos una posición 0 en un ETF en particular cuando hay una señal de impulso positivo) utilizando ETF de acciones emergentes como la más arriesgada con la mayor volatilidad (16,64%) y una amplia pérdida (-72,66 %). Además, produce un rendimiento anual significativamente negativo de -4,94%. La subestrategia de materias primas sigue en riesgo (12,11 %), pero produce rendimientos anuales acumulativos positivos del 0,53 %. La subestrategia de bonos cortos y divisas parece ser la menos arriesgada, con una volatilidad más baja (4,21 %) y una pérdida más leve (-13,56 %). La cartera de bonos en corto destaca en términos de rendimiento, con su rendimiento anual del 0,74 %, siendo la mejor en rendimiento entre las tres carteras en corto, short-only. La Tabla 5 y la Figura 6 presentan nuestros resultados para tomar posiciones largas y cortas.
Short
Acciones
BONOS+FX
Materias Primas
CAR
-4.94%
0.74%
0.53%
stdev
16,64%
4,21%
12,11%
máximo dd
-72.66%
-13,56%
-38,28%
Ratio Sharpe
-0.30
0.18
0.04
Ratio calmar
-0.07
0.05
0,01
Tabla 5. Acciones solo en corto, bonos + fx, materias primas
Figura 6. Acciones solo en corto, bonos + fx, materias primas
Long – short (grupos individuales – acciones, bonos+fx, materias primas)
La subestrategia de long-short que utiliza los ETF de acciones destaca como la más arriesgada con la mayor volatilidad (19,35%) y una pérdida sustancial (-50,02%). Su rendimiento es negativo (-0,63 %), al iguí como su relación de Sharpe (-0,03). Las subestrategias de bonos a corto-largo + divisas y materias primas largas y cortas muestran rendimientos positivos, con los productos básicos liderando el rendimiento y los bonos + divisas con el riesgo más bajo. La Tabla 6 y la Figura 7 presentan los resultados para tomar posiciones largas y cortas.
L/S
ACCIONES DE LS
LS BONDS+FX
MP LS
CAR
-0,63%
3,28%
4.36%
stdev
19,35 %
5,18%
16,34%
máximo dd
-50,02%
-10,58%
-39.73%
Ratio de Sharpe
-0,03
0.63
0.27
Ratio calmar
-0.01
0.31
0.11
Tabla 6. Acciones long short, bonos+fx, materias primas
Figura 7. Acciones long-short, bonos+fx, materias primas
Se propone una nueva estrategia CTA ETF Proxy
Nuestro objetivo era explorar estrategias de seguimiento de tendencias y cómo tomar diferentes posiciones en diferentes clases de activos influye en el rendimiento final de la estrategia diversificada CTA ETF Proxy. Como muestran los resultados, la subestrategia de proxy CTA ETF shor-only (cuando tomamos solo las señales de impulso negativo y tenemos una posición de 0 en un ETF de acciones en particular cuando hay una señal de impulso positivo) no da una contribución positiva a todo el rendimiento de la estrategia proxy CTA ETF. Aunque, de vez en cuando, una posición corta en acciones es útil como cobertura ante crisis, se hace a costos que son demasiado altos, especialmente cuando comparamos esta subestrategia de short-only en el subuniverso de los ETF de renta variable con las subestrategias de short-only, que utilizan los ETF de solo materias primas o los ETF de bonos + fx, que son suficientes coberturas de crisis a costos mínimos.
Por lo tanto, nuestra recomendación final es modificar el modelo de la siguiente manera: emplear las posiciones long-short para los bonos + fx y los ETF de materias primas, sin embargo, posiciones solo largas para los ETF de acciones. Esto nos da el ratio Sharpe más alto de todas las alternativas, como se ve en la Tabla 7.
CAR
4,11%
stdev
5,27%
máximo dd
-9.08%
Ratio Sharpe
0.78
Ratio calmar
0.58
Tabla 7. Bonos cortos & largos + ETF de divisas y materias primas, ETF de acciones long-only.
Figura 8. Bonos cortos&largos + ETF de divisas y materias primas, ETF de acciones long-only.
Como mencionamos anteriormente, el menor rendimiento se puede explicar por la ponderación de la volatilidad, la concentración en los ETF de bajo riesgo y el uso de ETF en lugar de futuros. Pero el rendimiento se puede aumentar mediante la entrega de esta estrategia.
Así que, finalmente, para amplificar los rendimientos de la estrategia propuesta, utilizamos el apalancamiento de 2:1 y presentamos los resultados en la Tabla 8 y la Figura 9.
CAR
8,08%
stdev
10.54%
máximo dd
-17,80%
Ratio Sharpe
0.77
Ratio calmar
0,45
Tabla 8. Estrategia propuesta CTA ETF Proxy CTA
Figura 9. Estrategia propuesta de proxy CTA ETF apalancada
Conclusión
Los fondos de Commodity Trading Advisor (CTA), a pesar de su nombre, abarcan estrategias que involucran varias clases de activos, incluidas acciones, bonos y monedas. Como se demostró durante crisis como la crisis financiera de 2008 o la crisis de la COVID-19, estos fondos demuestran ser efectivos como cobertura y ganan popularidad durante las malas condiciones del mercado. Los fondos CTA se consideran que siguen las tendencias. En general, las estrategias de seguimiento de tendencias se formulan comprando todos los activos con rendimientos pasados positivos y tomando una posición corta en todos los activos con rendimientos negativos durante el mismo período.
Este documento tiene como objetivo profundizar en la exploración de los componentes individuales de la estrategia los CTA, entendiendo el rendimiento de los diferentes activos dentro de ella. Hemos ideado un modelo basado en los promedios de rendimientos a 3, 6, 9 y 12 meses de los ETF de todas las clases de activos: acciones, bonos, materias primas y divisas. Este modelo nos permite explorar cómo la adopción de diferentes posiciones basadas en señales de tendencia en diversas clases de activos contribuye al rendimiento de la estrategia general. Resulta que tomar una posición corta en el componente de acciones de la estrategia CTA no genera ningún beneficio. Basándonos en nuestros descubrimientos, proponemos la siguiente estrategia de inversión mejorada: abrir posiciones cortas y largas en bonos, divisas y materias primas y solo en largo en acciones. Esta estrategia ofrece el mayor ratio Sharpe y la posibilidad de utilizar el apalancamiento.
Gestión de carteras con sistemas de Asignación táctica por Javier Lorenzo
Javier Lorenzo es gestor del fondo de inversión GPM Asignación Táctica y director de la escuela Jlorenzotrading en la que enseña a los inversores a diferentes modelos de inversión.”.
Javier Lorenzo
Uno de los principales problemas de la mayoría de inversores minoristas a la hora de gestionar su cartera de inversión es tener que enfrentarse al ruido constante que hay en el mercado y a sus sesgos psicológicos que ese ruido ocasiona, condicionando su forma de ver el mercado, sus análisis y por lo tanto su toma de decisiones.
Sistematizar tu operativa es la única forma que existe para dejar a un lado tus emociones a la hora de tomar decisiones de inversión. Es importante que un inversor minorista conozca sus limitaciones a la hora de tratar de predecir lo que el mercado hará en los próximos días, semanas o meses. De hecho, en el momento que somos lo suficientemente humildes para entender que el mercado es totalmente impredecible y que nuestros análisis discrecionales van a estar sesgados, a nuestra situación emocional, es en ese momento cuando damos un salto de calidad en la gestión de nuestra cartera.
Warren Buffet decía que “la diversificación es la protección contra la ignorancia”; yo suelo decir que “la diversificación es una demostración de humildad ante las dificultades que el mercado nos presenta”.
La asignación táctica de activos sistemática utiliza modelos de inversión cuantitativa para beneficiarse sistemáticamente de las ineficiencias o desequilibrios temporales entre diferentes clases de activos.
Dentro de este enfoque sistemático de gestión de carteras, existen muchos filtros o criterios para realizar esa asignación táctica de nuestra cartera, como pueden ser el rendimiento, la volatilidad o la correlación entre activos.
En el fondo de inversión GPM Asignación Táctica que tengo la gran suerte de gestionar, tratamos de combinar varios sistemas de este tipo y siguiendo distintos de esos criterios para conseguir una diversificación lo más completa posible. Es importante destacar que diversificar no es sólo repartir tu inversión en distintas cosas, hay muchos más ejes en los que se debe diversificar y en nuestro fondo pretendemos combinar la mayoría de ellos.
El objetivo final del fondo es buscar la forma más eficiente de enfrentarnos a un mercado impredecible y lo hacemos basándonos en 4 pilares fundamentales:
Diversificación estructural.
Asignación táctica de activos.
Gestión del riesgo.
Toma de decisiones sistemática.
Proceso para definir la cartera modelo
El modelo que seguimos es un modelo “Core-Satélite”, es decir, tiene una parte estratégica que actúa como “núcleo” de la cartera y tiene un peso del 60% y que simplemente rebalanceamos en el caso de que alguna de las partes de la cartera se desvíe mucho de su peso óptimo. Lo que todos conocemos como Buy & hold.
Está basada en la filosofía de la cartera Golden Butterfly que sigue los principios de la cartera permanente de Harry Browne pero con un mayor sesgo a Renta Variable y por lo tanto a crecimiento.
Por otro lado, tenemos la cartera dinámica que a su vez se divide en 4 sistemas de asignación táctica y tiene un peso del 40% de nuestro fondo.
Estos sistemas están diseñados desde el sentido común, además de haber estudiado su comportamiento histórico en distintos
ciclos de mercado y nos permiten dar más peso a renta variable en las etapas de prosperidad del ciclo, pero también nos permiten reducir esa exposición a renta variable y aumentar la exposición a activos defensivos como Bonos o liquidez cuando la cosa se ponga fea. Son sistemas basados en Dual Momentum y Fuerza Relativa.
A continuación, dejamos una breve explicación de los 4 sistemas que componen la cartera táctica o satélite:
Sistema Supersectores USA
Sistema Supersectores Europa
Sistema Factores
Sistema Descorrelación
Sistema Supersectores USA
Este sistema basado en Dual Momentum tiene un peso del 15% en el fondo y su objetivo es estar invertido en los sectores con mejor momentum de medio plazo del S&P500.
Aprovechamos la división del S&P500 en 11 supersectores para estar en los 3 más fuertes de estos 11 y cuando no hay 3 sectores que tengan buen momentum, trasladamos esa parte de la cartera a liquidez o bonos según convenga.
Sistema Supersectores Europa
Este sistema basado en Dual Momentum tiene un peso del 10% en el fondo y su objetivo es estar invertido en los sectores con mejor momentum de medio plazo del mercado europeo.
Aprovechamos la división del mercado europeo en 10 supersectores para estar en los 3 más fuertes de estos 10 y cuando no hay 3 sectores que tengan buen momentum, trasladamos esa parte de la cartera a liquidez o bonos según convenga.
Sistema Factores
Este sistema basado en Dual Momentum tiene un peso en el fondo del 10% y su objetivo es estar invertido en los factores con mejor momentum de medio plazo del S&P500.
Selecciones los principales factores que existen en el mercado (Value, Growth, Momentum, Quality y Low Volatility) y nos posicionamos en los 2 con mejor momentum y cuando no hay 2 factores que tengan buen momentum, trasladamos esa parte de la cartera a liquidez o bonos según convenga.
Sistema Descorrelación
Este sistema basado en fuerza relativa tiene un peso del 10% en el fondo y su objetivo esincrementar el peso de 2 de los 3 actores principales de nuestro fondo (Renta Variable, Bonos u Oro) que presenten una mayor fuerza relativa de medio plazo.
Figura 2. Esquema de la cartera modelo del fondo GPM Asignación Táctica.
En la figura 2 podemos ver un esquema de la composición de la cartera:
Uniendo todas las piezas comentadas anteriormente, la cartera se adaptará al entorno de mercado en función de las clases de activos que mayor protección/crecimiento nos vayan a dar en cada momento. En la figura 3 podemos ver una imagen que representa la combinación de las principales clases de activos y los sistemas de asignación táctica nos llevan a una cartera robusta y sólida.
Figura 3. Puzzle clases de activo y sistemas de la cartera.
La idea es que el fondo se vaya adaptando en todo momento a las circunstancias de mercado sin grandes cambios ni pasando de blanco a negro, simplemente navegando dentro de una gama de grises.
En la figura 4 podemos ver varias carteras tipo en las que se puede “convertir” el fondo según los sistemas aumenten sus exposición a Renta Variable, Renta Fija o liquidez.
Figura 4. Carteras en las que se puede convertir el fondo.
Ventajas e inconvenientes de la asignación táctica
Para concluir, siempre me gusta destacar que los sistemas de asignación táctica no son ni mejor ni peor que otras filosofías de inversión, cada uno debe invertir de la forma que más se le adapte o más cómodo se sienta. Por ello dejo algunas ventajas e inconvenientes de este enfoque:
Ventajas
Modelos algorítmicos basados en técnicas de momentum y seguimiento de tendencias, además de tener en cuenta la correlación entre activos y su volatilidad.
Gran potencial para generar portfolios adaptados a las necesidades de cada inversor.
Capaces de mostrar cierta adaptabilidad a la dinámica de los mercados, con un control más preciso del riesgo.
Eliminan o minimizan el componente humano en la toma de decisiones discrecionales evitando errores y abaratando los costes de gestión
Inconvenientes
Mayor complejidad estructural y formación previa.
La presencia de reglas con parámetros optimizables pueden dar lugar a carteras sobreoptimizadas; con resultados excelentes en las pruebas de Backtest pero difíciles de explicar en operativa real.
El S&P 500 equal-weighted index rompe un máximo de varios años por Sentimentrader
Dean Christians es un analista veterano especializado en la investigación de mercado y trading de Wall Street, con más de 25 años de experiencia. Sus análisis y señales de trading son de las más valoradas entre los profesionales del sector financiero.
Dean Christians / SentimenTrader
El índice S&P 500 equal-weighted index o de igual ponderación S&P 500 cerró en un máximo de dos años.
Situaciones similares después de tanto tiempo sin romper nuevos máximos de dos años precedieron señales alcistas con una tasa de acierto del 100% para el índice durante el año siguiente.
El S&P 500 equal-weighted index tendió a superar a la versión ponderada por capitalización en la mayoría de los horizontes.
Un índice diseñado para neutralizar la influencia de las acciones de megacapitalización cerró en un máximo de varios años
Si bien el índice más seguido del mundo registró el jueves su duodécimo máximo histórico desde principios de año, impulsado por el entusiasmo por las ganancias de Nvidia, muy pocos participantes del mercado comentaron sobre el nuevo máximo de dos años del índice S&P 500 equal-weighted index que se mantiene sólo un 1,77% por debajo de su máximo histórico.
El índice, que asigna una ponderación igual a cada componente, rompió su racha de 546 sesiones sin alcanzar un máximo de varios años, poniendo fin a la quinta sequía más larga de la historia.
Lo que nos dice el estudio
Ya sea el S&P 500 o muchos otros índices de referencia como el NYSE Composite, los índices continúan subiendo escalones, registrando máximos múltiples o históricos, una característica común de los mercados alcistas. Si bien el contexto de amplitud no es perfecto, lo más probable es que no sea más que una rotación sectorial. El S&P 500 equal-weighted index, un índice que capta el movimiento de las acciones promedio, cerró en un nuevo máximo de varios años después de no hacerlo durante 546 sesiones, la quinta sequía más larga de la historia. Después de avances similares, el índice ha subido en todos los casos durante el año siguiente.
3 consejos para un trading rentable AHORA MISMO por Timothy Sykes
Conocido como el trader de las penny stocks. Después de ganar un millón de dólares en su primer año de Universidad comenzó su popularidad. En 2007 publicó su famoso libro “An American Hedge Fund: How I Made $2 Million as a Stock Operator & Created a Hedge Fund”. Además, es conocido por sus obras benéficas.
Timothy Sykes / timothysykes.com
En cualquier momento dado en el mercado, ciertos patrones serán más populares que otros.He estado usando los mismos patrones durante más de 20 años, pero los patrones aparecen dentro de un marco más amplio.Dependiendo de la fortaleza general del mercado, ciertas partes del marco serán más fuertes que otras.Puedo beneficiarme en todos los mercados porque tengo suficiente experiencia para reconocer los patrones.Para mis estudiantes: les muestro qué acciones son las más populares durante cada mercado.En este momento, el mercado de 2024 está subiendo. ¡Es increíble! El impulso de un sector tecnológico en rally está fuera de control. Pero no me oirás quejarme.Hay más oportunidades en nuestro nicho cuando el mercado está caliente.Es por eso que tenemos que capitalizar las oportunidades AHORA. Nunca se sabe cuándo cambiará el impulso.
Por ejemplo: En los últimos días, el mercado alcista descansó en previsión del informe de ganancias de la Corporación NVIDIA (NASDAQ: NVDA) el 21 de febrero.
Un mal informe de la NVDA podría haber sido el final.
Los datos de ganancias cayeron el 21 de febrero durante después de las horas de trabajo…
Los ingresos totales aumentaron un 265 %.
Como resultado, el 22 de febrero, NVDA y el S&P 500 ETF Trust (NYSE: SPY) se dispararon a nuevos máximos históricos. A continuación mostramos un gráfico del mercado del SPY:
Gráfico SPY, velas diarias Fuente: StocksToTrade
¡Ahora es el momento de operar!
Los mejores traders reaccionan al impulso en el mercado. Y ahora mismo, hay MUCHAS acciones subiendo.
No te quedes atascado en el lado equivocado de estos patrones. Hay 3 setups comunes que debes ver ahora mismo.
En mi marco de Penny Stocks, este es un patrón #5 y #6.
Hay muchas acciones subiendo en este momento. Pero en nuestro nicho, la mayoría de los máximos son insostenibles. Los precios de las Penny stocks se desplomarán con el tiempo.
«¿Por qué operarías una acción que se va a desplomar?»
Porque estas acciones pueden subir un +1000% mientras seguimos nuestros patrones. Si somos listos con la acción del precio, podemos entrar y salir con un beneficio antes de que las cosas se pongan peor.
Uno de mis patrones favoritos en realidad consiste en operar en el camino bajista. Y no estoy hablando de ventas en corto.
Una compra de caída por pánico es una oportunidad que se manifiesta cuando una acción caliente comienza a caer de sus máximos.
Cuando el precio cae demasiado y demasiado rápido, puede haber un rebote momentáneo y sustancial. Utilizaremos una acción reciente, Intuitive Machines Inc. (NASDAQ: LUNR) como ejemplo.
Echa un vistazo al +230% de aumento de varios días y la posterior venta del 30% el 21 de febrero:
Gráfico LUNR con velas de 15 minutos. Fuente: StocksToTrade
No operé la compra por la caída por pánico del 21 de febrero, pero algunos de mis estudiantes lo hicieron.
El siguiente Tweet muestra un ejemplo perfecto de este patrón de trading.
Esté atento a las acciones pena stocks que estén subiendo con fuerza durante varios días.
Tarde o temprano caerán, y ahí es donde esperamos las oportunidades.
Esto es lo que busco cuando opero un acción alcista a medida que sube:
Spikes rápidos.
Por lo general, estas acciones se disparan en el premercado. Estoy buscando cualquier cosa por encima de un movimiento intradía del 20 %. Si puede aumentar un 20 %, puede subir más.
Acciones en flotación bajas.
El flotante es el suministro total de acciones disponibles para hacer trading. Una oferta de acciones restringida ayudará a que las acciones se disparen más cuando aumente la demanda. Queremos que el flotante sea de menos de 10 millones de acciones.
Alto volumen de operaciones.
El volumen muestra cuántas acciones se negocian. Queremos que al menos 1 millón de acciones se negocien en el día. Eso asegura suficiente liquidez para que no nos quedemos atascados. Y cuanto mayor sea el volumen de negociación, más popular será la acción. Eso ayuda. Una rotación completa de las acciones en flotación es muy emocionante de ver.
Un catalizador de noticias de moda.
Tiene que haber una razón para el spike.
He aquí un ejemplo:
Motus GI Holdings Inc. (NASDAQ: MOTS) anunció una nueva patente en una solicitud el 20 de febrero. Vea el sello de fecha a continuación:
Este es un ejemplo perfecto de acciones basura que se dispararon con noticias exageradas.
El flotante era de solo 551.000 acciones. Los precios subieron inicialmente un 160 % después de que saliera la noticia y la operé durante las horas previas al mercado.
¡Encuentra más acciones que se ajusten a los factores anteriores!
Esta es una opción atractiva para los traders que también trabajan durante el día.
Algunas de las acciones más populares de los mercados seguirán funcionando después del primer día. Las operaciones swing durante la noche nos ayudan a aprovechar ese impulso.
Teóricamente, encontramos una acción fuerte que empuja más arriba y construimos una posición por encima del soporte antes de que el mercado cierre. Luego, al día siguiente, vendemos nuestra posición cuando se abre el mercado.
Es más fácil decirlo que hacerlo. Pero no tienes que hacerlo solo.
Desde la llegada de la IA en 2023, trabajé para crear un bot de IA que pueda encontrar las mejores entradas de acciones que sigan mi proceso.
Se llama XGPT, y una de las victorias más recientes fue de Ventyx Biosciences Inc. (NASDAQ: VTYX).
XGPT alertó del spike un día antes:
El sistema de IA envía una alerta diaria a las 3:16 p.m. Si hay un posible swing trade para operar, obtendrás una alerta y un plan de operaciones.
Puedes entrar antes de que cierre el mercado o esperar la confirmación alcista de la mañana siguiente.
Y no es solo la alerta de 3:16… Si hay una acción matutina que quieres operar, introduce el símbolo del ticker en XGPT y obtendrás un resumen como si me lo hubieras preguntado directamente.
Los nuevos traders no saben lo que no saben.
Es mi trabajo enseñarles. Y XGPT es la herramienta de enseñanza más avanzada que tengo en este momento.
Cómo superar la presión por el rendimiento por Brett N. Steenbarger
Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University
Estoy escuchando a más traders de lo habitual sobre sus luchas con la ansiedad por el rendimiento. Como dijo un trader en desarrollo con un gran potencial, el problema tiende a darse «en operaciones de alto perfil que se podría decir que la mayoría de los traders tienen en cuenta». Esta es una observación muy buena. Cuanto mayor sea el perfil del trade, es decir, cuánto mayor sea la oportunidad percibida, más espacio habrá para la presión por el rendimiento que se obtenga. Como observa Epicteto, el problema no son los «problemas reales» sobre las operaciones, sino más bien las «ansiedades» sobre esas operaciones.
Vamos a ver esto desde una perspectiva psicológica. Cuanto más percibimos, y enfatizamos la oportunidad en una situación, más espacio creamos para la ansiedad en caso de que perdamos esta oportunidad.
Imagina hacer un tiro libre durante un entrenamiento de baloncesto. Es rutina, lo has hecho cientos y cientos de veces y no sientes presión. Ahora imagina la situación de mi antiguo equipo universitario. Has tenido un largo entrenamiento después de las clases y estás muy cansado y quieres llegar a casa. El entrenador anuncia que los jugadores pueden ir a ducharse, cambiarse e irse a casa después de haber hecho 10 tiros libres consecutivos. Ahora, de repente, hay presión. *Realmente* quieres irte a casa, así que una vez que hayas hecho seis tiros seguidos, te preocupa que puedas fallar uno y tener que volver al punto de partida. El entrenador, por supuesto, lo sabía. Esto no fue simplemente una práctica de tiro libre, sino un entrenamiento para actuar bajo presión.
Ahora imagina que es un partido real y que el reloj de la segunda mitad está terminando con tu equipo perdiendo un punto por debajo. Acabas de recibir una falta, y puedes disparar uno y uno. Si pierdes el primer tiro, las probabilidades son buenas de que el equipo contrario agarre el rebote y se quede sin tiempo para la victoria. Si haces el primer tiro, obtienes un segundo tiro que podría ganar el juego para tu equipo. Todo está en juego. De repente, lo que había sido rutinario en la práctica es cualquier cosa menos rutina.
Esto es lo que le está pasando al trader que experimenta presión por el rendimiento. Se da en una situación de «alto perfil» en un mercado volátil, donde el trade podría hacerlo muy bien o muy mal. Además, es una situación en la que se centran otros traders del equipo. Todo el mundo verá si lo clavas o fallas. Si este fuera un trade ordinario en modo de simulación, no habría presión y sería relativamente fácil de ejecutar. Con más en la línea, financiera y psicológicamente, empezamos a pensar demasiado en el trade. Eso nos aleja de lo que sabemos hacer de forma natural.
Muy a menudo, la presión por el rendimiento se manifiesta como perfeccionismo. Sentimos que todo está en juego, así que tratamos de hacerlo todo a la perfección. Lo perfecto se convierte en enemigo de lo bueno, ya que nos aleja de hacer lo que sabemos hacer de forma natural. Como la mayoría de los jugadores, seguía siempre una rutina para lanzar un tiro libre. Sostenía la pelota en ambas manos, miraba a la canasta, botaba la pelota tres veces, miraba la canasta de nuevo, botaba dos veces, miraba a la canasta, exhalaba, enfocaba y disparaba. De la misma forma, en cada una de las veces. Pero si estoy en una situación de presión, altero la rutina. No exhalo. Apunto. Y puedo fallar con una probabilidad alta.
Así es con el trading. Nos centramos demasiado en la entrada, queriendo la recompensa de riesgo perfecta. De repente, el mercado se mueve de la manera prevista antes de que entremos. No queremos perseguirlo, así que esperamos un retroceso, pero sigue adelante. Nos perdimos la operación.
Lo que mi entrenador se dio cuenta es que no puedes aprender a rendir bajo presión a menos que practiques bajo presión. Es por eso que los equipos militares y SWAT practican maniobras en condiciones realistas con fuego real. Es por eso que el personal de EMT practica métodos de rescate bajo observación mientras está cronometrado. La práctica bajo presión convierte la presión en rutina. Así es como las actrices y los actores superan el miedo escénico. Subiendo al escenario una y otra vez en los ensayos generales los prepara para la actuación en vivo.
Como traders, podemos crear ensayos generales en imágenes, imaginando vívidamente situaciones bajo presión y visualizando en detalle cómo queremos responder. Una y otra vez, nos guiamos a través de situaciones bajo presión y la repetición hace que la presión sea familiar. No podemos estar estresados por algo con lo que estamos muy familiarizados. También podemos crear nuestros propios ensayos generales haciendo operaciones en situaciones altamente desafiantes en modo simulación y haciéndonos responsables de los resultados. Imagínese, por ejemplo, trabajar en modo de simulación y no poder operar en vivo para la próxima sesión a menos que las operaciones simuladas se hayan ejecutado bien.
Aprendemos a actuar bajo presión mediante la presión de nuestro entrenamiento. Ningún método de autoayuda psicológica funcionará si no estamos haciendo uso de ellos en el verdadero calor de la batalla. Si nuestro entrenamiento es cómodo, no nos estamos preparando para la ansiedad por el rendimiento cuando el juego se vuelve incómodo.
¿Por qué estaban tan equivocados los economistas? por Dr. Ed Yardeni
El Dr. Ed Yardeni es una de las principales voces de LinkedIn en economía y finanzas. Colaborador habitual de los principales medios internacionales, actualmente dirige Yardeni Research una firma de consultoría que ofrece estrategias de inversión global, análisis y recomendaciones a clientes institucionales. Es autor de los libros «Predicting the Markets: A Professional Autobiography» y «Fed Watching for Fun & Profit”.
Dr. Ed Yardeni / Yardeni Research
¿Por qué tantos economistas y estrategas han estado tan equivocados en sus predicciones sobre una supuesta recesión inminente en los últimos dos años? Ahora parece ser un buen momento para responder a esta pregunta, ya que hay muchas lecciones que aprender de los conceptos erróneos ampliamente difundidos durante los últimos dos años. Repasémoslos:
(1) Las políticas monetarias restrictivas siempre causan recesiones. La Reserva Federal elevó la tasa de fondos federales (FFR) en 525 puntos básicos a 5,25%-5,50% desde marzo de 2022 hasta julio de 2023. Esa es la ronda más agresiva de aumentos de tasas desde finales de la década de 1970, cuando el entonces presidente de la Reserva Federal, Paul Volcker, dejó que la FFR se disparara ( Figura 7). Las últimas 10 recesiones estuvieron precedidas por una serie de aumentos de tasas.
Durante los últimos dos años, los funcionarios de la Reserva Federal esperaban que los aumentos de tasas y el QT reducirían la inflación al debilitar la demanda sensible a los intereses, aumentar la tasa de desempleo y desacelerar la tasa de crecimiento del PIB real. Los pesimistas lógicamente esperaban que se produjera una recesión, como había sucedido en el pasado y como lo confirmaban el IPJ y la curva de tipos invertida.
Argumentamos que la economía demostraría ser resiliente y que el resultado serían recesiones continuas en diferentes sectores de la economía, no una recesión en toda la economía. Este escenario se había dado antes, a mediados de los años 1980 y mediados de los años 2010.
Esta vez, durante los últimos dos años, hubo una recesión relativamente moderada y corta en la vivienda unifamiliar, pero la construcción multifamiliar se mantuvo fuerte (Fig. 8). Hubo una recesión de crecimiento relativamente larga pero superficial entre los productores y proveedores de bienes de consumo, mientras que la demanda de servicios de consumo aumentó en los últimos dos años (Gráfico 9). De hecho, la demanda de bienes se mantuvo relativamente estable cerca de su máximo récord pospandemia. En diciembre alcanzó un nuevo récord.
(2) La política monetaria importa más que la política fiscal. Si bien la mayoría de los economistas estaban obsesionados con el endurecimiento de la política monetaria, en su mayoría ignoraron el impacto de los estímulos en el ámbito de la política fiscal. La legislación aprobada en 2022 dio un gran impulso al gasto en infraestructura pública e instalaciones de fabricación y proporcionó incentivos fiscales para dicha construcción. Como resultado, la construcción pública y no residencial privada se disparó a niveles récord en los últimos dos años, al igual que el empleo total en la nómina en la industria de la construcción (Fig. 10 y Fig. 11).
Los desembolsos del gobierno federal en defensa se han visto impulsados en los últimos dos años por el apoyo de Estados Unidos a Israel, Ucrania y Taiwán hasta un nivel récord de 844.300 millones de dólares durante los últimos 12 meses hasta diciembre (Fig. 12). El desembolso del gobierno federal de más rápido crecimiento en los últimos dos años ha sido el de los intereses netos pagados sobre la deuda federal. Esto impulsó el componente de intereses netos recibidos de los ingresos personales, que alcanzó un nivel récord de 1,8 billones de dólares (saar) en diciembre (Fig. 13).
(3) Los consumidores se están quedando sin exceso de ahorro. La tasa de ahorro personal se ha reducido alrededor del 4% durante los últimos dos años (Gráfico 14). De hecho, esto puede reflejar el hecho de que los consumidores han estado gastando su exceso de ahorro relacionado con la pandemia. Si los consumidores se están quedando sin ese dinero, podrían aumentar su tasa de ahorro recortando el gasto en bienes y servicios, lo que podría provocar una recesión liderada por los consumidores.
El problema con esta narrativa ampliamente aceptada es que ignora el hecho de que los consumidores tienen muchas otras fuentes de poder adquisitivo además del exceso de ahorro. El más importante son los sueldos y salarios reales, que han estado aumentando a nuevos máximos históricos desde principios del año pasado después de estancarse durante la pandemia (Gráfico 15). El mercado laboral sigue siendo muy ajustado, con muchas ofertas de empleo y salarios reales por hora en aumento. Además, los ingresos reales no derivados del trabajo (es decir, intereses, dividendos, alquileres e ingresos del propietario) han aumentado a nuevos máximos recientemente.
También es importante reconocer el impacto significativo que los Baby Boomers siguen teniendo en la economía. Este año, el más joven de ellos cumple 60 años, mientras que el mayor cumple 78 años. El mayor cumplió 65 años por primera vez en 2011. Desde entonces, el número de personas mayores ha aumentado en casi 20 millones (Fig. 16).
Los Baby Boomers se están jubilando cada vez más. Los datos recopilados por la Reserva Federal muestran que tienen un patrimonio neto récord de 75 billones de dólares. En otras palabras, tienen muchos ahorros para la jubilación, la mayor cantidad que jamás haya acumulado una generación.
Están aumentando su gasto en restaurantes, vacaciones y atención médica. Esto está elevando la demanda de trabajadores en estas industrias de servicios a niveles récord, que es una de las razones por las que el mercado laboral sigue siendo tan fuerte.
Por cierto, la tasa de ahorro personal puede seguir siendo baja, ya que los Baby Boomers están gastando cada vez más sus ahorros para la jubilación. Además, es posible que sus hijos adultos estén ahorrando menos, anticipando ganancias inesperadas en la herencia.
(4) En cualquier caso, el crecimiento potencial del PIB real es, en el mejor de los casos, del 2,0%. El aumento del 3,1% del crecimiento del PIB real del año pasado fue mucho mejor de lo que esperaban incluso los optimistas (es decir, como un servidor). Ciertamente no fue un aterrizaje brusco, ni tampoco un aterrizaje suave; ¡No fue ningún aterrizaje! La sorpresa fue que la productividad aumentó un 2,7% (Fig. 17).
Se supone ampliamente que el crecimiento potencial del PIB real no supera el 2,0%. De hecho, el Resumen de Proyecciones Económicas de diciembre de 2023 del FOMC muestra una previsión de “largo plazo” de solo el 1,8% del PIB real. En nuestra opinión, la escasez de trabajadores, especialmente de trabajadores calificados, es un problema crónico que mejorará a medida que las empresas gasten más en innovaciones tecnológicas para impulsar la productividad. De modo que el crecimiento potencial del PIB real es superior al 2,0%, tal vez hasta el 4,0% durante el resto de la década. El crecimiento impulsado por la productividad debería impulsar el crecimiento económico real, contener la inflación, elevar los salarios reales y aumentar los márgenes de ganancia.
(5) Las curvas de rendimiento invertidas predicen recesiones. Como hemos observado desde que escribimos el libro sobre este tema en 2019 (La curva de rendimiento; qué es lo que realmente predice), las curvas de rendimiento invertidas no causan ni predicen recesiones. Predicen un proceso que ha llevado a recesiones en el pasado.
Esta vez, la curva de rendimiento invertida una vez más predijo con precisión que una política monetaria más estricta causaría una crisis financiera, como lo ha hecho en el pasado (Fig. 18). Esta vez, hubo una minicrisis bancaria durante marzo de 2023. Sin embargo, no se transformó en una crisis crediticia en toda la economía, lo que provocó una recesión. Esto se debe a que la Reserva Federal ha adquirido mucha experiencia en la creación rápida de servicios de liquidez desde la Gran Crisis Financiera. La Reserva Federal respondió a la crisis del año pasado proporcionando un servicio de este tipo a los bancos en un par de días.
(6) Los principales indicadores predicen recesiones. Esta vez el IPJ ha sido engañoso hasta ahora porque su composición lo predispone fuertemente a predecir el sector de bienes de la economía. Sí, de hecho: el sector de bienes ha estado en una recesión de crecimiento, como se analizó anteriormente, pero el resto de la economía ha seguido creciendo. El LEI junto con el M-PMI están altamente correlacionados con la tasa de crecimiento del PIB real de bienes, no de servicios.
(7) La oferta monetaria es un motor clave del crecimiento económico y la inflación. La debilidad de la tasa de crecimiento del M2 también asustó a los pesimistas económicos. La oferta monetaria sí importa para la determinación del crecimiento económico real y la inflación, pero no tanto como temían los monetaristas renacidos. Esto se debe a que la debilidad del crecimiento monetario interanual durante los últimos dos años simplemente reflejó la desaceleración del crecimiento del M2 después de que se disparó durante la pandemia. Sigue habiendo mucha liquidez en la economía y el sistema financiero.
(8) La Reserva Federal siempre se equivoca. Varios de los pesimistas se autodenominan observadores de la Reserva Federal y generalmente son críticos con la Reserva Federal. En mi Fed Watching for Fun & Profit (2020), los critiqué por ser más bien predicadores en lugar de observadores objetivos. Durante los últimos dos años, los predicadores dudaron de que la Reserva Federal pudiera lograr una “desinflación inmaculada”, es decir, reducir la inflación sin desencadenar una recesión. Estábamos entre los creyentes en que esto podría y lo haría.
(9) El resto del mundo no importa mucho. Una de las razones por las que creímos que esta vez la inflación se moderaría sin una recesión diseñada por la Reserva Federal es que notamos que el resto del mundo parecía bastante débil. El estallido de la burbuja inmobiliaria de China deprimió la economía china y desinfló los precios del país. De modo que China exportó la deflación al mercado de bienes de Estados Unidos y otros países. Además, la economía europea ha sido débil. Como resultado, los precios de las materias primas se mantuvieron moderados y los precios del petróleo cayeron tras el repunte de principios de 2022.
(10) En pocas palabras: los de ellos contra los nuestros. Quizás la variable clave que diferencia a los optimistas de los pesimistas en los últimos dos años haya sido la inflación. Los primeros previeron que la inflación resultaría en gran medida transitoria a medida que se disiparan los shocks inflacionarios de la pandemia, mientras que los segundos creían que era persistente y que sólo podría controlarse con una recesión. En nuestra opinión, la pandemia ha tenido un enorme impacto en la economía y ha hecho estallar los modelos de previsión del pasado.
Por supuesto, nada de lo anterior lleva a la conclusión de que la economía sea a prueba de recesión o que la inflación se mantendrá moderada de ahora en adelante. Al actual mercado alcista de acciones, eventualmente e inevitablemente le seguirá un mercado bajista. Sin embargo, los pesimistas deberían dedicar algún tiempo a reconsiderar por qué se equivocaron tanto en los últimos dos años. Con suerte, lo comentado en este artículo debería ayudar.
Producto Interior Bruto Real: otro indicador económico mal interpretado por Sentimentrader
Jay Kaeppel es analista cuantitativo colaborador habitual de los principales medios internacionales como CNBC, así como colaborador destacado en SentimenTrader.com y la revista Stocks and Commodities, una web de referencia internacional con suscriptores en más de 50 países.
Jay Kaeppel / Sentimentrader.com
El Producto Interior Bruto Real (RGDI) es una medida amplia de la actividad económica.
El cambio de 12 meses en RGDI cayó a negativo en el último trimestre, provocando un gran pesimismo en las redes sociales.
Una mirada objetiva y cuantitativa a la historia (Hola, somos Sentimentrader.com) pinta una imagen muy diferente.
Producto Interior Bruto Real (RGDI)
El Producto Interior Bruto Real o Real Gross Domestic Income es una forma alternativa de medir la economía de la nación. El Producto Interior Bruto Real (RGDI) mide los ingresos obtenidos y los costos incurridos en la producción del Producto Interior Bruto.
Esta serie de datos se reporta trimestralmente con bastante retraso. Por ejemplo, los resultados del tercer trimestre de 2023 se informaron el 21 de diciembre de 2023. Por lo tanto, ésta no es exactamente una «lectura en caliente» de la economía o una herramienta de gran precisión para sincronizarse con el mercado (aunque tiene cierto valor en ese sentido, como veremos). El siguiente gráfico muestra los valores acumulados del índice desde 1948.
Lo que nos dice el estudio
Una caída de 12 meses en el Producto Interior Bruto Real no es necesariamente algo bueno en el momento en que ocurre. Sin embargo, lo más importante es que no es necesariamente algo tan terrible como se dice tan fácilmente en las redes sociales. Lo que es cierto es que esto tiende a ocurrir «alrededor de las recesiones». Sin embargo, debido a que el mercado de valores es un mecanismo de descuento, en muchos casos, gran parte del daño ya puede estar hecho cuando ocurre esta supuesta «señal de alarma». Según los resultados anteriores, los inversores inteligentes reconocerán una caída de 12 meses en el RGDI como una señal para comenzar a «buscar una oportunidad de compra» y no como una señal de una catástrofe inminente.
Ratio de Sharpe: Cálculo, interpretación y análisis por Quantinsti
El objetivo de Quantinsti es formar a su alumnos en el trading algorítmico. Pertenece a iRageCapital Advisory, empresa conocida por sus servicios relacionados con la creación de mesas de trading algorítmico.
Quantinsti
Bienvenido a esta guía sobre el ratio Sharpe, una métrica financiera desarrollada por el premio Nobel William F. Sharpe en 1966. Esta guía está diseñada para aquellos que buscan comprender cómo se calcula, interpreta y aplica el ratio Sharpe para tomar decisiones de inversión.
En finanzas, lograr altos rendimientos es un objetivo común, pero comprender el riesgo asociado es igualmente importante. El el ratio Sharpe da una medida cuantitativa del rendimiento de una inversión en relación con su riesgo, ofreciendo una herramienta valiosa para comparar y evaluar varias oportunidades de inversión.
A través de esta guía, los lectores cubrirán los conceptos básicos del ratio Sharpe, su fórmula, cálculos prácticos y aplicaciones utilizando ejemplos del mundo real. Exploramos su papel en la comparación de carteras, la evaluación del rendimiento, la gestión de riesgos y la evaluación comparativa, lo que lo convierte en una lectura obligada tanto para los inversores novatos como para los profesionales experimentados.
Ya sea que tenga como objetivo mejorar su estrategia de inversión, profundizar en el trading algorítmico o comprender los fundamentos de los rendimientos ajustados al riesgo, esta guía le da el conocimiento y las habilidades necesarias para navegar por las complejidades de la toma de decisiones financieras. Únase a nosotros para desentrañar las complejidades del ratio Sharpe y dé un paso significativo hacia la optimización de sus inversiones.
Este blog cubre:
¿Qué es el ratio Sharpe?
Fórmula del ratio Sharpe
¿Cómo calcular el ratio Sharpe?
Ejemplo de la relación Sharpe
Comparación del ratio Sharpe con otras métricas de rendimiento
¿Cómo calcular el ratio Sharpe en Excel?
¿Cómo calcular el ratio de Sharpe en Python?
Conceptos erróneos comunes sobre la relación Sharpe
Limitaciones del ratio Sharpe
¿Cómo mejorar el ratio Sharpe?
Preguntas frecuentes sobre el ratio Sharpe
¿Qué es el ratio Sharpe?
El el ratio Sharpe es una medida utilizada para calcular el rendimiento ajustado al riesgo de una inversión o una estrategia. Desarrollado por William F. Sharpe, un premio Nobel, en 1966, ayuda a los inversores a comprender el retorno de la inversión en comparación con su riesgo.
El ratio Sharpe se utiliza ampliamente en la gestión del riesgo de una cartera para evaluar el rendimiento ajustado al riesgo de las carteras de inversión. Por lo tanto, el ratio de Sharpe juega un papel importante en el análisis de la cartera.
Así es como se aplica:
Comparación de carteras: Los inversores pueden utilizar el ratio Sharpe para comparar los rendimientos ajustados al riesgo de diferentes carteras. Un ratio Sharpe más alto indica mejores rendimientos ajustados al riesgo, lo que sugiere que la cartera está generando más rendimiento por unidad de riesgo asumido.
Evaluación del rendimiento: Los gestores de carteras pueden evaluar el rendimiento histórico ajustado al riesgo de sus carteras durante períodos específicos. Al examinar el ratio Sharpe a lo largo del tiempo, los gerentes pueden medir la consistencia y la eficiencia de sus estrategias de inversión.
Gestión de riesgos: El ratio Sharpe ayuda a comprender la compensación entre el riesgo y el rendimiento. Los gestores de cartera pueden ajustar las asignaciones de cartera para lograr un nivel deseado de rendimiento ajustado al riesgo en función de los conocimientos derivados del ratio Sharpe.
Evaluación comparativa: El ratio Sharpe se puede utilizar como punto de referencia para evaluar el rendimiento de una cartera frente a un índice de mercado relevante o un grupo de pares. Esta comparación ayuda a identificar si la cartera tiene un rendimiento superior o inferior en relación con su perfil de riesgo.
Retorno de la cartera o inversión: El rendimiento promedio generado por la inversión durante un período específico.
Tasa libre de riesgo: El rendimiento de una inversión que se considera que no tiene riesgo, generalmente basado en bonos del gobierno.
Desviación estándar: una medida estadística de la volatilidad o el riesgo asociado con la inversión, que representa cuánto se desvían los rendimientos del rendimiento promedio.
¿Cómo calcular el ratio Sharpe?
Una vez que vea la fórmula, comprenderá que deducimos la tasa de rendimiento sin riesgo, lo que nos ayuda a averiguar si la estrategia tiene sentido.
Si el Numerador resultara negativo, ¿no sería mejor invertir en un bono del gobierno que le garantice una tasa de rendimiento sin riesgo?
Algunos de ustedes reconocerían esto como el rendimiento ajustado al riesgo.
En el denominador, tenemos la desviación estándar del rendimiento de la inversión. Eso nos ayuda a identificar la volatilidad y el riesgo asociado con la inversión. Por lo tanto, el ratio Sharpe nos ayuda a identificar qué estrategia ofrece mejores rendimientos en comparación con la volatilidad.
Además, un ratio Sharpe más alto indica un mejor rendimiento ajustado al riesgo, lo que sugiere que la inversión o estrategia ha generado más rendimiento por cada unidad de riesgo asumida. Por el contrario, un ratio Sharpe más bajo sugiere que la inversión podría no estar compensando adecuadamente al inversor por el riesgo asumido.
Eso es todo en cuanto al cálculo del ratio Sharpe.
Ejemplo del ratio Sharpe
Tomemos un ejemplo ahora para ver cómo nos ayuda el cálculo del ratio Sharpe.
Has ideado una estrategia y has creado una cartera de diferentes acciones. Después de la prueba, observas que esta cartera, llamémosla Cartera A, dará un rendimiento del 11 %. Sin embargo, le preocupa la volatilidad del 8 %.
Ahora, cambias ciertos parámetros y eliges diferentes instrumentos financieros para crear otra cartera, la Cartera B. Esta cartera da un rendimiento esperado del 8 %, pero la volatilidad ahora cae al 4 %.
Teniendo en cuenta el hecho de que la tasa de rendimiento libre de riesgo es del 3 %, el cálculo de Sharpe Ratio para ambas carteras es el siguiente:
Cartera A
Cartera B
Tasa de retorno
11
8
Tasa de rentabilidad sin riesgo
3
3
volatilidad
8
4
Ratio Sharpe
(11-3)/8 = 1
(8-3)/4 = 1,25
Por lo tanto, de acuerdo con el cálculo el ratio Sharpe, debemos considerar la cartera B porque, a pesar de que el rendimiento esperado es menor que la cartera B, la volatilidad de la cartera B es menor que la cartera A y, por lo tanto, es menos arriesgada.
Actualmente, la mayoría de los fondos cotizados en bolsa también proporcionan el ratio Sharpe para sus inversiones en sus sitios web.
El ratio Sharpe se puede utilizar en muchos contextos diferentes, como la medición del rendimiento, la gestión de riesgos y para probar la eficiencia del mercado. Cuando se trata de la medición del rendimiento de la estrategia, como estándar de la industria, el ratio Sharpe generalmente se cita como «Sharpe anualizado».
El Sharpe anualizado se calcula en función del período de negociación para el que se miden los rendimientos.
Si hay N períodos de negociación en un año, el Sharpe anualizado se calcula como:
ShARpERATyoO=√NE(RX−RF)STDDEV(X)
Aquí,
N: Representa el número de períodos (por lo general, es el número de días o meses de negociación). La raíz cuadrada de N se utiliza para anualizar el ratio. Si está calculando el ratio Sharpe utilizando rendimientos diarios, N sería el número de días de negociación en un año (normalmente 252), y si utiliza rendimientos mensuales, N sería 12.
E(Rx – Rf): Este es el exceso de rendimiento esperado de la inversión o estrategia, donde Rx es el rendimiento esperado de la inversión, y Rf es la tasa libre de riesgo. El exceso de rendimiento es el rendimiento por encima y más allá de la tasa libre de riesgo, que compensa el riesgo asumido.
StdDev(x): Esta es la desviación estándar de los rendimientos de la inversión. Mide la volatilidad o el riesgo de la inversión. La desviación estándar indica cuánto se desvían los valores de la media (promedio).
Ratio Sharpe en estrategias intradía
Para una estrategia de negociación intradía, en lugar de usar el cálculo convencional de Sharpe, podemos calcular el nivel de Sharpe para obtener una mejor visión del rendimiento de la estrategia.
En este caso, la tasa libre de riesgo puede considerarse de 0, ya que no hay ningún cargo por intereses. La relación Sharpe se puede calcular siguiendo estos sencillos pasos:
Imagina que tienes una estrategia en la que ejecutas una serie de operaciones, y para cada operación, registras las ganancias y pérdidas (PnL).
He aquí un ejemplo general:
Operación 1: +0,002 (Beneficio)
Operación 2: -0,005 (Pérdida)
Operación 3: +0,003 (Beneficio)
Operación 4: +0,004 (Beneficio)
Operación 5: -0,002 (Pérdida)
Operación 6: +0,001 (Beneficio)
Operación 7: -0,005 (Pérdida)
Operación 8: +0,002 (Beneficio)
Operación 9: -0,004 (Pérdida)
Operación 10: +0,006 (Beneficio)
Para estas 10 operaciones, puede calcular el ratio Sharpe usando la fórmula:
Desviación estándar de PnL: Calcule la desviación estándar de los valores de PnL.
Digamos que la media es de 0,001 y la desviación estándar es de 0,004. El ratio Sharpe sería entonces:
Ratio de Sharpe = 10 × (0,001/0.004)
Ratio Sharpe ≈ 10 × 0,25
Ratio de Sharpe ≈ 0,25 × 3,162
Ratio de Sharpe ≈ 0,7905
Esto le da una medida de los rendimientos ajustados al riesgo para su estrategia. Cuanto mayor sea el ratio de Sharpe, mejor será el rendimiento ajustado al riesgo de la estrategia.
Aquí hay un ejemplo de código Python simplificado para demostrar el cálculo:
importnumpyasnp
# Example PnL data for an intraday trading strategy
Media de PnL: 0,0002 Desviación estándar de PnL: 0.003938414796731181 Ratio de Sharpe: 0.16058631827165679
Para las estrategias de alta frecuencia, un gran número de pequeñas operaciones exitosas para cantidades específicas suavizan la curva de PnL y la desviación estándar se acerca a cero, lo que aumenta significativamente el ratio de Sharpe, de tal manera que podría oscilar en dos dígitos.
Por sí sola, cualquier estrategia con un «ratio de Sharpe anualizado» de menos de 1 (después de incluir los costos de ejecución) generalmente se ignora. La mayoría de los fondos de cobertura cuantitativos ignoran las estrategias con un ratio Sharpe anualizado de menos de 2.
Para un trader algorítmico minorista, un ratio Sharpe anualizado superior a 1 es bastante bueno.
Para el trading de alta frecuencia, como se habló anteriormente, el ratio también puede subir en dos dígitos, especialmente para las estrategias impulsadas por la oportunidad, pero no altamente escalables.
El ratio es utilizado por un individuo cuando está agregando un nuevo instrumento financiero a una cartera existente, y quiere comprobar cómo afecta a la cartera.
Comparación del ratio de Sharpe con otras métricas de rendimiento
Comparemos ahora el ratio de Sharpe con otras métricas de rendimiento a continuación.
Métrica
Fórmula de cálculo
Se Centra En
Fortalezas
Limitaciones
Ratio de Sharpe
(Retorno de la cartera o inversión – Tasa libre de riesgo) / Desviación estándar de la cartera o inversión
Volatilidad tanto hacia arriba como hacia abajo
Medida integral de los rendimientos ajustados por riesgo; adecuado para todas las inversiones
Sensible a valores extremos o fluctuaciones en los rendimientos
Ratio de Sortino
(Retorno de la cartera o inversión – Tasa libre de riesgo) / Desviación estándar a la baja
Solo volatilidad a la baja
Se centra en la volatilidad dañina; más adecuado para inversores reacios al riesgo
Ignora la volatilidad al alza. Puede estar sesgado hacia estrategias con más riesgo a la baja
Ratio de Treynor
(Devolución de la cartera o inversión – Tasa sin riesgo) / Beta
Riesgo sistemático (relacionado con el mercado)
Evalúa los rendimientos en relación con el riesgo de mercado; Adecuado para carteras diversificadas
Ignora el riesgo no sistemático (específico de la empresa). Supone que la cartera de mercado es eficiente
Jensen’s Alpha
Rendimiento de la cartera – (Tasa sin riesgo + (Rendorno del mercado – Tasa sin riesgo))
Exceso de rendimiento sobre el rendimiento esperado
Mide los rendimientos reales frente a los rendimientos esperados dado el riesgo de la cartera; útil para la gestión activa
Requiere un índice de referencia; ignora otras formas de riesgo
Information ratio
(Devolvimiento de la cartera – Retorno de referencia) / Error de seguimiento
Retorno activo en relación con un punto de referencia
Mide la consistencia del rendimiento superior a un punto de referencia
Depende de la precisión de las comparaciones de referencia; la selección de referencia es crucial
Ratio calmar
Rendimiento anual compuesto / Reducción máxima
Rendimiento ajustado al riesgo en relación con la reducción
Hace hincapié en el retorno en relación con la pérdida máxima; Adecuado para estrategias de seguimiento de tendencias
Sensible al horizonte temporal; puede que no capture la volatilidad a corto plazo
CAPM
Rendimiento esperado = Tasa libre de riesgo + Beta * (Rendimiento del mercado – Tasa libre de riesgo)
Riesgo sistemático (relacionado con el mercado) y rendimiento esperado
Cuantifica la relación entre el rendimiento esperado y el riesgo sistemático
Asume una relación lineal entre el riesgo y el rendimiento; ignora otras fuentes de riesgo
¿Cómo calcular el ratio de Sharpe en Excel?
Estos son los pasos para calcular la relación Sharpe en Excel utilizando la fórmula:
Asumiendo:
Rp es el rendimiento promedio de la inversión.
Rf es la tasa libre de riesgo.
σ (sigma) es la desviación estándar de los rendimientos de la inversión.
Paso 1: Recopilar datos
En primer lugar, necesitas descargar los datos en línea. Aquí, he tomado los datos de Market Watch para APPLE Inc. (ticker: AAPL). He tomado el precio de cierre diario en este ejemplo.
Puede organizar los datos en la hoja de Excel como se muestra a continuación.
Paso 2: Calcular el cambio de precio para las rentabilidades diarias
Así es como se verá la columna para el cambio diario de precios. Solo tienes que aplicar la fórmula =(B3-B2/B2) y luego arrastrarla hacia abajo a otras celdas de la columna «Cambios de precio».
Paso 3: Calcular las variables «tasa libre de riesgo (Rf)», «Rendimiento anual (Rp)», «Desviación estándar anual ()»
Así es como puede organizar la tabla para cada variable necesaria para calcular el ratio Sharpe con la fórmula:
*Ratio Sharpe = Rp – Rf / σ
Así es como calcularás cada variable:
Tasa libre de riesgo (Rf): Rf se calculará dividiendo el porcentaje de tasa libre de riesgo (0,05 % en este caso) por el número de días de negociación en un año (252 días). Esto dará la tasa diaria libre de riesgo como se muestra a continuación.
2. Rendimiento anual (Rp): El cálculo de Rp requerirá la fórmula que se muestra a continuación.
En esta fórmula,
B11 es el precio de cierre del último día de negociación.
B2 es el precio de cierre del primer día de negociación.
1/10 significa la constante dividida por el número de operaciones en un día, es decir, 10.
Puedes ver en la imagen de arriba que 0,9956… es el resultado calculado después de aplicar la fórmula.
3. Desviación estándar anual (): Esto se calculará como se muestra a continuación.
En la fórmula,
C3 es el primer cambio de precio
C11 es el último cambio de precio
252 es el número de días de negociación en un año
252^0.5 es la raíz cuadrada de 252
Por lo tanto, al aplicar la fórmula, obtenemos 39,42… como la desviación estándar anual calculada.
Paso 4: Calcular el ratio de Sharpe
Ahora, calcularemos el ratio Sharpe como se muestra a continuación.
En la fórmula,
I4 es la rentabilidad anual (Rp)
I3 es la tasa libre de riesgo (Rf)
I5 es la desviación estándar anual ()
En la imagen, (tomada de la hoja de Excel) podemos ver que el ratio Sharpe calculado es de 0,9956.
Arriba puedes ver cómo se ve toda la tabla con todos los cálculos.
¿Cómo calcular el ratio Sharpe en Python?
Yendo más allá, si desea encontrar el ratio Sharpe por su cuenta con el código Python, a continuación se muestra cómo podemos hacerlo.
La figura trazada muestra el precio histórico de las acciones de AAPL junto con dos promedios móviles (50 días y 200 días) y las señales generadas por una estrategia simple de cruce de la media móvil.
Veamos el desglose de los componentes de la trama a continuación.
Línea de precios de cierre de AAPL:
La línea azul claro representa los precios de cierre diarios de AAPL durante el período especificado.
Línea de media móvil simple (SMA) de 50 días:
La línea naranja representa la SMA de 50 días de los precios de cierre de AAPL. Esta línea suaviza las fluctuaciones a corto plazo y proporciona una señal de seguimiento de tendencias.
Línea de media móvil simple (SMA) de 200 días:
La línea verde representa el SMA de 200 días de los precios de cierre de AAPL. Esta línea suaviza las fluctuaciones a largo plazo y proporciona una señal de seguimiento de tendencias a más largo plazo.
Comprar señales (Triángulo verde ‘^’):
Los triángulos verdes indican los puntos en los que la SMA de 50 días cruza por encima de la SMA de 200 días, generando una señal de compra. Este cruce se considera alcista en el análisis técnico.
Señales De Venta (triángulo Rojo Invertido ‘v’):
Los triángulos rojos invertidos indican los puntos en los que la SMA de 50 días cruza por debajo de la SMA de 200 días, generando una señal de venta. Este cruce se considera bajista en el análisis técnico.
Al observar las señales y las medias móviles, los operadores pueden potencialmente tomar decisiones sobre cuándo entrar o salir de posiciones en función de la estrategia.
Ratio Sharpe para la estrategia: 0.2954069610097365
El Ratio Sharpe de 0,295 indica un rendimiento positivo ajustado por riesgo para la inversión o cartera en relación con una tasa libre de riesgo, lo que sugiere que la inversión ha proporcionado rendimientos que justifican el riesgo asumido.
En el código anterior, hemos asumido que la tasa de rendimiento sin riesgo es del 5 %, que se puede cambiar en consecuencia.
**Nota: El valor específico para la tasa libre de riesgo utilizada en el cálculo del Ratio Sharpe depende del marco de tiempo y de la moneda en la que se miden los rendimientos. Por lo general, se utiliza el rendimiento de los valores gubernamentales a corto plazo, como los bonos del Tesoro a 3 meses. **
Conceptos erróneos comunes sobre el ratio Sharpe
El ratio de Sharpe es una métrica ampliamente reconocida para evaluar el rendimiento ajustado al riesgo de las inversiones. Sin embargo, varios conceptos erróneos rodean su interpretación y aplicación.
Aquí hay algunos conceptos erróneos comunes sobre el ratio Sharpe:
Medida absoluta del rendimiento: Una idea errónea común es ver el ratio de Sharpe como una medida absoluta del rendimiento. Si bien un Ratio de Sharpe más alto generalmente indica mejores rendimientos ajustados al riesgo, es esencial compararlo con puntos de referencia relevantes o grupos de pares para evaluar el rendimiento relativo con precisión.
Énfasis excesivo en el valor numérico: algunos inversores pueden poner un énfasis excesivo en el logro de un objetivo específico de Ratio de Sharpe sin tener en cuenta la estrategia de inversión subyacente, las condiciones del mercado o los factores cualitativos. El contexto en el que se calcula el Ratio de Sharpe es crucial para su interpretación significativa.
Suposición de la tasa libre de riesgo: Otra idea errónea es asumir una tasa libre de riesgo constante o universal para calcular el Ratio de Sharpe en diferentes mercados o períodos de tiempo. La elección de la tasa libre de riesgo debe ser apropiada y reflejar la moneda y la duración de la inversión.
Sensibilidad a valores extremos: la relación de nitidez es sensible a los valores extremos o valores atípicos en los datos de retorno. Algunos inversores pueden malinterpretar una fuerte fluctuación en el Ratio de Sharpe debido a rendimientos extremos como un cambio significativo en el rendimiento ajustado al riesgo, mientras que podría ser una anomalía temporal causada por valores atípicos.
Métrica de evaluación única del rendimiento: Si bien el Ratio de Sharpe es una métrica valiosa, confiar únicamente en ella para evaluar el rendimiento de la inversión puede ser limitante. La incorporación de otras métricas de rendimiento, el análisis cualitativo y la consideración del contexto de inversión más amplio proporciona una evaluación más completa.
Inclusión del apalancamiento: al comparar los Ratios de Sharpe entre las inversiones, es esencial considerar si se utilizan el apalancamiento o los fondos prestados. Un ratio de Sharpe más alto como resultado del apalancamiento no puede indicar necesariamente una habilidad de inversión superior, sino más bien un aumento de la asunción de riesgos.
Homogeneidad del riesgo: asumir que todas las inversiones tienen un perfil de riesgo similar o que el Ratio de Sharpe proporciona una representación completa de las características de riesgo de una inversión es una idea errónea. El Ratio de Sharpe se centra en la volatilidad medida por la desviación estándar, pero puede que no capture todos los aspectos del riesgo de una inversión, como el riesgo de liquidez o el riesgo geopolítico.
Limitaciones del Ratio Sharpe en el trading
El Ratio de Sharpe es una medida ampliamente utilizada para evaluar el rendimiento ajustado al riesgo de una inversión o cartera. Sin embargo, como cualquier métrica financiera, tiene sus limitaciones.
Aquí hay una tabla que resume algunas de las limitaciones clave de la proporción de Sharpe:
limitación
descripción
Sensibilidad a la distribución de retorno
El Ratio de Sharpe asume que los rendimientos se distribuyen normalmente, pero los mercados financieros a menudo exhiben una no normalidad, con colas gordas y astisismos. En presencia de eventos extremos o valores atípicos, el Ratio de Sharpe puede no reflejar con precisión el riesgo asociado con la inversión.
Dependencia de datos históricos
El Ratio de Sharpe se basa en datos históricos, y el rendimiento pasado no garantiza resultados futuros. Los cambios en las condiciones del mercado, los factores económicos o el panorama de la inversión pueden conducir a diferentes perfiles de riesgo-rendimiento en el futuro. Los inversores deben tener cuidado cuando se basan únicamente en Ratio de Sharpe históricos para la toma de decisiones.
Métrica única para la comparación de carteras
Al comparar múltiples carteras o estrategias de inversión, es posible que el Ratio de Sharpe no proporcione una imagen completa. Se centra en los rendimientos ajustados al riesgo, pero no tiene en cuenta otros factores importantes como la exposición al mercado, el estilo o los aspectos cualitativos del proceso de inversión. Los inversores deben utilizar métricas y análisis adicionales para una evaluación exhaustiva de las opciones de inversión.
Sensibilidad a la elección de referencia
La elección de un índice de referencia para la comparación puede tener un impacto significativo en el Ratio de Sharpe. Los diferentes puntos de referencia pueden dar lugar a diferentes evaluaciones de rendimiento ajustadas al riesgo. Los inversores deben seleccionar cuidadosamente los puntos de referencia que sean relevantes para la estrategia y los objetivos de inversión.
Dependencia del período de tiempo
El Ratio de Sharpe puede variar dependiendo del período de tiempo elegido. Las fluctuaciones a corto plazo o las anomalías del mercado pueden tener un efecto más pronunciado en la proporción en plazos más cortos. Las perspectivas a largo plazo pueden proporcionar una evaluación más estable, pero podrían perderse los cambios recientes en la dinámica de riesgo-rendimiento. Los inversores deben considerar múltiples marcos de tiempo y analizar la coherencia del rendimiento.
Ignora las consideraciones no financieras
El Ratio de Sharpe se centra exclusivamente en las métricas de riesgo y rendimiento, descuidando factores no financieros como las consideraciones éticas, el impacto social y la gobernanza. Los inversores con criterios no financieros específicos pueden necesitar complementar el Ratio de Sharpe con otras métricas que aborden estos aspectos.
Asume una tasa constante sin riesgo
El Ratio de Sharpe asume una tasa constante sin riesgo a lo largo del tiempo. En realidad, la tasa libre de riesgo puede fluctuar, especialmente en respuesta a las condiciones económicas y las políticas del banco central. Los cambios en la tasa libre de riesgo pueden afectar a la interpretación del Ratio de Sharpe, particularmente cuando se compara el rendimiento en diferentes períodos de tiempo o entornos económicos.
Puede favorecer las estrategias con una ascación positiva
El Ratio de Sharpe penaliza las estrategias con una asisiación negativa, que puede no ser adecuada para todos los inversores. Algunos inversores pueden tolerar o incluso preferir la protección a la baja sobre el potencial al alza. El ratio de Sharpe no diferencia entre la volatilidad hacia arriba y hacia abajo, y las estrategias con asimetría positiva (asimetría favorable) pueden recibir ratios de Sharpe más altos incluso si no se alinean con las preferencias de riesgo de un inversor.
¿Cómo mejorar el Ratio de Sharpe para nuestra estrategia?
Vemos algunos consejos que pueden ayudar a mejorar el Ratio de Sharpe de su estrategia.
Gestión de riesgos
Implementar una estrategia sólida para limitar las pérdidas potenciales.
Considere las órdenes de stop-loss, el tamaño de la posición basado en la volatilidad o la diversificación.
Costes de transacción
Tenga en cuenta los costos de transacción y el deslizamiento en su estrategia.
Optimizar la ejecución de operaciones para minimizar los costos.
Optimizar los parámetros
Ajuste los parámetros de la estrategia (por ejemplo, longitudes de la media móvil) para obtener rendimientos máximos ajustados por riesgo.
Incluir los costos de transacción en la prueba posterior
Asegúrese de que las pruebas adicionales tengan en cuenta los costos de transacción realistas para reflejar las condiciones de mercadoc del mundo real.
Preguntas frecuentes sobre el Ratio de Sharpe
Estas son algunas de las preguntas más frecuentes sobre el Ratio de Sharpe:
P. ¿Cuáles son algunas ideas a tener en cuenta al calcular el Ratio de Sharpe?
R: Aquí puede ver algunas de las mejores ideas según la experiencia de algunos traders profesionales:
Período de tiempo consistente: Asegúrese de que los datos de retorno y la tasa libre de riesgo sean consistentes y estén alineados para el período de tiempo elegido.
Tasa libre de riesgo precisa: Utilice una tasa libre de riesgo adecuada que coincida con la moneda y la duración de la inversión.
Manejo robusto de datos: Maneje valores atípicos o valores extremos en los datos de retorno de manera adecuada para evitar la distorsión en el cálculo del Ratio de Sharpe.
Comparación de puntos de referencia: Considere la posibilidad de comparar el ratio de Sharpe calculado con puntos de referencia o grupos de pares relevantes para el contexto y la evaluación del rendimiento relativo.
P. ¿Qué se entiende por Ratio de Sharpe en la teoría moderna de carteras?
R: El Sharpe Ratio juega un papel crucial en la Teoría Moderna de Carteras (MPT) al ayudar a los inversores a construir carteras eficientes que maximicen los rendimientos para un nivel de riesgo determinado. MPT hace hincapié en la diversificación y en los beneficios de combinar activos con diferentes perfiles de riesgo-rendimiento para lograr una asignación óptima de la cartera.
P. ¿Cuál es el impacto del ratio de Sharpe en la estrategia de inversión?
R: El Ratio de Sharpe influye en la estrategia de inversión al guiar las decisiones sobre la asignación de activos, la gestión de riesgos y la evaluación del rendimiento. Una comprensión profunda del Ratio de Sharpe ayuda a los inversores a optimizar sus carteras, alinear las inversiones con sus objetivos de tolerancia al riesgo y rendimiento y, en última instancia, mejorar los resultados de la inversión a largo plazo.
P: ¿Qué es un buen Ratio de Sharpe?
R: Un buen ratio de Sharpe indica rendimientos superiores ajustados por riesgo, generalmente por encima de 1. Por ejemplo, 1,5 significa que su exceso de rendimiento sobre la tasa libre de riesgo es 1,5 veces la volatilidad de su cartera.
P: ¿Qué es un alto Ratio de Sharpe?
R: Un altor ratio de Sharpe significa un rendimiento excepcional, que normalmente supera los 2. Esto sugiere que su cartera genera rendimientos significativamente más altos en comparación con su nivel de riesgo.
P: ¿Qué es un Ratio de Sharpe negativo?
R: El ratio de Sharpe negativo significa que su cartera sufre pérdidas que superan la tasa libre de riesgo. Esto implica que las inversiones elegidas tienen un rendimiento inferior incluso en comparación con una opción segura como los bonos del gobierno.
P: ¿Qué es un ratio de Sharpe condicional?
R: El ratio de Sharpe condicional mide los rendimientos ajustados al riesgo en condiciones específicas del mercado, como el aumento o la caída de las tasas de interés. Ayuda a evaluar el rendimiento de su cartera en diferentes escenarios.
Conclusión
El Ratio de Sharpe, una métrica fundamental en las finanzas, mide el rendimiento ajustado al riesgo de una inversión, ayudando en la evaluación de la cartera, la gestión del riesgo y la creación de estrategias. Desarrollado por William F. Sharpe compara el exceso de rendimiento de un activo con su volatilidad, con valores más altos que indican un rendimiento superior ajustado al riesgo.
Sin embargo, existen conceptos erróneos y limitaciones, lo que requiere un enfoque matizado. Al integrar el Ratio de Sharpe con otras métricas y mejores prácticas, los inversores pueden optimizar el rendimiento de la cartera, alineándose con los principios de la Teoría Moderna de Carteras y mejorando las estrategias de inversión para el éxito a largo plazo.
¿Valen la pena los cursos de trading intradía? por The Trader Chick
Marina «The Trader Chick» ayuda a las personas a hacer trading intradía. Ella simplifica el proceso al desglosar por completo patrones de trading con alta probabilidad. Está a cargo de una de las escuelas de trading con más seguidores en los Estados Unidos.
Marina / thetraderchick.com
El trading intradía o day trading se ha vuelto cada vez más popular como una forma de generar ingresos. Y con el aumento de la popularidad del day trading y una creciente sed de conocimiento en el área del day trading, se ha vuelto más importante que nunca evaluar el contenido en línea y la información sobre el day trading que parece publicarse a diario.
En este artículo echaremos un vistazo crítico a los cursos de trading intradía con la intención de responder a la pregunta «¿Valen la pena los cursos de trading intradía?». Y también daremos consejos específicos sobre qué buscar en un curso de trading intradía de calidad para que pueda evaluar de manera efectiva antes de considerar gastar su dinero en un curso de trading.
¿Valen la pena los cursos de trading intradía? depende de cada individuo y de sus circunstancias. Y esto incluye; cuánto capital disponible tiene una persona, su nivel actual de conocimiento y habilidad en el trading intradía, así como su capacidad para evaluar el valor de un curso de trading intradía.
Pero primero comencemos hablando por qué el trading intradía se ha vuelto cada vez más popular como una forma de obtener ingresos, lo que a su vez ha llevado al crecimiento del contenido del trading intradía en internet y, por supuesto, a los cursos.
Tabla de contenidos
¿Por qué es tan popular el Day Trading?
1. Aprendizaje estructurado
2. Orientación de expertos
3. Estrategias y técnicas avanzadas y probadas
4. Oportunidades de creación de redes
¿Qué debe tener un buen curso de trading?
i) Calidad del contenido
ii) Reputación de los instructores
iii) Evaluar el coste frente al valor
iv) Apoyo continuo
v) Reseñas y testimonios
¿Valen la pena los cursos de Day Trading?
¿Por qué es tan popular el Day Trading?
El trading intradía ha sido testigo de un aumento de la popularidad como una forma de obtener ingresos, especialmente en los últimos años. Hay varias razones para esto, incluida la accesibilidad de las plataformas de trading en línea y la disponibilidad de datos de mercado en tiempo real, lo que ha hecho que sea más fácil para cualquier persona entrar a hacer trading intradía desde la comodidad de sus hogares.
En estos días también hay barreras de entrada reducidas para que cualquiera entre en el trading intradía. Los brokers on Line han reducido las barreras de entrada, permitiendo a las personas comenzar a operar con cantidades más pequeñas de capital, lo que atrae a una amplia gama de personas al trading intradía.
Además, el aumento del trabajo a distancia es un factor importante, acelerado por eventos globales como la pandemia de COVID-19, esto ha hecho que las oportunidades de ingresos en línea sean más atractivas. Y el trading intradía encaja bien en esta tendencia, permitiendo a las personas trabajar desde cualquier lugar con una conexión a Internet.
Las plataformas de redes sociales también han jugado un papel importante en la popularización del day trading. Los influencers y traders a menudo comparten sus experiencias, estrategias y éxitos, creando un sentido de comunidad y atrayendo a los recién llegados al mundo del trading intradía.
Y, por último, la disponibilidad de cursos en línea, seminarios web y materiales educativos ha aumentado, proporcionando a los aspirantes a traders intradía recursos para aprender sobre la dinámica del mercado, análisis técnico y la gestión de riesgos.
Y por las razones habladas anteriormente, nunca ha sido más fácil que en cualquier otro momento de la historia para una persona ganarse la vida y convertirse en trader intradía de éxito mientras trabaja desde casa.
Para responder a la pregunta de si «¿Valen la pena los cursos de trading intradía?», es importante ver los beneficios que ofrecen los cursos de trading intradía.
1. Aprendizaje estructurado
Un curso de trading intradía puede proporcionar un entorno de aprendizaje estructurado y guiarlo a través del proceso de aprendizaje de cómo hacer trading intradía. Esto puede ser especialmente útil para los principiantes que pueden no saber por dónde empezar.
2. Orientación de expertos
Muchos cursos de trading intradía son impartidos por traders experimentados que pueden proporcionar información y orientación valiosas. Tener un experto disponible para responder preguntas y dar algunos comentarios puede ayudar a aprender a operar intradía.
3. Estrategias y técnicas avanzadas y probadas
Un curso de trading intradía puede enseñar estrategias y técnicas específicas que pueden ayudar a identificar y ejecutar operaciones. Es posible que estas estrategias y técnicas no se encuentren fácilmente a través del autoestudio o de ensayar por nuestra cuenta.
4. Oportunidades de creación de redes
Algunos cursos de trading intradía pueden proporcionar oportunidades de establecer contactos con otros traders o acceso a comunidades de trading donde puede discutir e intercambiar ideas con traders de ideas afines.
Los cursos de trading intradía tienen un atractivo significativo para las personas que se aventuran en el mundo de los mercados financieros, ya que ofrecen un camino estructurado para adquirir habilidades y conocimientos esenciales.
Los cursos de trading intradía sirven como recursos educativos integrales adaptados específicamente a las complejidades del trading a corto plazo. Ofrecen un enfoque sistemático del aprendizaje, que abarca temas que van desde el análisis de mercado y los indicadores técnicos hasta las estrategias de gestión de riesgos.
Nunca ha sido tan fácil que en cualquier otro momento de la historia para una persona ganarse la vida y convertirse en un trader intradía de éxito mientras trabaja desde casa.
Para los principiantes, este plan de estudios estructurado puede proporcionar una base sólida, ayudándoles a navegar por las complejidades del mercado con confianza.
Los cursos de trading intradía también ofrecen un entorno de aprendizaje estructurado que fomenta la colaboración y la creación de redes entre personas de ideas afines. Interactuar con otros estudiantes en foros, grupos de debate o sesiones de trading en vivo puede proporcionar oportunidades con un gran valor para compartir, intercambiar ideas y construir una comunidad.
El principal atractivo de los cursos de trading intradía es su capacidad para ofrecer un enfoque estructurado e integral para aprender las complejidades del trading a corto plazo. Desde instrucción experta y ejercicios prácticos hasta oportunidades de creación de redes y apoyo comunitario, estos cursos proporcionan una experiencia de aprendizaje holístico que puede empoderar a los aspirantes a traders a navegar por los desafíos del mercado con confianza y competencia.
¿Qué debe tener en un buen curso de trading intradía?
Así que, hasta ahora, hemos hablado por qué el trading intradía se ha vuelto tan popular en los últimos años, lo que ha llevado a la creación de más cursos de trading intradía. Y también evaluó los principales beneficios de comprar un curso de trading intradía.
Ahora, es importante discutir qué buscar exactamente en un buen curso de trading intradía para que pueda evaluar el curso de trading con un ojo crítico y solo gastar su dinero (si decide hacerlo) en un curso con buena relación calidad-precio.
Así que entremos en lo que debería ofrecer un buen curso de trading intradía.
i) Calidad del contenido
La piedra angular de cualquier curso de trading intradía es la calidad y relevancia de su contenido. Es importante evaluar si el curso cubre temas esenciales como el análisis de mercado, los indicadores técnicos, la gestión de riesgos y las estrategias comerciales. Busque cursos que proporcionen información completa y actualizada para asegurarse de que está aprendiendo habilidades y técnicas relevantes.
ii) Reputación de los instructores
La experiencia y la experiencia de los instructores de cursos desempeñan un papel fundamental en la eficacia general de la experiencia de aprendizaje. Es importante investigar los antecedentes y las credenciales de los instructores para asegurarse de que tienen un sólido historial en trading intradía y educación.
Busque cursos dirigidos por traders experimentados o profesionales de la industria con buena reputación y credibilidad. Si es posible, busque instructores con un probado historial de éxito que realmente muestren su cuenta de operaciones y las operaciones que están ejecutando.
iii) Evaluar el coste frente al valor
Evaluar el costo del curso en relación con el valor que ofrece en términos de conocimiento, habilidades y apoyo. Si bien algunos cursos pueden tener un precio más alto, pueden ofrecer una mayor profundidad de contenido, orientación personalizada o recursos adicionales. Considere su presupuesto y pese el costo frente a los beneficios potenciales y el retorno de la inversión (ROI).
iv) Apoyo continuo
El aprendizaje no termina cuando concluye el curso; el apoyo continuo es esencial para el crecimiento y el desarrollo continuos como trader. Evalúe si el curso ofrece acceso a una comunidad de apoyo, programas de tutoría o recursos adicionales para ayudarle a navegar por los altibajos de su viaje. Un sistema de apoyo sólido puede proporcionar información valiosa, apoyo y rendición de cuentas a medida que aplica lo que ha aprendido en el curso.
v) Reseñas y testimonios
Antes de comprometerse con un curso de trading, busque reseñas y testimonios de alumnos para medir sus experiencias y niveles de satisfacción. Preste atención a los comentarios sobre el contenido del curso, la efectividad del instructor y la relación calidad-precio en general.
Las revisiones honestas de otros traders pueden ofrecer información valiosa sobre qué esperar del curso y si se alinea con sus objetivos y preferencias de aprendizaje.
Antes de comprometerse con un curso de trading, busque reseñas y testimonios de participantes anteriores para medir sus experiencias y niveles de satisfacción.
¿Valen la pena los cursos de Day Trading?
Esto se reduce a factores individuales como el capital disponible para invertir en un curso, el tiempo libre disponible (si tiene mucho tiempo libre, entonces se puede aprender mucho trading intradía en línea de forma gratuita) y cuál es su nivel actual de conocimiento y habilidad.
En general, para un principiante en el trading intradía, los cursos de trading intradía pueden ser valiosos por las razones/beneficios explicados anteriormente, incluyendo tener un plan de estudios de aprendizaje estructurado en lugar de aprender de una manera más aleatoria utilizando recursos gratuitos en línea.
Si bien se reduce a circunstancias individuales, los cursos de trading intradía valen la pena si:
Eres un principiante con conocimientos muy limitados y necesitas un curso estructurado para aprender desde lo básico hasta los conceptos más avanzados
Tienes el capital disponible para comprar un curso de trading, ya que pueden ser costosos que van desde cientos de dólares a mucho más.
Quieres ser parte de una comunidad en la que puedas aprender en un entorno colaborativo y compartir experiencias (a menudo no puedes conseguir esto con recursos gratuitos).
Quieres aprender más de un trader intradía de éxito que sigues (y en el que confías) y quieres ser parte de su comunidad a la que puedes acceder a través de su curso de pago.
Por último, recomendaría que antes de comprometerse con un curso de pago, explore los recursos gratuitos disponibles en línea, esto incluye en YouTube, X (anteriormente conocido como Twitter) y otras plataformas y sitios web. Además, muchas plataformas de buena reputación y sitios web educativos ofrecen cursos introductorios gratuitos o materiales educativos sobre el trading intradía que pueden ser excelentes puntos de partida, especialmente si no puede permitirse un curso de trading intradía pagado o no está preparado para invertir el dinero en la compra de un curso.
La distribución de la concentración del mercado de valores en los EE. UU. por Quantpedia
La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com
Cada vez más, algunas empresas de megacapitalización dominan el rendimiento del mercado de valores de EE. UU. Ahora se les llama los «Siete Magníficos«, pero todos recordamos a FAANG, ¿verdad? Naturalmente, surgen varias preguntas: ¿es el status quo actual, cuando la capitalización del mercado de valores está altamente concentrada entre las pocas empresas extremadamente grandes, una excepción o una regla sobre la historia? ¿Y cuál es el impacto de esta concentración en el rendimiento de un factor en particular: la prima de tamaño? Presentamos el documento de investigación escrito por Emery y Koëter que trata de responder a esas preguntas.
El análisis de (Emery y Koëter, 2023) muestra que la prima de tamaño esperada aumenta durante los períodos de mayor concentración del mercado de valores. Estos resultados indican que el efecto de asignación de capital domina la relación entre la concentración del mercado de valores y la prima de tamaño. Además, estos resultados se producen predominantemente entre empresas de industrias con una mayor dependencia de la financiación externa de capital o para empresas con ratios de libro/mercado relativamente bajos (es decir, empresas en crecimiento).
Las empresas más pequeñas reciben menos atención, tienen menos probabilidades de completar una oferta de acciones experimentada y tienen una mayor volatilidad fundamental durante los períodos de mayor concentración del mercado de valores. El primero de los dos canales propuestos es la tesis de que la concentración del mercado de valores implica que el riesgo idiosincrásico de las grandes empresas debe diversificarse en la cartera del mercado. Este fenómeno podría crear una prima de riesgo para las grandes empresas, mientras que los rendimientos esperados para las pequeñas empresas disminuyen debido a la diversificación. La segunda es que la concentración del mercado de valores podría reflejar una asignación de capital menos eficiente, lo que hace que sea más difícil para las pequeñas empresas obtener financiación de capital, aumentando así sus rendimientos esperados.
Nos gustaría señalar la Figura 1, que traza la serie temporal de concentración del mercado de valores desde 1926 hasta 2021. El mercado de valores estaba significativamente más concentrado antes de 1970 de lo que lo ha estado en las últimas décadas. Sin embargo, la concentración del mercado de valores ha aumentado sustancialmente recientemente a niveles no vistos desde principios de la década de 1970.
Sin embargo, a pesar del predominio del efecto de asignación de capital, los autores también encuentran evidencia de un efecto de diversificación granular. Específicamente, la prima de tamaño esperada se debilita después de las conmociones idiosincrásicas para las empresas más grandes del mercado de valores. La evidencia también corrobora que la concentración del mercado de valores está asociada con una asignación de capital menos eficiente (Bae et al., 2021).
En general, esta es una excelente contribución para comprender las implicaciones de los precios de los activos de la concentración del mercado de valores y la granularidad resultante, que es cada vez más vital debido al aumento constante de la concentración del mercado.
La distribución de la capitalización bursátil en los EE. UU. está muy concentrada. Investigamos cómo este fenómeno afecta a la diferencia en los rendimientos entre las pequeñas y las grandes empresas (es decir, la prima de tamaño). Si el mercado de valores está lo suficientemente concentrado (es decir, granular), las grandes empresas pueden tener una prima de riesgo porque su riesgo idiosincrásico no está diversificado en la cartera del mercado. Al mismo tiempo, el trabajo anterior ha demostrado que a las pequeñas empresas se les puede asignar muy poco capital en los mercados de valores concentrados, lo que podría aumentar sus rendimientos esperados. Encontramos que la prima de tamaño esperado aumenta en 13,33 puntos porcentuales por año durante períodos de mayor concentración, lo que indica que el efecto de asignación de capital domina. La evidencia de una variedad de pruebas sobre la atención de los inversores, la financiación de acciones, la volatilidad fundamental y la intensidad del capital apoyan esta conclusión. Sin embargo, también encontramos evidencia de un efecto de diversificación granular activa, ya que la prima de tamaño se debilita después de los aumentos idiosincrásicos de la granularidad.
Como siempre, presentamos varias figuras y tablas interesantes:
Citas notables del trabajo de investigación académica:
«Específicamente, investigamos cómo la concentración del mercado de valores afecta a la prima de tamaño. Documentada por primera vez por Banz (1981), la prima de tamaño se refiere al hecho de que las empresas con una capitalización de mercado relativamente baja tienden a obtener mayores rendimientos de las acciones en comparación con las empresas con una capitalización de mercado relativamente alta. Las características de una economía granular pueden tener implicaciones importantes para la prima de tamaño. Si el riesgo idiosincrásico de las empresas más grandes no se diversifica en conjunto, entonces los inversores deberían requerir una prima para mantener esas acciones, lo que aumenta los rendimientos esperados de las grandes empresas. Este efecto de diversificación granular sugiere que una mayor concentración en el mercado de valores debería disminuir la prima de tamaño esperada.
Dadas las predicciones opuestas de la diversificación granular y los efectos de la asignación de capital, nuestro análisis se centra en determinar qué efecto domina la relación entre la concentración del mercado de valores y la prima de tamaño. Comenzamos evaluando el nivel de concentración del mercado de valores en los EE. UU. La concentración tiende a aumentar durante las malas condiciones económicas y ha aumentado sustancialmente en las últimas décadas. Por ejemplo, las 20 empresas más grandes representaron el 19,7 % de la capitalización bursátil total en 1995 y el 33,0 % de la capitalización bursátil total en 2021. También mostramos que el mercado de valores está lo suficientemente concentrado como para generar efectos granulares. Usando un marco de modelado simple, estimamos que la varianza idiosincrásica representa entre el 4,5 % y el 14,8 % de la varianza del mercado, lo que sugiere que los efectos granulares no son triviales.
Si bien establecemos nuestros principales resultados utilizando regresiones a nivel de cartera, nuestros resultados también se mantienen a nivel de empresa, en el que incluimos una batería de variables de control para mitigar las preocupaciones de las explicaciones alternativas. Una preocupación particular es que los efectos que atribuimos a la concentración del mercado de valores podrían ser simplemente un reflejo de la concentración del mercado de productos o el poder de mercado resultante de las empresas dominantes. La concentración del mercado de productos, que a menudo se mide mediante la concentración de ventas, y el poder de mercado, que a menudo se mide mediante márgenes, afectan directamente a los fundamentos de la empresa, que a su vez determinan los precios de los activos. Además, varios estudios han encontrado que estas cantidades son predictores significativos de los rendimientos de las acciones (Hou y Robinson, 2006; Bustamante y Donangelo, 2017; Corhay et al., 2020; Loualiche, 2021; Clara, 2023). Para aislar el efecto de la concentración del mercado de valores, controlamos explícitamente la concentración de ventas (tanto a nivel económico como de la industria) y los márgenes (utilizando la medida desarrollada por De Loecker et al. (2020) en nuestras regresiones. Incluso con estos controles, la concentración del mercado de valores predice significativamente la prima de tamaño. Además, si la concentración del mercado de valores simplemente refleja la concentración del mercado de productos, uno esperaría que los efectos de la concentración del mercado de valores sean más fuertes cuando se miden dentro de los mercados de productos (es decir, las industrias). Por el contrario, encontramos que la concentración del mercado de valores dentro de las industrias no predice significativamente la prima de tamaño. Por lo tanto, los efectos de la concentración del mercado de valores existen principalmente a nivel del mercado de valores.
Aunque el efecto de asignación de capital domina el efecto de diversificación granular, no excluye la posibilidad de que ambos efectos estén presentes simultáneamente. Para investigar el efecto de diversificación granular de forma más directa, calculamos los choques idiosincrásicos ponderados por valor a las diez empresas más grandes como un choque a la granularidad del mercado de valores. Los impactos positivos inclinan aún más la cartera de mercado hacia estas empresas más grandes, de tal manera que los inversores pueden requerir una compensación adicional por el aumento de la exposición al riesgo idiosincrásico de estas empresas. Además, los inversores podrían estar dispuestos a pagar una prima para que otras empresas diversifiquen este mayor riesgo idiosincrásico, con el efecto que se amplifica para las empresas más pequeñas porque su oferta de capital se desvía más significativamente de una asignación totalmente diversificada. En conjunto, estos efectos crean un descuento en el valor de las grandes empresas y una prima en el valor de las pequeñas empresas, lo que resulta en rendimientos esperados cada vez más altos en el futuro, respectivamente. De acuerdo con esta predicción, encontramos que la prima de tamaño esperada disminuye en 3,99 puntos porcentuales por año después de un aumento de una desviación estándar en los choques idiosincrásicos para las diez empresas más grandes. Este efecto proviene tanto de las empresas grandes como de las pequeñas, cuyos rendimientos aumentan y disminuyen después de estos choques, respectivamente. Además, tanto la concentración del mercado de valores como los choques idiosincrásicos a las diez empresas más grandes de manera significativa, pero al contrario, predicen la prima de tamaño cuando se incluyen en la misma regresión. Este resultado apoya la conclusión de que la asignación de capital y los efectos de diversificación granular están presentes simultáneamente.
La Tabla 1 informa de las regresiones para ilustrar la relación entre la concentración del mercado de valores y otras variables macroeconómicas. En primer lugar, en las especificaciones (1) a (3), mostramos la fuerte conexión entre Cap HHI y la capitalización de mercado relativa de las 10, 20 o 100 empresas principales en el mercado de valores de los Estados Unidos. Los resultados indican que Cap HHI está fuertemente asociado con el mercado de valores de EE. UU. dominado por unas pocas empresas muy grandes. En segundo lugar, en la Especificación (4), relacionamos los cambios en el límite HHI con los cambios en la dispersión del tamaño relativo del mercado de valores de los Estados Unidos, que se captura por la diferencia entre el 90 % y el 10 % del cuantil de la distribución de tamaño escalada por la mediana de la distribución de tamaño. Los resultados de la Especificación (4) muestran que los cambios en el Cap HHI están asociados positivamente con cambios en la dispersión del tamaño relativo. Sin embargo, el R2es solo 0,03, lo que indica que la dispersión del tamaño relativo explica solo una pequeña cantidad de la variación en Cap HHI. Por lo tanto, Cap HHI parece ser impulsado principalmente por el conjunto de empresas muy grandes.
Como se puede ver [en la Figura 2], la distribución no sigue una relación lineal en el gráfico de registro y, por lo tanto, no se describe con precisión mediante una distribución de la ley de potencia. En cambio, la distribución se parece mucho a la distribución de las ventas como se informa en Compustat, que se ha caracterizado como log normal (Stanley et al., 1995) en lugar de la ley de energía debido a la omisión de empresas privadas (Axtell, 2001). Para eludir este problema, investigaciones anteriores han estimado que ζ utiliza solo las empresas más grandes, lo que reduce la probabilidad de que se omitan las empresas (Hill, 1975; Gao, 2023). Para demostrarlo, trazamos el 10 % superior de las acciones para diciembre de 2021 en el Panel B de la Figura 2″.