Diseño de una estrategia con Python: Trading de pares por Gerard Sánchez

• El trading de pares es una estrategia en la que operamos 2 activos que durante un periodo tienen un comportamiento similar por estar correlacionados. Buscamos arbitrar diferencias abriendo posiciones largas o compradoras sobre un activo y vendedoras o cortas en el otro, esperando una reversión a la media. ¿Cómo podemos crear una estrategia en base a esto?
• Artículo publicado en Hispatrading 51.

Lo deseable es que el comportamiento del activo sobre el que estamos largos o comprados tenga un movimiento relativamente más alcista que el otro par y al contrario con el par en el que estamos vendidos.

En este artículo vamos a tratar de automatizar señales de compra/venta en una estrategia de pares para el universo de compañías del SP500 basándonos en el coeficiente de correlación y normalizando series de retornos con el ratio zscore.

En primer lugar vamos a necesitar una serie de librerías que nos ayudarán con el proceso de descarga y modelización de los datos, son las siguientes:

import yfinance as yf

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import yahoo_fin.stock_info as si

Procedemos a descargar los precios de cierre para todas las compañías del SP500 para un periodo, calculando los retornos o rentabilidades de cada uno de ellos y calculando el coeficiente de correlación sobre los mismos

Esto nos generará una matriz en la que se determina el coeficiente de correlación que comparte cada activo con el resto de compañías del índice para un periodo.

# DESCARGA DEL UNIVERSO DE ACTIVOS + CÁLCULO CORRELACIÓN

tickers = si.tickers_sp500()

data = yf.download(tickers, start=’2018-01-04′, progress=False)[‘Close’]

returns = data.pct_change()[1:].dropna(axis=1)

corr = returns.corr(method=’pearson’)

Deshacemos la matriz y ordenamos todos los pares generados en orden descendiente por correlación.

upper = corr.where(np.triu(np.ones(corr.shape), k=1).astype(np.bool8)).unstack().dropna().sort_values(ascending=False)

En total se nos han generado 121771 parejas posibles, de las cuales vamos a escoger únicamente las que tengan una correlación mayor a 0.8, suficiente como para saber que estas acciones han tenido un comportamiento similar en el pasado. 

En total 422 pares, 844 activos.

A continuación creamos un nuevo dataframe llamado “df1” con los retornos para los 848 activos ordenados por correlación filtrada hasta un mínimo de 0.8.

# NOS QUEDAMOS CON LOS ACTIVOS >0.8 CORRELACIÓN

upper = upper[upper>0.8]

upper = list(upper.index)

tickercurados = list([x for ticker in upper for x in ticker])

df1 = returns.reindex(columns=tickercurados)

Calculamos los retornos acumulativos de cada activo partiendo de 1, manteniendo el orden de las parejas.

# CALCULO LOS RETORNOS ACUMULATIVOS

cr = (1+df1).cumprod()

Normalizamos la serie de retornos por pares (el primero menos el segundo, el tercero menos el cuarto…) y lo juntamos todo en un nuevo dataframe llamado “resultados”. 

Con esto podremos ver si hay diferencias entre los retornos de un activo con el otro de forma agregada.

# RESTO LOS RETORNOS ACUMULATIVOS (EL PRIMERO MENOS EL SEGUNDO)

resultados = pd.DataFrame()

for i in range(0,len(df1.columns),2):

    diferencia = cr.iloc[:,i] – cr.iloc[:,i+1]

    resultados = pd.concat([resultados,diferencia],axis=1)

Generamos el nuevo nombre de cada columna, que será la unión entre el nombre de los tickers de los pares.

# GENERO EL NUEVO NOMBRE TICKER-TICKER DE CADA COLUMNA CON LOS RETORNOS RESTADOS.

l = []

for i in range(0,len(tickercurados),2):

    tickers = «-«.join(tickercurados[i:i+2])

    l.append(tickers)

l = [x for x in l if x]

resultados.columns = l

Calculamos el ratio estadístico z-score para saber qué tan distantes son los resultados con respecto a sus medias basándonos en desviaciones estándar.

# NORMALIZAMOS LA SERIE (Z_Score): ((X-X.MEAN())/X.STD()

z_score=pd.DataFrame()

for i in range(len(resultados.columns)):

    serie = (resultados.iloc[:,i] – resultados.iloc[:,i].mean())/resultados.iloc[:,i].std()

    z_score = pd.concat([z_score,serie],axis=1)

Dibujamos las series normalizadas de los primeros 8 pares y los últimos 8 para tener una idea del comportamiento que han tenido, tanto para los activos con correlación más cercana a 1 como a 0.8, también dibujamos 2 bandas, una en 2 y otra en -2 para determinar posibles puntos de compra y/o de venta suponiendo una reversión a la media.

# DIBUJO DE LAS PRIMERAS 8 SERIES NORMALIZADAS (Z-SCORE)

t = «Series normalizadas de pares >0.8»

z_score.iloc[:,:8].plot(figsize=(20,8),title=t)

[plt.axhline(y=i, linestyle=’–‘, lw=2, color=’r’) for i in [-2,2]]

plt.show()

A partir de aquí, decidiríamos qué tipo de operativa vamos a ejecutar de forma sistemática. 

Un ejemplo podría ser el de ponernos largos del par (comprar la primera acción y vender la segunda) cuando la normalización cae a -2 y al revés cuando la normalización sube a 2, cerrando la operación cuando la normalización toque -0.5 o 0.5 en el caso contrario.

Hay muchas posibilidades que se pueden backtestear.

Vamos a señalizar todos los cruces en que la normalización toca esos puntos en dos dataframes distintos: signalc y signalv.

# SEÑALIZAMOS CRUCES EXACTOS PARA COMPRA/VENTA

for i in range(len(z_score)):

    signalv = pd.DataFrame(np.where(z_score>2,1,0), index= z_score.index, columns= z_score.columns)

    signalc = pd.DataFrame(np.where(z_score<-2,1,0), index= z_score.index, columns= z_score.columns)

signalv = signalv.diff()

signalc = signalc.diff()

Normalizamos y reordenamos nuestros precios de cierre por columnas de activos aparejados por correlación, igualando el número de filas al dataframe de las señales, para poder graficar los activos con esas señales superpuestas.

data = data.reindex(columns=tickercurados)[1:]

data = data/data.iloc[0]

Ahora mostramos el 5º par a modo de ejemplo (RF-KEY), dibujando encima de los precios de cierre esas señales de compra/venta cuando la normalización de las series tocan 2 y -2.

# DIBUJAMOS UN EJEMPLO DE PARES CON COMPRAS/VENTAS PARA EL PERIODO:

fig = plt.figure(figsize=(20,10))

ax1 = fig.add_subplot(111,title=»Estrategia de Pares» ,ylabel=’Pares’, xlabel=»Fechas»)

ax1.plot(data.iloc[:,8][signalc.iloc[:,8] == -1],’v’, markersize=12, color=’g’)

ax1.plot(data.iloc[:,8][signalv.iloc[:,8] == -1],’^’, markersize=12, color=’r’)

ax1.plot(data.iloc[:,9][signalc.iloc[:,9] == -1],’v’, markersize=12, color=’g’)

ax1.plot(data.iloc[:,9][signalv.iloc[:,9] == -1],’^’, markersize=12, color=’r’)

ax1.plot(data.iloc[:,[8,9]], label=data.iloc[:,[8,9]].columns, lw=2)

ax1.legend()

ax1.grid()

plt.show()

Podemos realizar otro tipo de análisis de las series utilizando describe(), a continuación se muestra un ejemplo ordenando por valores mínimos de menor a mayor:

# DESCRIPCIÓN DEL DATAFRAME 

z_score.describe().T.head(15).sort_values(by=’min’, ascending=True).drop([‘count’],axis=1)

Todo este ejemplo nos lleva a poder partir de la base para realizar la construcción de nuestra estrategia de pares, decidiendo qué señales de compra/venta utilizaremos para operar y con qué gestión de capital.

P.D.: Pongo todo el código para el que quiera utilizarlo directamente:

import yfinance as yf

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import yahoo_fin.stock_info as si

# DESCARGA DEL UNIVERSO DE ACTIVOS + CÁLCULO CORRELACIÓN

tickers = si.tickers_sp500()

data = yf.download(tickers, start=’2018-01-04′, progress=False)[‘Close’]

returns = data.pct_change()[1:].dropna(axis=1)

corr = returns.corr(method=’pearson’)

# NOS QUEDAMOS CON LOS ACTIVOS >0.8 CORRELACIÓN

upper = corr.where(np.triu(np.ones(corr.shape), k=1).astype(np.bool8)).unstack().dropna().sort_values(ascending=False)

upper = upper[upper>0.8]

upper = list(upper.index)

tickercurados = list([x for ticker in upper for x in ticker])

tickercurados

len(tickercurados)

df1 = returns.reindex(columns=tickercurados)

df1.columns

# CALCULO LOS RETORNOS ACUMULATIVOS

cr = (1+df1).cumprod()

# RESTO LOS RETORNOS ACUMULATIVOS (EL PRIMERO MENOS EL SEGUNDO)

resultados = pd.DataFrame()

for i in range(0,len(df1.columns),2):

    diferencia = cr.iloc[:,i] – cr.iloc[:,i+1]

    resultados = pd.concat([resultados,diferencia],axis=1)

# GENERO EL NUEVO NOMBRE TICKER-TICKER DE CADA COLUMNA CON LOS RETORNOS RESTADOS.

l = []

for i in range(0,len(tickercurados),2):

    tickers = «-«.join(tickercurados[i:i+2])

    l.append(tickers)

resultados.columns = l

# NORMALIZAMOS LA SERIE: ((X-X.MEAN())/X.STD()

z_score=pd.DataFrame()

for i in range(len(resultados.columns)):

    serie = (resultados.iloc[:,i] – resultados.iloc[:,i].mean())/resultados.iloc[:,i].std()

    z_score = pd.concat([z_score,serie],axis=1)

# DIBUJO DE SERIES NORMALIZADAS (Z-SCORE)

t = «Series normalizadas de pares >0.8»

z_score.iloc[:,:8].plot(figsize=(20,8),title=t)

[plt.axhline(y=i, linestyle=’–‘, lw=2, color=’r’) for i in [-2,2]]

plt.show()

# SEÑALIZAMOS CRUCES EXACTOS PARA COMPRA/VENTA

for i in range(len(z_score)):

    signalv = pd.DataFrame(np.where(z_score>2,1,0), index= z_score.index, columns=z_score.columns)

    signalc = pd.DataFrame(np.where(z_score<-2,1,0), index= z_score.index, columns=z_score.columns)

signalv = signalv.diff()

signalc = signalc.diff()

data = data.reindex(columns=tickercurados)[1:]

data = data/data.iloc[0]

# DESCRIPCIÓN DEL DATAFRAME 

z_score.describe().T.head(15).sort_values(by=’min’, ascending=True).drop([‘count’],axis=1)

# DIBUJAMOS UN EJEMPLO DE PARES (EL 5º PAR) CON COMPRAS/VENTAS PARA EL PERIODO:

fig = plt.figure(figsize=(20,10))

ax1 = fig.add_subplot(111,title=»Estrategia de Pares» ,ylabel=’Pares’, xlabel=»Fechas»)

ax1.plot(data.iloc[:,8][signalc.iloc[:,8] == -1],’v’, markersize=12, color=’g’)

ax1.plot(data.iloc[:,8][signalv.iloc[:,8] == -1],’^’, markersize=12, color=’r’)

ax1.plot(data.iloc[:,9][signalc.iloc[:,9] == -1],’v’, markersize=12, color=’g’)

ax1.plot(data.iloc[:,9][signalv.iloc[:,9] == -1],’^’, markersize=12, color=’r’)

ax1.plot(data.iloc[:,[8,9]], label=data.iloc[:,[8,9]].columns, lw=2)

ax1.legend()

ax1.grid()

plt.show()

El presidente de la Fed, Jerome Powell, se parece al expresidente Paul Volcker por Ed Yardeni

Parece que el presidente de la Fed, Jerome Powell, leyó recientemente la autobiografía del expresidente de la Fed, Paul Volcker, Keeping At It (2018). El resumen de Amazon dice: “Como presidente de la Reserva Federal (1979-1987), Paul Volcker mató al dragón inflacionario que consumía la economía estadounidense y restauró la fe del mundo en los banqueros centrales”.

En su conferencia de prensa del miércoles pasado, Powell mencionó «mantener» o «mantenerse así» en el contexto de mantener el curso de ajuste un total de seis veces:

(1) “Seguiremos haciéndolo hasta que estemos seguros de que el trabajo está hecho”.

(2) “El FOMC está firmemente decidido a reducir la inflación al 2 %, y lo seguiremos haciendo hasta que termine el trabajo”.

(3) “Queremos actuar agresivamente ahora y hacer este trabajo y seguir haciéndolo hasta que esté terminado”.

(4) “Y a la luz de la alta inflación que estamos viendo, creemos que tendremos que… llevar nuestra tasa de fondos a un nivel restrictivo y mantenerla ahí por algún tiempo”.

(5) “Entonces, lo que eso nos dice es que necesitamos continuar, y podemos seguir haciendo esto y, [como] lo hicimos hoy, hacer otro gran aumento a medida que nos acercamos al nivel que creemos que debemos alcanzar. , y todavía estamos descubriendo cuál es ese nivel”.

(6) “Y tenemos que volver a ese nivel [es decir, una tasa de inflación del 2 %] y mantenerla durante otro largo período de tiempo… [E]l registro muestra que si se pospone eso, es probable que la demora conduzca a más dolor.»

En QuickTakes del viernes, notamos que Powell mencionó las palabras «dolor» o «doloroso» siete veces en su prensa. Lo hizo en el contexto de que reducir la inflación con una política monetaria estricta podría causar una recesión, pero el dolor solo será peor más adelante si la Fed no pisa los frenos monetarios ahora.

Además, Powell mencionó la palabra «restrictivo» 12 veces en su rueda de prensa, en el contexto de que, en 3.00%-3.25%, la tasa de fondos federales está «probablemente en el nivel más bajo de lo que podría ser restrictivo». Advirtió que “hay mucho camino por recorrer”. Afirmó que el FOMC necesita «mover nuestra tasa de política a un nivel restrictivo que sea lo suficientemente restrictivo para reducir la inflación al 2%, donde tengamos confianza en eso». Dijo que una vez que la tasa de fondos federales esté en un nivel restrictivo, el FOMC tendrá que “mantenerla allí por algún tiempo”.

Durante su rueda de prensa anterior, el 27 de julio, Powell mencionó la palabra «restrictivo» solo tres veces, y afirmó (una vez) que la política monetaria restrictiva significaría una tasa de fondos federales «en algún lugar en el rango de 3 a 3,5%».

Por cierto, en esa conferencia de prensa de julio, Powell sonó relativamente moderado:

“A medida que la postura de la política monetaria se ajuste aún más, probablemente será apropiado reducir el ritmo de los aumentos mientras evaluamos cómo nuestros ajustes de política acumulativos están afectando la economía y la inflación.” Del mismo modo, en su rueda de prensa de junio, Powell dijo: «Claramente, el aumento de 75 puntos básicos de hoy [en la tasa de fondos federales] es inusualmente grande, y no espero que movimientos de este tamaño sean comunes».

Pero el FOMC elevó la tasa de fondos federales en 75 pb en las reuniones del comité de junio, julio y septiembre, a 3,00%-3,25%. Otra subida de 75pb en la reunión de noviembre llevaría el rango hasta 3.75%-4.00%.

¿Qué está haciendo la Fed? por Ben Carlson

No luches contra la Reserva Federal solía ser un eslogan positivo.

Pero ya no es así.

En todo caso, parece que la Fed quiere luchar contra nosotros, todos nosotros, incluido el mercado de valores y la economía.

La Reserva Federal está tratando activamente de colapsar el mercado de valores, romper el mercado de la vivienda y empujar a la economía a una recesión.

¿Cómo sé esto?

Porque los funcionarios de la Reserva Federal literalmente nos dicen esto cada vez que hablan.

De hecho, hace pocos días el presidente de la Fed, Jerome Powell, básicamente dijo que la gente necesita perder su trabajo para frenar la inflación:

Nunca vamos a decir que hay demasiada gente trabajando, pero el punto real es este, la inflación, lo que escuchamos de la gente cuando nos reunimos con ellos es que realmente están sufriendo de inflación. Y si queremos establecernos realmente para allanar el camino hacia otro período de un mercado laboral muy fuerte, tenemos que dejar atrás la inflación. Ojalá hubiera una forma indolora de hacerlo, no la hay.

No estamos diciendo que haya demasiada gente trabajando, pero tampoco lo estamos negando.

Cuando se le preguntó cuánto tiempo deberían estar preparados los estadounidenses para experimentar el dolor económico, Powell dijo que quiere que los salarios bajen:

¿Cuánto tiempo? Quiero decir que realmente depende de cuánto tiempo tarden en bajar los salarios y más que eso, los precios, para que baje la inflación. Entonces, lo que ven en nuestras proyecciones hoy es que la inflación se reduce significativamente en el transcurso del próximo año y luego más el próximo año después de eso. Y creo que una vez que estás en ese camino, eso es algo bueno, y las cosas comenzarán a sentirse mejor para las personas, sentirán una inflación más baja, sentirán que la economía está mejorando y también, si nuestras proyecciones están en lo cierto, verán que los costos del desempleo son significativos, y ciertamente son muy significativos para las personas que pierden sus trabajos, y hablamos mucho de eso en nuestras reuniones.

¿Y este dolor conducirá a una recesión? Powell dice que no sabe:

Siempre hemos entendido que restaurar la estabilidad de precios mientras se logra una disminución relativamente modesta, o más bien un aumento, en el desempleo y un aterrizaje suave sería un gran desafío y nadie sabe si este proceso conducirá a una recesión o de ser así, cuán significativa sería esa recesión.

Permítanme traducir cada una de estas declaraciones:

• La Fed quiere que la tasa de desempleo aumente para frenar la inflación.
• Quieren que los salarios bajen para frenar la inflación.
• Están dispuestos a lanzarnos a una recesión para frenar la inflación.

De alguna manera, entiendo por qué la Reserva Federal está tan empeñada en frenar el aumento de los precios. A la gente REALMENTE no le gusta la una inflación altísima.

Pero en otros sentidos, creo que lo que está haciendo la Fed es una LOCURA.

¡¿Qué están haciendo?!

La pandemia arruinó seriamente la economía y los mercados de muchas maneras. La Fed fue responsable de algunos de esos problemas, pero también hubo circunstancias atenuantes.

No dictan cómo las diferentes olas de Covid impactarán en la economía global. No controlan los gastos del gobierno. La Fed no puede producir más autos. No pueden arreglar las cadenas de suministro. No pueden controlar las acciones de un loco en Rusia que continúa librando una guerra cruel contra una nación inocente.

Aprecio cómo la Reserva Federal debe sentirse algo responsable de la lectura de inflación más alta en 40 años impares porque mantuvo las tasas en 0% durante mucho tiempo y engulló bonos como la gente en Costco comiendo muestras gratis.

Lo entiendo.

La Fed estaba detrás de la bola ocho en términos de ver venir esta inflación. Se suponía que iba a ser transitorio y no lo fue.

Pero la Fed ya se ha movido ridículamente rápido con su endurecimiento.

Kathy Jones de Charles Schwab analizó el cambio en la tasa de fondos federales durante los últimos 40 años de ciclos de ajuste:

Les tomó un tiempo ponerse en marcha, pero una vez que se dieron cuenta de que la inflación era un problema real, corrigieron en exceso y aumentaron las tasas a un ritmo más rápido que casi todas las Reservas Federales en la historia.

Quieren que la bolsa de valores baje. Quieren que la gente pierda sus trabajos y gane menos dinero. Derribarán la economía si es necesario para que los precios dejen de subir.

La Fed nos dice más o menos que está dispuesta a subir las tasas de interés lo suficiente como para aplastar la economía.

¿Deberíamos creerles?

Por ahora supongo que sí.

Creo que los funcionarios de la Fed están tan avergonzados que están dispuestos a corregir en exceso al otro lado y forzarnos a una recesión.

Por otro lado, la capacidad de previsión de la Fed deja mucho que desear.

En septiembre de 2020, la Fed predijo que la tasa de desempleo tardaría hasta 2023 en llegar al 4%. Eso parecía razonable en ese momento considerando cuánto tiempo se tardó en recuperar los trabajos durante las recuperaciones anteriores.

En cambio, la tasa de desempleo ya estaba por debajo del 4% en diciembre de 2021, años antes de lo previsto:

Bien, tuvimos la recuperación de empleos más rápida de la historia desde una tasa de desempleo de dos dígitos. Démosles un premio por eso. Era fácil ser pesimista en 2020 antes de que la vacuna estuviera aquí.

Pero, ¿cómo le fue a la Reserva Federal con sus predicciones una vez que se hizo evidente que la recuperación económica ya estaba en marcha?

Bien…

La Fed hizo un pronóstico similar en junio de 2021 cuando los mercados estaban despejados y la economía ya se estaba recuperando:

He destacado aquí el pronóstico de la Fed para las tasas de interés a corto plazo. Estaban calculando 0% hasta fines de 2022 con un aumento de 50 puntos básicos en 2023.

Obviamente, la Fed no asumió que veríamos un aumento de la inflación al 9% este año (yo tampoco).

Pero la tasa de fondos federales ahora está en 3.25%. Han subido los tipos 75 puntos básicos en las dos últimas reuniones. ¡Esos dos aumentos de tasas son más altos que el pronóstico de aumento de tasas para todo 2023!

No voy a culpar a nadie por estar un poco fuera de su pronóstico de la economía desde el comienzo de la pandemia.

Este es claramente uno de los entornos económicos más difíciles que hemos experimentado. No hay precedentes históricos de lo que hemos vivido.

Parece como si hubiéramos pasado por 7 ciclos económicos en los últimos 3 años.

Mi problema con la Reserva Federal es que no parecen tener la humildad de admitir cuán difícil es el entorno en el que nos encontramos.

Ya han apretado considerablemente.

El mercado de valores se está desplomando. El mercado de la vivienda se está paralizando. Los precios de la gasolina han bajado. Los precios de las materias primas han bajado. Las tasas hipotecarias se han más que duplicado.

¿Por qué no darle algo de tiempo para ver cómo se desarrollan las cosas a partir de aquí?

¿Por qué no dejamos que la economía respire durante un minuto antes de intentar que la gente sea despedida de su trabajo?

No estoy preocupado por el mercado de valores o el mercado de bonos. No es divertido lidiar con pérdidas, pero las pérdidas son parte del trato con los activos de riesgo.

Tarde o temprano se recuperarán.

Es mucho más fácil recuperarse de un mercado bajista que de la pérdida de un empleo. Solo piense en los millones de personas que perdieron sus trabajos en 2020 debido a la pandemia. ¿Realmente queremos que la gente vuelva a pasar por eso tan pronto?

Me doy cuenta de que las recesiones son una característica de este sistema en el que operamos. Las recesiones son imposibles de evitar.

Pero, ¿por qué elegiríamos crear una si podemos evitarlo?

¿Por qué no permitir que las personas vean aumentar sus salarios por un poco más de tiempo y tener un poco de paciencia para ver si la inflación relacionada con la pandemia disminuirá por sí sola?

Hay dos tipos de riesgos cuando se trata de mercados financieros: (1) evitables y (2) inevitables.

Si la Reserva Federal nos envía a una recesión, me parece un riesgo evitable.

No entiendo qué están haciendo Jerome Powell y compañía en este momento.

La buena noticia es que la Reserva Federal cambia constantemente de opinión porque son tan malos para predecir el futuro como todos los demás.

Esperemos que vuelvan a sus sentidos antes de que rompan algo.

¿Y si cambiamos la cartera clásica 60/40 por una 90/60 gracias al apalancamiento? por Jose Luis Cárpatos

• En el mundo de la inversión, de hoy en día, se suele vilipendiar con razón el apalancamiento excesivo. ¿Podría ayudarnos si se usa con cabeza? Jose Luis Cárpatos nos lo explica. 
• Artículo publicado en Hispatrading 41.

En relación al apalancamiento es muy destacable al disparate que se llegó, por ejemplo, en el mundo de los CFDs. Algunas casas daban apalancamientos de 300 a 1. Un planteamiento que normalmente solía acabar en problemas y excesos de usos indebidos.

Para una persona que esté intentando cubrir divisa sobre una cartera real, un apalancamiento así, es una bendición. Pero para el 99% de los que lo usaban era el inicio del camino a los infiernos de la inversión.

A raíz de todo esto, el apalancamiento tiene muy mala prensa. Pero no debemos caer en los extremos. El apalancamiento moderado y prudente no sólo no es malo, sino que es bueno. Tiene muchas ventajas. Por ejemplo, el mejor inversor del mundo, Buffett, usa muy frecuentemente esta figura. Eso sí, de forma muy prudente.

Pues bien, en esta línea de pensamiento, me ha gustado mucho este artículo serio, donde se aborda un estudio a conciencia de esta posibilidad. ¿Qué tal si en lugar de operar con el dólar que tenemos lo intentamos por ejemplo con 1,5 dólares vía apalancamiento? No es algo excesivo. Vamos a ver los resultados.

El artículo lo pueden leer en inglés aquí:

Beta portátil táctica

https://blog.thinknewfound.com/2019/05/tactical-portable-beta/

Aquí tienen una cita sobre un ETF, que refleja la idea principal del artículo:

En agosto de 2018, WisdomTree introdujo el 90/60 US Balanced Fund (ticker: NTSX), que combina la exposición de capital con una escalera de futuros del Tesoro de EE. UU. Para crear el equivalente de una cartera de 60/40 apalancada de 1.5x. El 27 de marzo de 2019, NTSX recibió el ETF más innovador y nuevo de 2018 de ETF.com.

Aquí les pongo un gráfico donde he comparado la marcha de este ETF con la del S&P 500.

De momento va bastante mejor.

En el estudio aparece una comparativa mayor y no solo con el S&P 500 sino también con una cartera de 60/40 sin apalancar:

La rentabilidad es mucho mayor aunque llama la atención como lógicamente la volatilidad aumenta exponencialmente.

Les ahorro una buena parte del estudio, ya que es muy denso. Voy al grano. Tras muchas consideraciones teóricas los autores plantean un nuevo enfoque de esta idea. Tener una entrada variable al modelo, y no de forma estática como es lo habitual.

Vean esta cita:

La exposición a bonos y acciones se ajustaría tácticamente, sin tener en cuenta la otra exposición. Si bien teóricamente es menos sensato, se podría interpretar que este enfoque dice: “Generalmente, queremos exposición a las primas de riesgo de acciones y bonos a largo plazo, y nos gusta el marco 60/40, pero puede haber ciertos escenarios en los que creemos que lo esperado en cuanto el retorno no justifica el riesgo”. La desventaja de este enfoque es que puede sacrificar los beneficios potenciales de diversificación entre acciones y bonos.

Dado que el concepto original de beta portátil es aumentar la exposición a las primas de riesgo a las que ya estamos expuestos, preferimos el segundo enfoque. Creemos que refleja con mayor precisión la idea de tratar de proporcionar una exposición a largo plazo a las primas de riesgo generadoras de retorno, al mismo tiempo que intentamos evitar las reducciones significativas y prolongadas que pueden realizarse con los enfoques de comprar y mantener.

Los autores tienen publicadas en otros artículos una serie de señales complejas para invertir en bonos, lo pueden ver por ejemplo en este artículo:

https://blog.thinknewfound.com/2018/01/timing-bonds-value-momentum-carry/

Aplicando sus señales proponen esta cartera contando con el apalancamiento:

90% trend equity, 20% bond value, 20% bond momentum, and 20% bond carry.

Estaríamos hablando de un modelo, por tanto, 90/60. Es decir 90% renta variable y 60% renta fija, en el cual el 60% de bonos, va mutando de unos bonos a otros según las condiciones de mercado. Estos serían los valores máximos. Los resultados mejoran mucho.

Para quien quiera estudiar esto a fondo recomiendo leer el artículo. No vamos a profundizar más en las siguientes cosas que proponen para completar su modelo. Ya advierto que se complica mucho todo y que es bastante complicado llevar a la práctica.

Yo me quedaría con las siguientes conclusiones.

Un modelo 90/60 vía apalancamiento, es mucho mejor que un modelo 60/40 clásico.

Un modelo 90/60 estático, no tiene una rentabilidad mucho menor que el modelo dinámico que proponen los autores, complicando mucho las cosas.

Un modelo 90/60 se puede mejorar mucho, bajando notablemente la volatilidad y los drawdowns, usando para la parte de renta variable un filtro de los clásicos como la media de 10 meses. Y la parte de renta fija, se puede mejorar usando un universo de varios ETFs de bonos diversificados y unos u otros con cualquier filtro del estilo a este, mediante la media de 10 meses.

Menos complicaciones y buenos resultados. La idea de los autores es buena, pero no la complicaríamos tanto, y puede ser igual de efectiva.

Y para quien no quiera ninguna complicación pues al menos aporta la idea del ETF comentado al principio, con una cartera 90/60 clásica de comprar y mantener.

El artículo de este número no pretende más, solo plantar una posible idea a desarrollar por cada uno.

Equity duration & inflación: ver las acciones como bonos por Ensemble Capital

“Conceptualmente, si piensa en lo que está haciendo cuando compra acciones, está comprando dos flujos de efectivo: el flujo de efectivo entregado como dividendo y el flujo de efectivo que retiene la dirección para invertir en su nombre. Ese es el comodín.» -Donald Yacktman

Antes de jubilarse, el ex gestor de fondos mutuos de Morningstar, Donald Yacktman, solía dar una presentación sobre la selección de acciones que llamó Viewing Stocks as Bonds. Muchos inversores piensan en los bonos como inversiones seguras y de bajo rendimiento que producen efectivo, mientras que las acciones son puntos en la pantalla de su computadora que rebotan y su trabajo es adivinar dónde rebotarán a continuación. Pero Yacktman entendió que, de hecho, tanto las acciones como los bonos son valores que brindan efectivo potencial en el futuro a cambio de brindar efectivo hoy.

Con los bonos es fáciles pensar de esta manera. Hoy, si le da al gobierno de los EE. UU. $ 100,000 en efectivo, le darán un bono del tesoro a 10 años recién emitido que le pagará un 3% de interés en efectivo cada año durante 10 años y luego le devolverá los $ 100.000. Este bono se considera una inversión extremadamente segura porque el gobierno de los EE. UU. está absolutamente seguro de que hará los pagos de intereses a tiempo y le devolverá sus $100.000 en 10 años.

Sin embargo, aunque este bono se considera seguro, su valor podría caer entre un 10 % y un 20 % con bastante rapidez. Si bien existe una probabilidad casi nula de que el gobierno de EE. UU. no cumpla con su parte del contrato, otros inversores pueden decidir que el 3% no es un rendimiento lo suficientemente alto como para interesarlos en comprar su bono si desea venderlo. Si otros inversores deciden que necesitan ganar el 5 % para comprar un bono del Tesoro a 10 años, solo estarán dispuestos a pagarle $85.000 por el bono por el que usted pagó $100.000.

¿Cómo podría ser esto? Dado que el gobierno de EE. UU. no ha cambiado los términos del bono de ninguna manera, ¿qué hace que valga un 15% menos? Si bien nada ha cambiado para usted como comprador del bono o para el gobierno de EE. UU. como vendedor del bono, otros inversores han decidido que quieren obtener una tasa de rendimiento más alta por elegir poseer el bono en cuestión. Dado que su bono de $100.000 solo paga $3.000 (3%) al año en intereses, para obtener una tasa de rendimiento del 5%, otros inversionistas deben pagarle $85.000 por su bono. Al hacerlo, ganarán los mismos $3.000 en intereses anuales que usted obtendría, y obtendrán $100.000 dentro de diez años por el bono por el que solo pagaron $85.000. Si hace los cálculos, encontrará que le dará al otro inversor un rendimiento anual del 5%.

Entonces, si bien los flujos de efectivo contractuales de un bono del tesoro a 10 años están garantizados en los mercados financieros globales, el valor real de un bono del tesoro lo establecen otros inversores que en cualquier momento pueden cambiar radicalmente cuánto quieren obtener para tener el bono.

Aquí hay un gráfico a largo plazo del rendimiento al vencimiento de los bonos del Tesoro a 10 años.

Durante los últimos 60 años, los inversores han requerido una tasa de rendimiento entre el 0,7 % (en 2020) y el 15,8 % (en 1981) para tener un bono del tesoro a 10 años. Esto es a pesar del hecho de que en ningún momento durante ese período de tiempo hubo dudas de que el gobierno de EE. UU. De hecho cumpliría con los pagos de bonos contractuales.

Supongamos que compró un bono del Tesoro a 10 años con un rendimiento del 0,7 %, pero cuando se da la vuelta para venderlo, otros inversores querían obtener una tasa de rendimiento del 15,8 %. En este caso, el bono por el que pagó $100.000 valdría solo $26.000. Una caída del 74% en el valor. Si, en cambio, compró un bono del Tesoro a 10 años con una tasa de rendimiento del 15,8% y luego se lo vendió a un inversionista que solo necesitaba ganar el 0,7%, el otro inversionista estaría dispuesto a pagarle $245.000 por una ganancia del 145%.

Lo que esto ilustra es que el valor de un bono, incluso uno garantizado por la plena fe y crédito del gobierno de los EE. UU., está muy influenciado por las opiniones de otros inversores. Estos otros inversores pueden exigir una tasa de rendimiento más alta o más baja en cualquier momento por razones que tengan o no sentido.

A principios de año, por ejemplo, otros inversores solo exigían un rendimiento del 1,5 % para poseer un bono del tesoro a 10 años, mientras que hoy eso se ha duplicado hasta el 3,0 %. Este cambio ha reducido el valor de un bono del Tesoro a 10 años recién emitido en un 12%. Dado que un comprador de un bono del Tesoro a 10 años a principios de año acordó que se le pagara solo el 1,5% anual, ¡la disminución del valor del 12% equivale a haber perdido 8 años de pagos de intereses!

Pero aquí está la cosa. Cuando compra un bono del Tesoro a 10 años, terminará ganando la tasa de rendimiento inicial que haya acordado, siempre y cuando la mantenga hasta que venza el bono. Las opiniones de otros inversores sobre el valor del bono y la tasa de rendimiento que exigen son irrelevantes a menos que decida que desea vender el bono antes de su vencimiento. Pero las opiniones de estos otros inversionistas pueden impactar dramáticamente el valor de mercado actual del bono entre el momento en que lo compra y cuando vence.

Lo que Donald Yacktman intentaba comunicar era que las acciones se comportan exactamente igual que los bonos. La única diferencia es que los pagos de intereses de los bonos y los valores de vencimiento están garantizados por contrato (aunque, por supuesto, a veces los emisores de bonos incumplen el contrato), mientras que las acciones, que ofrecen un derecho prorrateado sobre los flujos de efectivo corporativos, tienen pagos de efectivo futuros inciertos ( dividendos) y el “valor de vencimiento” incierto (es decir, el valor futuro de la empresa cuando termine su fase de crecimiento y el modelo de negocio esté completamente maduro).

Hace años ya exploramos el concepto de «inversión intrínseca» y cómo pensamos acerca de invertir de la misma manera que Donald Yacktman.

“Si te olvidas del mercado de valores por un momento y solo te enfocas en los negocios (después de todo, las acciones son solo una parte fraccionaria de un negocio), verás que los negocios tienen un valor para sus dueños que es independiente del valor de cualquier otra persona. piensa que lo son. Las empresas generan un flujo de ganancias en efectivo que tienen varios grados de volatilidad y riesgo. Claramente, este efectivo es valioso para los propietarios potenciales. Pero cada propietario potencial valorará ese efectivo de manera ligeramente diferente.

De esta forma, el valor intrínseco de una empresa es el precio que un inversor pagaría para que el rendimiento en efectivo de su inversión le resulte satisfactorio. Es decir, el rendimiento en efectivo generado por el negocio, no el rendimiento potencial generado por la venta del negocio en algún momento en el futuro”.

Al igual que la tasa de rendimiento de un bono si se mantiene hasta el vencimiento se basa en los pagos contractuales realizados por el emisor del bono, no en el valor que otros inversores puedan considerar el bono entre la compra y el vencimiento, lo mismo ocurre con las acciones. Pero los inversionistas en acciones generan rendimientos mucho más altos que los inversionistas en bonos en promedio, debido a la incertidumbre de los flujos de efectivo futuros asociados con una acción en comparación con un bono.

Como explicamos en nuestro PRIMER ARTÍCULO de esta serie, si piensa en una acción en términos de una relación PE, hay dos formas típicas en que una acción disminuye con las que todos los inversores están familiarizados.

• El precio puede disminuir a pesar de que las ganancias no disminuyan. Cuando esto sucede, se trata de un fenómeno temporal siempre que la relación PE inicial no esté por encima del valor razonable a largo plazo. Pero es un evento más permanente si la acción estaba sobrevaluada para empezar.
• Las ganancias pueden disminuir, arrastrando consigo el precio de las acciones. Cuando esto sucede, es un fenómeno temporal siempre que se recuperen las ganancias (como cuando la economía atraviesa una recesión pero luego se recupera, o una empresa experimenta un período de resultados débiles del que luego se recupera), pero es un fenómeno más permanente. caso de que las ganancias fueran insosteniblemente elevadas para empezar.

Pero luego hay una tercera razón que no se entiende tan bien, porque ha sido un evento históricamente raro, que creemos que está ocurriendo ahora y tiene un impacto enorme en las empresas de larga duración frente a las de corta duración.

• La relación PE del valor razonable de una acción puede disminuir a pesar de que no haya un cambio significativo en las ganancias de la empresa. Esto ocurre cuando los inversores aumentan significativamente la tasa de rendimiento que necesitan para sentirse compensados ​​de manera justa por poseer una acción. Esto sucede cuando los inversores esperan que la inflación se mantenga a tasas históricamente altas durante un largo período de tiempo. Cuando esto ocurre, los inversionistas requieren tasas más altas de rendimiento de acciones a plazo (es decir, índices PE actuales más bajos) para generar rendimientos reales que sean consistentes con los rendimientos reales que estaban acostumbrados a obtener durante períodos de menor inflación.

La razón por la que usamos los ejemplos de bonos en este artículo es que ilustran cómo incluso cuando no hay ningún cambio en los flujos de efectivo futuros esperados, los cambios en las tasas de rendimiento requeridas por los inversores pueden tener un gran impacto en el valor de los valores adjuntos. a esos flujos de efectivo.

En nuestro próximo y ultimo artículo de esta serie, examinaremos la década de 1970 y lo que esa década nos puede enseñar sobre los rendimientos de inversión para acciones de larga y corta duración durante y después de períodos de inflación elevada.

Los rendimientos de los bonos están rompiendo al alza de nuevo por Sentimentrader

Los rendimientos están aumentando de nuevo y a otras clases de activos no les gusta la competencia de los bonos.

Esta semana, los rendimientos del Tesoro que van desde los 6 meses hasta los 10 años cerraron en un nuevo máximo de 252 días. La ruptura de los rendimientos se produjo después de una relajación de las tasas, lo que ayudó a impulsar el importante repunte de las acciones desde el mínimo de junio.

Un modelo que mide el porcentaje de rendimientos del Tesoro que cerró en un máximo de 252 días en el último mes pasó de <20 % a > 98 %, lo que provocó una nueva señal por segunda vez este año. Tendríamos que volver a 1973-74 para encontrar dos o más ocasiones así dentro del contexto de un mercado bajista.

El desglose del rendimiento parece desagradable para las acciones, con rendimientos negativos en todos los plazos hasta tres meses después. Desde 1974, las acciones cerraron a la baja en 16 de 18 casos en las dos primeras semanas.

Un análisis de los rendimientos del sector y la industria después de estas señales históricas muestra que casi nada subió en las primeras semanas. Los grupos defensivos muestran un mejor desempeño a partir de un mes después de las señales.

Con los rendimientos del tesoro aumentando desde mínimos históricos hasta un nivel más competitivo, no debería sorprender ver una compresión en la relación precio/beneficio. La señal anterior de enero muestra la contracción más significativa en la historia de la relación PE ajustada cíclicamente (CAPE) de Shiller durante los próximos seis meses.

Al igual que las acciones, las materias primas lucharon con rendimientos mayormente planos a corto y medio plazo. El oro luchó más que una amplia cesta de materias primas, con rendimientos negativos en los primeros meses.

Las tasas en rápido aumento a lo largo de la curva casi siempre han sido un desafío para los inversores en todas las clases de activos.

Conceptos básicos del trading de pares o pair trading: correlación, cointegración y estrategia por Quantinsti

La estrategia del trading de pares es una de las estrategias más populares cuando se trata de encontrar oportunidades entre las dos acciones que están cointegradas.

¿Cómo se cointegran las acciones? ¿Cómo aprovechar su cointegración con una estrategia de trading de pares? Este artículo lo analiza todo, ya que cubre:

• ¿Qué es el trading de pares?
• Historia del trading de pares
• ¿Cuál es la lógica detrás del trading de pares?
• Términos esenciales utilizados en el trading de pares
  • Correlación
  • Cointegración
  • puntuación Z
• Prueba de Dickey Fuller aumentada
• Pasos para el trading de pares
  • Seleccionar acciones para el trading de pares
  • Puntos de entrada
  • Definición de puntos de salida
• Estrategia de trading de pares usando Excel y Python
• Ventajas del trading de pares
• Desventajas del trading de pares

¿Qué es el trading de pares?

En una estrategia de trading de pares, por lo general, un par de acciones se opera en una estrategia de mercado neutral o market neutral, es decir, no importa si el mercado tiene una tendencia alcista o bajista, las dos posiciones abiertas para cada acción se protegen entre sí. Los desafíos clave en el trading de pares son:

• Seleccione un par que le brinde buenas oportunidades de arbitraje estadístico a lo largo del tiempo
• Seleccione los puntos de entrada/salida

Historia del trading de pares

El trading de pares se introdujo por primera vez a mediados de la década de 1980 por un grupo de investigadores analistas técnicos que trabajaban para Morgan Stanley. La estrategia de trading de pares utiliza análisis estadísticos y técnicos para buscar posibles ganancias neutrales en el mercado.

¿Cuál es la lógica detrás del trading de pares?

En el caso de una estrategia de trading de pares, las dos acciones o los instrumentos financieros deben tener una tendencia a un precio medio similar y permanecer cerca uno del otro. Pero, en determinadas ocasiones, uno de los instrumentos puede pasar por un breve período de desviación respecto al otro en cuanto al precio.

En este corto período, el trader puede aprovechar la oportunidad de ir en largo con uno de los instrumentos financieros mientras abre en corto el otro. Las posiciones se basan en el precio de mercado actual de las acciones y su desviación estándar.

Términos esenciales utilizados en el trading de pares

Algunos de los términos esenciales que se utilizan en la estrategia de trading de pares son:

Correlación

La correlación se cuantifica mediante el coeficiente de correlación ρ, que oscila entre -1 y +1. El coeficiente de correlación indica el grado de correlación entre las dos variables.

El valor de +1 significa que existe una correlación positiva perfecta entre las dos variables, -1 significa que hay una correlación negativa perfecta y 0 significa que no hay correlación.

Una correlación positiva perfecta es cuando una variable se mueve hacia arriba o hacia abajo y la otra variable también se mueve en la misma dirección con la misma magnitud.

Mientras que una correlación negativa perfecta es cuando una variable se mueve hacia arriba y la otra variable se mueve hacia abajo (es decir, opuesta) con la misma magnitud.

El coeficiente de correlación para las dos variables viene dado por:

Correlación(X,Y) = ρ = COV(X,Y) / SD(X).SD(Y)

donde,
cov (X, Y) = la covarianza entre X e Y
SD (X) y SD(Y) = la desviación estándar de las respectivas variables

Si la correlación es alta, digamos 0.8, los traders pueden elegir ese par para el trading de pares. Este alto número representa una fuerte relación entre las dos acciones. Entonces, si A sube, las posibilidades de que B suba también son bastante altas.

Sobre la base de esta suposición, se juega una estrategia de mercado neutral en la que se compra A y se vende B; Las decisiones de compra y venta se toman con base en sus patrones individuales.

Solo mirar la correlación podría darte resultados falsos. Por ejemplo, si su estrategia de negociación de pares se basa en el spread entre los precios de las dos acciones, es posible que los precios de las dos acciones sigan aumentando sin volver a la media .

Spread = log(a) – nlog(b)

donde ‘a’ y ‘b’ = precios de las acciones A y B respectivamente

Por cada acción de A comprada, ha vendido n número de acciones de B.

Ahora, tanto ‘a’ como ‘b’ aumentan de tal manera que el valor del spread disminuye. Esto resultará en una pérdida ya que la acción A está aumentando a un ritmo más bajo que la acción B y usted está corto en la acción B.

Por lo tanto, uno debe tener cuidado de usar solo la correlación para determinar los pares de acciones mientras realiza la estrategia de trading de pares.

Cointegración

La prueba más común para operar con pares es la prueba de cointegración. La cointegración es una propiedad estadística de dos o más variables de series temporales que indica si una combinación lineal de las variables es estacionaria.

Entendamos la afirmación anterior. Las dos variables de series de tiempo, en este caso, son el logaritmo de los precios de las acciones A y B. La combinación lineal de estas variables puede ser una ecuación lineal que define el spread:

Como sabes,

Spread = log(a) – nlog(b)

donde ‘a’ y ‘b’ son los precios de las acciones A y B respectivamente.

Por cada acción de A comprada, ha vendido n acciones de B.

Si A y B están cointegrados, la ecuación anterior es estacionaria. Un proceso estacionario tiene características muy valiosas que se requieren para modelar estrategias de trading de pares.

Por ejemplo, en este caso, si la ecuación anterior es estacionaria, eso sugiere que la media y la varianza de esta ecuación permanecen constantes a lo largo del tiempo.

Entonces, si comenzamos con ‘n’, que se denomina índice de cobertura, de modo que el margen = 0, la propiedad de estacionario implica que el valor esperado del margen permanecerá en 0. Cualquier desviación de este valor esperado es un caso de anormalidad estadística. , por lo tanto, ¡un caso para el trading de pares!

puntuación Z

Dada una distribución normal de puntos de datos sin procesar, el puntaje z se calcula para que la nueva distribución sea una distribución normal con una media de 0 y una desviación estándar de 1. Tener una distribución de este tipo ~ N(0, 1) es muy útil para crear niveles de umbral.

Por ejemplo, en el trading de pares, tenemos una distribución de spread entre los precios de las acciones A y B. Podemos convertir estos puntajes brutos de spread en puntajes z como se explica a continuación.

Esta nueva distribución tendrá una media de 0 y una desviación estándar de 1. Es fácil crear niveles de umbral para esta distribución, como 1,5 sigma, 2 sigma, 2,5 sigma, etc.

La fórmula para el puntaje z es la siguiente:

z = (x – media) / desviación estándar

donde,
x = un punto de datos sin procesar
z = el puntaje z

La media y la desviación estándar pueden ser estadísticas continuas para un período de ‘t’ días o minutos o intervalos de tiempo.

Prueba de Dickey Fuller aumentada

La prueba de Dickey-Fuller aumentada es una extensión de la prueba estándar de Dickey-Fuller , que también verifica tanto la estacionariedad como la no estacionariedad en la serie temporal.

La principal diferencia con la prueba de Dickey Fuller es que la prueba de Dickey Fuller aumentada también se puede aplicar a un conjunto grande de modelos de series temporales. Los modelos de series temporales de gran tamaño pueden ser más complicados y, por lo tanto, la prueba DF se modificó en la prueba ADF. Además, la prueba ADF funciona en los datos con valores faltantes.

Pasos para el trading de pares

Seleccionar acciones para el trading de pares

Para que el par de acciones se negocie en una estrategia de trading de pares, se requiere que la serie de tiempo sea estacionaria. Una serie de tiempo estacionaria hace predicciones efectivas y precisas.

Además, una serie de tiempo estacionaria significa que el par de acciones está cointegrado y se pueden negociar juntos generando señales de trading. Por lo tanto, es necesario seleccionar acciones para realizar el trading de pares.

Para cualquier par de acciones, defina el spread de la siguiente manera:

Spread = log(a) – nlog(b)

donde ‘a’ y ‘b’ son los precios de las acciones A y B respectivamente.

Supuesto : n, la relación de cobertura es constante.

Calcule ‘n’ usando la regresión para que la dispersión sea lo más cercana posible a 0. Por lo tanto, hacemos una regresión de los precios de las acciones para calcular el índice de cobertura.

Teoría : en la regresión, obtenemos un término llamado residuos que representa la distancia del valor observado desde la línea de ajuste de la curva o el valor estimado. Estos residuos nos dicen cuánto se desvía el valor real de ‘spread’ de 0 para el ‘n’ calculado.

Estos residuales se estudian para que entendamos si forman o no una tendencia. Si no forman una tendencia, eso significa que el spread se mueve alrededor de 0 aleatoriamente y es estacionario.

Ejecute la prueba de Dicky Fuller en los valores de dispersión insertando el valor de ‘n’.

La prueba de Dickey Fuller es una prueba de hipótesis que da como resultado un valor p. Si este valor es inferior a 0,05 o 0,01, podemos decir con un 95 % o un 99 % de confianza que la señal es estacionaria y podemos elegir este par.

Hasta ahora, hemos discutido los desafíos y las estadísticas involucradas en la selección de un par de acciones para el arbitraje estadístico. Mediante el uso de las pruebas de cointegración, podemos decir dentro de un cierto nivel de un intervalo de confianza que el spread entre las dos acciones es una señal estacionaria. En otras palabras, esta señal es de reversión a la media. La dispersión se define como:

Spread = log(a) – nlog(b), donde ‘a’ y ‘b’ son los precios de las acciones A y B respectivamente. Por cada acción de A comprada, ha vendido n acciones de B. n se calcula haciendo una regresión de los precios de las acciones A y B.

Habiendo establecido ya que la ecuación anterior es una reversión a la media, ahora necesitamos identificar los puntos extremos o niveles de umbral que, cuando son cruzados por esta señal, desencadenan órdenes de negociación para el trading de pares.

Para poder identificar estos niveles de umbral, una construcción estadística llamada puntaje z se usa ampliamente en el trading de pares.

Puntos de entrada

Denotemos el Spread como ‘s’. De este modo,

Spread = s = log(a) – nlog(b)

Calcule la puntuación z de ‘s’, utilizando la media móvil y la desviación estándar para un período de tiempo de intervalos ‘t’. Guarde esto como ‘z’.

Defina el umbral como cualquier valor entre 1,5 sigma y 2 sigma. Este parámetro cambiará según los resultados del backtesting sin correr el riesgo de sobreajustar los datos.

Cuando el puntaje z cruce un umbral superior, vaya en CORTO:
Vender acciones A
Comprar acciones B

Cuando el puntaje z cruce el umbral inferior, vaya LARGO:
Compre acciones A
Vender acciones B

Actualice la relación de cobertura para calcular la cantidad de existencias.

Ahora hemos entendido los puntos de entrada en el trading de pares. Ahora pasaremos al otro extremo, puntos de salida.

Definición de puntos de salida

Stop loss

Stop loss se define para escenarios en los que no se produce el resultado esperado. Por ejemplo, si elegimos señales de entrada en 2 sigma, esperamos que el spread vuelva a la media desde este umbral. Sin embargo, es posible que el spread continúe aumentando.

Digamos que alcanza 2,5 sigma y usted incurrió en pérdidas. Para evitar más pérdidas, coloca el stop loss en, por ejemplo, 3-sigma.

Además de colocar un criterio de stop-loss predefinido como 3-sigma o variación extrema de la media, puede verificar el valor de cointegración. Si la cointegración se rompe mientras el par está ON, la estrategia justifica recortar las posiciones ya que se anula la hipótesis básica.

Tomar ganancias

Se define como escenarios en los que obtiene ganancias antes de que los precios se muevan en la otra dirección. Por ejemplo, supongamos que está LARGO en el spread, es decir, ha comprado acciones A y vendido acciones B según la definición de spread en el artículo.

La expectativa es que el spread volverá a la media o a 0. En una situación rentable, la media se acercaría a cero o muy cerca. Puede mantener el escenario de toma de ganancias como cuando la media cruza cero por primera vez después de revertir los niveles de umbral.

Puede haber muchas formas de definir la obtención de beneficios en función de su apetito por el riesgo y los resultados del backtesting.

Lo que a menudo funciona es su experiencia y una amplia gama de potentes conjuntos de habilidades que le permiten comprender el escenario completo antes de sacar conclusiones precipitadas. Como mencionamos, su apetito por el riesgo y los resultados de backtesting funcionarán para usted. La automatización y las aplicaciones prácticas son claves.

Hagamos un resumen de lo que hemos entendido hasta ahora. El Pair Trading o estrategia de pares es una estrategia de trading que combina una posición larga en una acción/activo con una posición de compensación en otra acción/activo que está estadísticamente relacionado. El trading de pares puede denominarse una estrategia de reversión a la media en la que apostamos a que los precios volverán a sus tendencias históricas.

Estrategia de trading de pares usando Excel y Python

Debe explorar la prueba Dickey Fuller aumentada para realizar la estrategia de negociación de pares utilizando Excel y Python.

Para realizar la estrategia de trading de pares, tenemos lo siguiente:

Suposiciones

• Para simplificar, ignoramos los spreads de oferta y demanda.
• Los precios están disponibles en intervalos de 5 minutos y operamos únicamente al precio de cierre de 5 minutos.
• Dado que se trata de datos discretos, la cuadratura de la posición se produce al final de la vela, es decir, al precio disponible al final de los 5 minutos.
• Solo se negocia durante la sesión ordinaria (T).

Parámetros de entrada

Tenga en cuenta que todos los valores de los parámetros de entrada son configurables.

• Se considera un promedio de 10 velas (una vela es igual a cada precio de 5 minutos).
• Se considera una puntuación “z” de +2 para comprar y -2 para vender.
• Se establece un stop loss de $100 y un límite de ganancias de $200.
• El tamaño de la orden para operar con MSCI es 50 (1 lote) y para Nifty es 6 (3 lotes).

Ventajas del trading de pares

Las ventajas del trading de pares son las siguientes:

Mitigar pérdidas y riesgos potenciales

Cuando la estrategia de trading de pares funciona según las expectativas del trader, se mitigan las pérdidas potenciales. También ayuda a mitigar los riesgos, ya que la estrategia de pares implica tratar con dos valores, por lo que si uno tiene un rendimiento inferior, existe la posibilidad de que el otro absorba las pérdidas.

Buenos rendimientos

La estrategia de trading de pares ayuda al trader a obtener buenos rendimientos independientemente de las condiciones del mercado. Por lo tanto, en la estrategia de trading de pares, los traders obtienen buenos rendimientos ya que el trader aprovecha la oportunidad cuando el precio de una de las acciones se desvía de la media.

Cobertura

La mejor ventaja del trading de pares es que el trader está completamente cubierto. La cobertura se realiza en esta estrategia cuando el trader vende el valor sobrevalorado y compra el valor infravalorado, lo que limita las posibilidades de pérdida.

Desventajas del trading de pares

Las desventajas del trading de pares son:

Confianza de la alta correlación estadística

El trading de pares se basa en valores que tienen una alta correlación estadística. La mayoría de los traders requieren una correlación de al menos 0,80, lo cual es muy difícil de reconocer.

Altas Comisiones

Algunos traders desaconsejan encarecidamente el trading de pares debido a sus mayores comisiones. A veces, incluso una sola operación de Par requiere que un operador pague una comisión que es casi el doble de la comisión requerida en la operación estándar.

Ejecución

La generación de ganancias en el trading de pares implica confiar en márgenes que son demasiado bajos. Las transacciones se realizan en grandes cantidades, lo que muestra que el riesgo de completar las órdenes de acciones al precio deseado cuando las posiciones están abiertas en un par es alto. Incluso una pequeña diferencia en el precio de compra o el precio de venta del valor puede resultar significativa ya que el volumen de transacciones es alto.

Conclusión

El trading de pares es una estrategia de trading que se basa en la suposición de que los valores altamente correlacionados volverán a su posición neutral después de cualquier divergencia. Esta estrategia se puede incorporar a cualquier tipo de negociación y en cualquier mercado, como acciones, divisas, etc.

Es extremadamente importante que la evaluación de la correlación se realice con cuidado, ya que cualquier suposición o predicción incorrecta puede resultar en el fracaso de la estrategia de trading de pares.

¿Qué tan común es el uso de información privilegiada? Evidencia del mercado de opciones [Estudio] por Quantpedia

El trading con información que no es pública ha sido muy rentable en el pasado (y probablemente todavía lo sea). Los expertos utilizan su conocimiento y lo comparten con inversores institucionales ricos e influyentes que ganan dinero de forma ilegal. Y especialmente, las opciones brindan un apalancamiento atractivo y formas relativamente viables de “ocultar” las fuentes de esta ventaja ilegal. Pero después de varios grandes escándalos, el resurgimiento de algunas formas de tráfico de información privilegiada se detuvo en 2009 después de un juicio con la superestrella de los fondos de cobertura Raj Rajaratnam. Esa “ventaja” claramente ha ido desapareciendo día a día.

La pregunta es: ¿Cuál es la situación ahora? ¿Hay “nuevos métodos” en el espacio de opciones para explotar la información privilegiada? Una investigación reciente de Bondarenko y Muravyev intenta arrojar algo de luz sobre el uso de opciones en el uso de información privilegiada y tiene como objetivo averiguar si sigue siendo un problema real. El documento muestra que después del inicio de la campaña contra el uso de información privilegiada, algunas de las huellas dactilares del uso de información privilegiada de opciones desaparecieron; la previsibilidad de la rentabilidad inducida por la relación put-call se silenció y los volúmenes de negociación de opciones basados ​​en este fenómeno cayeron. Sin embargo, los métodos predominantes para seguir e imitar operaciones a través del análisis del «flujo» de opciones, que pueden indicar señales no públicas de datos públicos («información privada legal»), siguen vivos y son relevantes.

• Autores: Oleg Bondarenko y Dmitriy Muravyev
• Título:  ¿Qué tan común es el uso de información privilegiada? Evidencia del mercado de opciones
• Enlace : https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4150768

Resumen

Los traders de opciones se consideran entre los inversores más informados porque sus operaciones predicen fuertemente los rendimientos futuros de las acciones. Identificamos la fuente de su ventaja de información mediante un impacto casi exógeno a la aplicación de información privilegiada. Con el arresto de Raj Rajaratnam, los fiscales lanzaron una campaña sin precedentes contra el abuso de información privilegiada, lo que hizo que dichas operaciones tuvieran mucho más riesgo. Antes del arresto, la relación put-call que agrega el contenido de información de las transacciones de opciones obtuvo un alfa semanal del 0,24 % entre las acciones del S&P 500. Pero esta sorprendente previsibilidad desapareció repentinamente poco después del arresto de Raj, ya que los inversores en opciones se abstuvieron de operar con información privilegiada. Estos resultados sugieren que el uso de información privilegiada solía ser frecuente en el mercado de opciones y explica por qué las operaciones de opciones solían predecir los rendimientos de las acciones.

Como siempre presentamos varias figuras y tablas interesantes:

Citas notables del trabajo de investigación académica:

“Seguimos el enfoque pionero de Pan y Poteshman (2006), quienes estudian el trading informado al considerar cómo la relación put-call predice los rendimientos de las acciones. Para una acción y una fecha determinadas, la relación put-call se calcula como el volumen de compras put dividido por el volumen de compras call. Solo se consideran las compras que abren una nueva posición de opción. Intuitivamente, comprar una opción call (put) indica rendimientos futuros positivos (negativos) de las acciones. La relación se calcula por separado para el volumen ejecutado en las dos bolsas de opciones más grandes, la Bolsa de Opciones de la Junta de Chicago (CBOE) y la Bolsa Internacional de Valores (ISE), desde mayo de 2005 hasta mayo de 2017. Limitamos la muestra a acciones en el índice S&P 500 porque sus opciones son lo suficientemente líquidas para atraer inversores institucionales y porque el S&P 500 proporciona un panel consistente para comparar la previsibilidad del rendimiento a lo largo del tiempo.
Presentamos varios resultados principales. La relación put-call predice fuertemente los rendimientos de las acciones antes del arresto de Raj en octubre de 2009. En la clasificación de carteras, las carteras de decil con la relación put-call más alta tienen un rendimiento inferior a las carteras del decil inferior un 12,1% anual. La previsibilidad es estadísticamente significativa con estadísticas t de 3,8 para los ratios CBOE e ISE. Los ratios de Sharpe anualizados son altos, 1,76 y 1,67. Los rendimientos anormales apenas cambian cuando los ajustamos al riesgo con el modelo Fama-French de cuatro factores que incluye el factor impulso. Los alfas se mantienen estables antes del arresto, incluida la crisis financiera de 2008. Las regresiones de Fama-MacBeth controlan los predictores de rendimiento estándar y confirman los resultados de clasificación de la cartera.»

«El arresto de Raj tuvo un gran impacto para el mercado: los futuros del S&P 500 E-mini se desplomaron un 0,6 % una hora después de su arresto a las 6:20 a. m. del 16 de octubre de 2009. El mercado cayó otro 0,6 % a las 10:00 a. m. como Preet Bharara, Fiscal Federal para el Distrito Sur de Nueva York, anunció que era el caso de uso de información privilegiada más grande de la historia y terminó con una advertencia. «Debería ser una llamada de atención para todos los traders de Wall Street que están pensando en participar en el uso de información privilegiada». Como mostramos a continuación, los inversores en opciones interiorizaron y respondieron a este mensaje.»

«Sorprendentemente, la previsibilidad de los resultados por la relación put-call desapareció abruptamente poco después del arresto de Raj y permaneció así durante el resto del período de muestra. Los alfas de la estrategia larga-corta para los índices CBOE e ISE cayeron del 0,24 % y el 0,23 % por semana antes del arresto al -0,04 % y -0,01 % después del arresto. Las estadísticas t correspondientes caen de 3,8 y 3,8 a -1,8 y -0,6. El volumen de opciones de ambos mercados de repente dejó de predecir los rendimientos de las acciones. Las regresiones de Fama-MacBeth confirman los resultados de clasificación de cartera.»

«Además, probamos la hipótesis del tráfico de información privilegiada. Primero, si los internos constituyen una parte suficientemente grande del volumen de opciones y luego dejan de operar, entonces el volumen de opciones disminuirá después del arresto. De hecho, el volumen de compras abiertas de CBOE e ISE alcanza el máximo histórico en torno al arresto de Raj y, posteriormente, disminuye, lo que confirmamos aún más con las regresiones del panel. El volumen de acciones disminuyó ligeramente después del arresto, lo que sugiere que, como máximo, pocos expertos en opciones cambiaron de opciones a acciones. En segundo lugar, la previsibilidad de la rentabilidad está totalmente impulsada por los contratos de opciones con un alto apalancamiento incorporado, que son especialmente atractivos para los inversores informados. Finalmente, los casos iniciados enjuiciados se concentran antes de noticias importantes específicas de acciones, como anuncios de ganancias y fusiones (M&A). Encontramos que la relación put-call predice rendimientos más fuertes para las semanas que contienen noticias no programadas que para las semanas sin noticias. Pero esta previsibilidad más fuerte antes de las noticias desapareció después del arresto.»

«Los índices put-call de CBOE e ISE predicen muy bien los rendimientos de las acciones del S&P 500 en el período previo al arresto (entre mayo de 2005 y octubre de 2009). La Tabla 2 muestra el rendimiento de la estrategia long-short para los índices put-call de CBOE e ISE en los Paneles A y B. Esta estrategia obtiene alfas de 23,8 puntos básicos (pbs) y 23,5 pbs por semana para las señales CBOE e ISE, respectivamente o 12.0% por año. Los alfas son estadísticamente significativos con estadísticas t de 3.81 y 3.77, respectivamente. Los índices de Sharpe son 1,76 y 1,67, mucho más altos que un Sharpe de 0,04 para la estrategia que compra y mantiene el índice S&P 500 durante este período. La figura 2 muestra los rendimientos acumulados de la estrategia long-short e indica que la previsibilidad se mantiene notablemente estable incluso durante la crisis financiera de 2008.»

«¿Qué puede explicar esta notable previsibilidad de la rentabilidad? Las explicaciones basadas en el riesgo luchan por explicarlo. Los rendimientos de la estrategia long-short no se ven afectados por el ajuste del riesgo; y es difícil justificar por qué algunas acciones del S&P 500 ganan un 12% más por año que otras acciones similares. De hecho, la relación put-call es la anomalía bursátil más grande para la muestra de acciones S&P 500. Los costos de negociación y de venta en corto tampoco pueden explicar la previsibilidad. Las acciones del S&P 500 siempre son fáciles de vender en corto debido a la amplia oferta de los fondos indexados del S&P 500. Además, en los resultados no tabulados, mostramos que el alfa proviene principalmente del lado largo que requiere comprar una acción. De manera similar, los costos de negociación son bajos para las acciones del S&P 500; Los inversores institucionales, que confían en los algoritmos de ejecución, estiman los costes de negociación de las acciones del S&P 500 en unos 6 pb. (Frazzini, Israel y Moskowitz (2018)). Pan y Poteshman (2006) interpretan sus resultados como «evidencia sólida e inequívoca de que existe una negociación informada en el mercado de opciones» y «la previsibilidad parece estar impulsada por información valiosa no pública que los traders aportan al mercado de opciones». Sobre la base de su trabajo, identificamos la fuente de «información no pública valiosa». Los inversores pueden extraer señales no públicas de los datos públicos u obtener información no pública directamente de personas internas de la empresa. Mientras que lol primero es legal, lo segundo suele ser ilegal. Distinguir entre estos dos canales es difícil porque los inversores ocultan la fuente de su ventaja de información para preservar alfa. Afortunadamente, durante nuestro período de muestra se produjo un gran impacto en la aplicación del tráfico de información privilegiada.»

«Repetimos el análisis de la última sección para el período posterior al arresto y comparamos los resultados con el período previo al arresto. La relación put-call fue el predictor de rendimiento más fuerte para las acciones del S&P 500 antes del arresto. Pero esta previsibilidad desapareció repentinamente después del arresto de Raj Rajaratnam el 16 de octubre de 2009. La Tabla 2 muestra que el alfa largo-corto para la relación put-call del ISE cae de 23,5 pbs por semana antes del arresto (estadística t de 3,8) a -1,3 bps post-arresto (estadística t de -0.6). De manera similar, los alfas para la relación CBOE y para otros horizontes de retorno también caen a casi cero. La Figura 2 destaca la discontinuidad en los alfas semanales antes y después del arresto. Los alfas previos al arresto son estadísticamente significativos hasta dos meses, mientras que ninguno de los alfas posteriores al arresto es significativo y oscila entre -4,4 pb y 1,3 pb. De manera similar, para las regresiones de Fama-MacBeth en la Tabla 4, el coeficiente de la relación put-call del ISE (CBOE) cae de -0,20 a 0,01 (de -0,13 a 0,03) después del arresto y es insignificante. De repente, las transacciones de opciones ya no brindan información sobre los rendimientos futuros de las acciones.»

«Nuestros resultados son más consistentes con la hipótesis de que la previsibilidad de la rentabilidad inducida por la relación put-call fue impulsada principalmente por el trading de opciones sobre información privilegiada potencialmente ilegal. Después del arresto de Raj, los inversores de opciones que operaban con información privilegiada se dieron cuenta del aumento de los riesgos y abandonaron las opciones. Si bien los inversores aún podían negociar con información privada legal, la falta de previsibilidad de la rentabilidad después del arresto indica que el trading con dicha información no estaba generalizado en las opciones. Sorprendentemente, todo el trading informado de opciones, un importante mercado financiero, parece estar alimentado por información privilegiada. Por lo tanto, el uso de información privilegiada es mucho más frecuente de lo que se pensaba anteriormente o está implícito en el número de casos procesados. Los resultados de este documento mejoran nuestra comprensión del trading informado y el uso de información privilegiada en general.»

Comité de señales para proteger tu cartera por Ignacio Villalonga

• Analizaremos las ventajas e inconvenientes de un comité de señales para proteger una cartera variable de las caídas de mercado. Desde su análisis inicial hasta los resultados en una cartera small caps.
• Artículo publicado en Hispatrading 51.

Hace años, escribimos sobre la posibilidad de generar un comité de señales “diferentes” en los mercados que pudiera ayudar a mitigar las caídas, con ello disminuir la volatilidad, mejorar el sharpe, y en general, todo lo que le sienta bien a una cartera invertida en renta variable.

Hoy quería traeros un ejemplo de implementación, qué señales hemos utilizados, y lo más importante, una lista de reflexiones a tener en cuenta para poner en práctica a la hora desarrollar vuestras propias señales.

¿Por qué queremos un comité?

Cuando diseñamos carteras de renta variable, lo común es que hablemos de carteras que compran y venden acciones que mantienen periodos relativamente largos (entiéndase por más de una semana de media), y cuya exposición al factor beta del mercado es alto. Suelen estar invertidas el 100% del tiempo y no están realizando operaciones de HFT. Por tanto, la volatilidad y los Drawdowns están condicionados por el comportamiento del mercado, y este no siempre se comporta como nos gustaría. 

Por tanto, tener señales independientes de las señales de la cartera, que indiquen cuándo salirnos del mercado, o cubrirnos, puede resultar realmente útil.

Es una forma de hacer Market Timing, que, aunque haya una gran parte de la comunidad en contra, es una herramienta que puede resultar muy útil bien usada y entendida. Es más, creo que no conocerlo ni entenderlo bien lleva a no querer realizar Market Timing y estar exponiéndote a él involuntariamente. 

Volviendo al concepto de un comité, nos encontramos que el objetivo es diversificar en todas las formas posibles el origen de las señales, de tal forma que el resultante sea una señal combinada. 

Si habéis leído algo mío en algún otro momento, sabréis que soy un apasionado de la diversificación, así que mi recomendación de hoy no va a ser menos y veréis que mi comité intenta diversificar en: origen de señales, tiempos de generación, tipología, etc.

Miembros del comité

Antes de arrancar con las señales, es importante adelantar que no existe la señal perfecta (al menos no la he encontrado). Las señales macro tardan tiempo en publicarse, y muchas veces se revisan a posterior, las señales de tendencia lentas funcionan mejor en caídas lentas, las rápidas en las rápidas, pero dan muchas señales falsas. No todos los mercados son iguales, y mucho menos todas las caídas. Por eso, diversificar entre muchas señales ayuda a dibujar un escenario más completo. He elegido 10 señales en este caso.

El comité incluye 3 miembros Macroeconómicos. La parte negativa de los indicadores macroeconómicos es que tienen poca periodicidad de publicación y además se ven expuestos a la estacionalidad. No reaccionan de forma rápida. Las ventajas de estos indicadores es que aportan información diferente a la que puedes incluir dentro de los sistemas, y por tanto aportan un valor añadido. Además, su lentitud aporta pocas señales falsas. Dentro de esta categoría he incluido señales formadas con el ratio de desempleo, las ventas de automóviles nuevos y la inflación. Como ves, incluso dentro de los indicadores macro he diversificado entre actividad económica, laboral e índices de precios.

Por otro lado, tenemos 2 miembros aportando señales de Volatilidad. En este caso trabajamos dos señales diferentes (para diversificar entre la construcción y los plazos largo-corto) con el VIX. La volatilidad tiene capacidad predictiva sobre sí misma, lo que la hace muy útil.

Tenemos un indicador de Tendencia. Para mucha gente esto puede resultar sorprendente porque suele ser la tendencia la principal herramienta de las señales de Market Timing, y es cierto. Pero la tendencia muchas veces se usa como filtro previo para otras señales del comité, y por tanto, aunque no específicamente, si aparece reflejada en más señales de las que vienen a continuación. Esto es importante de resaltar: No todas las señales del comité se activan solas, algunas requieren que además se haya perdido alguna tendencia (corto, medio o largo) para activarse. Esto ayuda a disminuir las señales falsas y a hacer más robustos a los miembros del comité.

Después tenemos 2 indicadores de Amplitud de mercado. Uno evaluación la amplitud desde el punto de vista de acciones en tendencia positiva versus tendencia negativa, y otro evaluando la volatilidad de las acciones que componen nuestro mercado. Es una forma diferente de valorar la volatilidad que aporta información diferente al VIX.

Por último, tenemos dos miembros aportando información sobre como se han movido las posiciones cortas (Short Interest) en el mercado. De nuevo, es información que, aunque se pueda usar en los sistemas, aporta mucha información de como se están posicionando los grandes jugadores, y ayuda a detectar zonas de peligro. 

Validar las señales es algo complejo debido a que cada señal tiene unas características distintas, se actualiza cada diferente tiempo y oscila entre diferentes valores, por tanto, tener una metodología común no es fácil. Recomiendo leer el primer artículo que escribí al respecto dónde se puede ver como empezar a hacer estos análisis. No obstante, lo más importante es que cada señal aporte valor real de forma independiente. Que sea muy utilizada por la comunidad no significa que sea estadísticamente relevante. A mí me gusta operar solo aquello que he analizado y estudiado yo mismo. 

Implementación 

Para comprobar cómo funciona nuestro comité vamos a hacer un ejercicio muy sencillo. Vamos a evaluar semana a semana los resultados del IWM (ETF del Russell 2000) y de la señal del comité. 

Lo primero que vemos es que, en los momentos de caídas, es cuando se disparan más señales. También llama la atención que solo marcan votan “peligro” unánimemente los 10 miembros del comité en 4 semanas, mientras que en periodos muy favorables es normal ver a los 10 sin activarse.

Estas son las estadísticas por semanas. 

Es importante ver que la mayoría de las semanas se encuentran entre 0 y 5 señales activadas. Además, son los puntos donde tienes medias de retornos más positivas y en general también mayor número de semanas positivas. Si bien es cierto, que al ser una muestra pequeña se encuentran outliers que, hasta cierto punto, ensucian los datos de las señales negativas. Por ejemplo, con 7 señales activadas tenemos un rendimiento positivo, que viene explicado porque la mejor semana de toda la historia, ocurre con 7 señales activas.

No obstante, a mí me queda claro donde quiero operar mi sistema, y en que semanas parece que no interesa estar dentro del mercado. 

Aplicado a un sistema

Aplicado a un sistema de factores que he construido públicamente y estoy operando (Small Caps 360º – SC360), este comité es especialmente valioso. Al ser un sistema que saca ventaja constantemente respecto al mercado en todos los ciclos, disminuirle la exposición cuando vienen malos tiempos lo hace especialmente efectivo, ya que le quitamos la posibilidad de corregir esa ventaja.

Con una tabla de estadísticas que tiene muchísima mejor pinta:

Podemos ver como los retornos medios tanto como la media de semana positiva decrece a medida que las señales se van activando y sumando. Además, el número de semanas que se encuentra fuera del mercado desde el año 2000 (año inicial del sistema) es solo del 13,5%. Muy poco tiempo para un beneficio muy grande. 

Como decía, la combinación de señales descorrelacionadas además ayuda a que la disminución del drawdown sea mucho más elevado. 

Consideraciones finales

Este análisis se ha planteado el sistema como un modelo On/Off en el mercado. Pero esto puede no ser la forma óptima por los costes que tiene. Según el tamaño de la cartera, tener que construirla y reconstruirla en determinados momentos puede ser muy costoso. Otra opción puede ponerse corto con futuros o ETFs. Además, las coberturas pueden ser totales o parciales. Podría interesarte ir cubriendo por niveles, o simplemente ir deshaciendo determinadas operaciones. No hay una única forma válida.

Cuando se hacen estos análisis, hay muchos factores a tener en cuenta: si calculas los rendimientos de cierres a cierres en vez de apertura a cierre, estás siendo impreciso en el backtest. Si no incluyes los costes de rotación, o los deslizamientos, tampoco. Yo he intentado usar la mejor herramienta disponible con una buena base de datos (Portfolio123) y ser lo más “realista” posible. No obstante, ningún backtest es 100% fiable. Pero en contra de lo que mucha gente piensa, un backtest es una herramienta para identificar que hay una ventaja, y aquí, claramente la hay.

Por otra parte, a riesgo de repetirme, tienes que adaptar estos análisis a tu operativa y ver si a ti, como inversor te funciona. Muchas cosas pueden variar. Para empezar el acceso a los datos. ¿eres capaz de conseguir el mismo set de datos? ¿garantizas la continuidad en el futuro?

Cuidado con los sesgos de visión a futuro y las series PIT. El primero me refiero a que cuando calcules las señales, mires que sean la señal activada en el momento de invertir, que no cambió durante la semana ni nada, sino que, en el momento de la operación, estaba activada. Las series PIT (Point in Time) hacen referencia al dato de publicación. Como he mencionado anteriormente, muchas series macro se corrigen a toro pasado. Pero para hacer un backtest fiable necesitamos el dato de publicación. Importantísimo. 

Conclusiones 

Un comité diversificado de señales para hacer Market Timing puede mejorar considerablemente los rendimientos de una cartera de renta variable. Sin embargo, ni su análisis ni su implementación son sencillas, y hay que tener en cuenta muchos factores a la hora de poder estudiar, analizar y llevar hasta la operativa un comité con resultado positivo.

Todavía estamos en un mercado bajista, ya sabes por Ben Carlson

El martes, el S&P 500 bajó un 4,3% después de una lectura de inflación peor de lo esperado.

Fue la segunda vez este año que el mercado cayó un 4% o más en un solo día. Las acciones han caído 3% o más 9 veces este año y 2% o más en 17 ocasiones.

El mercado también ha ganado un 2% o más en 16 días de negociación diferentes en 2022.

El Capitán Obvio quisiera recordarles que este año ha sido un viaje lleno de baches.

¿Qué tan accidentado podrías preguntarte?

Después de alcanzar un nuevo máximo histórico en el primer día de negociación del año, el S&P 500 cayó un 12% hasta principios de marzo.

Desde ese momento hasta finales de marzo, el mercado subió un 11%.

Esa breve recuperación fue seguida por un colapso del 20% hasta mediados de junio.

Mediados de junio siguen siendo los mínimos de este ciclo (hasta ahora) y desde ese momento las acciones se dispararon un 17% hasta mediados de agosto.

A partir de ahí, el último mes ha visto movimientos de -9%, +5% y ahora otro 6% a la baja.

Se siente como si hubiéramos vivido 8 ciclos diferentes en los primeros 9 meses del año.

A pesar de todos los repuntes en contra de la tendencia, la tendencia predominante este año es a la baja.

Este es un cambio radical con respecto a los 13 años anteriores, cuando los inversores necesitaban recordarse constantemente que este es un mercado alcista, ¿sabes?

Ahora tienes que recordarte que este es un mercado bajista que conoces.

No estoy seguro de cuánto durará el entorno actual del mercado.

Realmente no lo sé.

Lo que sí sé es que prestar más atención al mercado de valores cuando está en una tendencia bajista no hará que su vida como inversionista sea más fácil.

Cuando el mercado cayó más de un 4 % el martes pasado, estaba ocupado en nuestro Future Proof Festival en California.

De hecho, estaba tan ocupado que ni siquiera me di cuenta de lo mal que estaba el mercado de valores. Ni siquiera me enteré hasta después de que cerró el mercado.

La mayoría de los días habría estado pegado a la pantalla prestando atención a lo que estaba impulsando el mercado a la baja. ¿Y sabes qué?

¡No importaba que yo no prestara atención!

Al mercado de valores no le importaba que yo no estuviera mirando. Mi plan de inversión no cambió en absoluto simplemente porque hubo un mal día en el mercado de valores. No ha cambiado porque este año ha sido difícil.

Todo plan financiero tiene que sobrevivir a tiempos difíciles en el mercado.

También es importante recordar centrarse en las cosas correctas durante mercados como estos. Y para mí, eso significa alejarse y enfocarse en el largo plazo.

En su libro The Four Pillars of Investing,  William Bernstein ofrece una de mis analogías favoritas del mercado de valores de todos los tiempos, cortesía de Ralph Wanger, un gestor de cartera de Acorn Fund:

Compara el mercado con un perro excitable con una correa muy larga en la ciudad de Nueva York, que se lanza al azar en todas direcciones. El dueño del perro camina desde Columbus Circle, a través de Central Park, hasta el Museo Metropolitano. En cualquier momento, no se puede predecir en qué dirección se tambaleará el perro. Pero a la larga, sabes que se dirige al noreste a una velocidad promedio de tres millas por hora. Lo sorprendente es que casi todos los jugadores del mercado, grandes y pequeños, parecen tener el ojo puesto en el perro, y no en el dueño. 

Cuanto más dura esta volatilidad, más fácil se vuelve prestar demasiada atención al perro y no al dueño.

Si es un acumulador de activos financieros, esta volatilidad debe verse como una oportunidad para comprar a precios más bajos, no como un riesgo.

Si ya ha acumulado activos financieros, esta volatilidad es la otra cara de más de una década de ganancias extraordinarias en el mercado de valores de EE. UU.

De cualquier manera, es importante recordar que la volatilidad, tanto al alza como a la baja, es una característica de los mercados bajistas.

No hay nada que puedas hacer para controlar esa volatilidad. Pero sí controlas cómo reaccionas a la volatilidad.

Los generales están a punto de ser fusilados… [Dirty Dozen] por Alex Barrow

En el Dirty Dozen [PACK DE GRÁFICOS] de esta semana, analizamos la dinámica de inflación persistente y lo que esto significa para los múltiplos del mercado de valores. Luego hablamos sobre los indicadores de amplitud y liquidez a largo plazo que señalan una alta probabilidad de que estos bajen. Y finalmente, cubrimos alguna de las acciones con mayor capitalización o generales (MSFT, GOOGL, AMZN, AAPL, FB) y un indicador principal que muestra por qué están a punto de recibir un disparo…

1. El resumen de esta semana del Flow Show de BofAML (énfasis mío).

2. Deja de hablar de un pivote de la Fed. no esta pasando…

De BofA: «La inflación es secular, no transitoria: los trabajadores ferroviarios de carga de EE. UU. aumentan un 14%, el suministro estratégico de petróleo de EE. UU. se reduce a 434 millones de barriles (el más bajo desde 1984), Alemania nacionaliza el sector de servicios públicos, el sector siderúrgico de la UE busca ayuda del gobierno, los controles de precios de energía del G7, el pánico de la política fiscal del Reino Unido y la UE se acerca a los 750.000 millones de euros, el G7 aumenta significativamente el gasto militar, la política geopolítica sobre Rusia/Ucrania, China/Taiwán avanza en malas direcciones… de la paz a la guerra, de la globalización al nacionalismo, de la desigualdad a la inclusión, del equilibrio presupuestario al pánico fiscal , mano invisible a puño visible… deflación secular a inflación secular”.

3. Extraigo este cuadro de mi nota de preparación para el mercado del fin de semana para los miembros del Colectivo.

Los futuros de fondos federales tienen un precio del 4,3% en primavera. La inflación está bajando, pero pasará un buen tiempo antes de que vuelva a la meta del 2% exigida por la Fed. Hay una serie de razones (muchas enumeradas anteriormente) para creer que estamos en un régimen de inflación más rígido. En cuyo caso, el mercado, por necesidad, cotizará a múltiplos promedio más bajos, y este mercado bajista cíclico continuará a la baja durante los próximos meses.

4. Esta diapositiva de nuestro Trifecta Chart Pack semanal muestra que las medidas de amplitud a más largo plazo son indicativas de un mercado bajista cíclico. Necesitaríamos ver una mejora material en estas medidas antes de volvernos más constructivos en cualquier período de tiempo superior a unas pocas semanas.

5. Y lo mismo ocurre con las medidas de liquidez/condiciones financieras. Pero estas condiciones no mejorarán hasta que la Fed cambie de dirección, lo que no sucederá en el corto plazo.

6. MSFT ha roto su reciente consolidación de varios meses, así como su mayor tendencia parabólica de una década, en la que las acciones experimentaron un rendimiento del 1245 % en los últimos 10 años. 

El objetivo de movimiento es de $177 por acción, o un 27% por debajo de los precios actuales.

7. Los generales reciben el último disparo en un mercado alcista, y eso es lo que estamos viendo. Los flujos netos de órdenes rastrean los flujos netos de dinero en bloque (operaciones de más de 10k acciones). La venta institucional se ha acelerado durante el último mes a medida que las ballenas nadan hacia las salidas.

8. Sorprendentemente, NFLX es el único original de FANG que ha visto a grandes compradores intervenir después de su gran liquidación. 

9. Esto ha apuntalado la acción, convirtiéndola en la acción de FAANG con mejor rendimiento en los últimos 3 meses. 

10. Nunca podría recomendar conscientemente NFLX como una opción de compra, ya que su contenido hace que la red Lifetime se parezca a HBO en los días de The Wire. Pero… su gráfico es constructivo, mostrando un fuerte rendimiento relativo superior al del mercado. Y está bastante barata en relación con su histórico.

11. PowerSchool Holdings (PWSC) es una acción de SAAS muy castigada con un sólido desempeño relativo en múltiples períodos de tiempo. Y el gráfico actualmente está formando el asa en un patrón de copa y asa de 6 meses.

Finviz, la compañía “proporciona software basado en la nube al mercado educativo K-12. Su solución está integrada en los flujos de trabajo escolares y es utilizada diariamente por educadores, estudiantes, gestores y escuelas y distritos que representan aproximadamente a 45 millones de estudiantes en todo el mundo. Su plataforma de tecnología basada en la nube ayuda a las escuelas y los distritos a gestionar los informes estatales y el cumplimiento relacionado, la educación especial, las finanzas, los recursos humanos, el talento, el registro, la asistencia, la financiación, el aprendizaje, la instrucción, las calificaciones, la preparación universitaria y profesional, las evaluaciones y los análisis”.

Profundizaremos un poco más en esta acción.

12. YPF Sociedad Anónima (YPF:US ADR), un productor de energía argentino, se ha desmoronado en los últimos dos meses. Subiendo más del 150% desde finales de julio después de salir de una cuña en espiral de 30 meses.

Esta acción la tengo en mi lista. Pronto compartiré lo que encuentre con los miembros del Colectivo. Dispárame un mensaje si tienes alguna información/idea sobre esta.

Gracias por leer.

Cuatro razones por las que puede no tener éxito al hacer trading por Brett N. Steenbarger, Ph.D

No es raro que los traders sientan que no están a la altura de sus expectativas. El trading tiene que ver con el riesgo y la recompensa, y todos tenemos índices finitos de aciertos y de Sharpe. Eso casi garantiza que habrá períodos de pérdidas y rendimientos bajos. Cuando estamos crónicamente por debajo de nuestras expectativas, eso en sí mismo puede conducir a frustración que asegura futuros desafíos. Hoy le traigo cuatro razones por las que, al hacer trading, podría estar por debajo de sus expectativas durante períodos de tiempo significativos y lo que puede hacer al respecto:

1) Sus expectativas no son realistas: no es raro que los traders en desarrollo intenten tomar atajos en su proceso de aprendizaje y asuman demasiado riesgo, demasiado pronto. A menudo, esto se debe a que *necesitan* ganar dinero y no pueden permitirse avanzar por la curva de aprendizaje para desarrollar experiencia y conocimientos. Piense en cualquier campo de actuación, desde el atletismo hasta la música y la actuación. Nadie logra una experiencia y un éxito consistentes en cuestión de meses. En el campo de la medicina, un estudiante pasa por años de estudio para convertirse en médico y luego pasa por varios años de estudios de posgrado para dominar una especialidad. Nuestras expectativas deben ser de aprendizaje y desarrollo; necesitamos calificarnos por nuestro progreso, no por si podemos llegar a nuestro punto final rápidamente.

2) Los mercados han cambiado: recientemente hablé con un trader que había estado ganando dinero a principios de este año y luego dejó de hacerlo. La frustración del desempeño reciente condujo a más problemas. Cuando examinamos sus operaciones, estaba claro que tenía un sesgo alcista y ganó su dinero aprovechando los movimientos de precios extremos. En el entorno de mayor volatilidad, los movimientos de precios fueron de extremo a extremo y, por supuesto, el sesgo alcista dejó de funcionar una vez que hicimos la transición a un entorno macro de ajuste cuantitativo, aumento de las tasas de interés y alta inflación. Nuestro trader tenía un rendimiento bajo porque él, en términos relativos, era un pony de un solo truco. Necesitaba volver a investigar oportunidades y aumentar su arsenal al hacer trading. El fracaso es a menudo una falta de adaptación.

3) No está aprovechando sus puntos fuertes: a menudo encuentro que los traders intentan ganar dinero de maneras que no aprovechan lo que realmente se les da bien. Los traders activos que reconocen cambios en los patrones de los mercados desarrollarán una «convicción» a largo plazo y perderán su flexibilidad. Los traders que ven el panorama general que se destacan en la investigación de oportunidades en los mercados quedarán atrapados en las oscilaciones del movimiento de precios a corto plazo. Por eso es tan importante estudiar sus operaciones de éxito: operaciones y períodos de negociación en los que ha estado en su mejor momento. Aprendemos mucho al identificar nuestro período de negociación más satisfactorio: estos suelen ser los que reflejan nuestras fortalezas distintivas. El objetivo es convertirte en la mejor versión de ti mismo, no convertirte en otra persona.

4) El trading no es su camino: esta es la única posibilidad que casi nunca escucha de los gurús del trading y los posibles mentores y entrenadores. Buscan su negocio, por lo que es tóxico sugerir que tal vez el trading no sea su mejor camino hacia el éxito y la realización. La capacidad de ganarse la vida significativamente en un campo de actuación (atletismo, música, escritura) es una rara excepción, no el escenario base para la mayoría. He compartido muchas veces mi intento de convertirme en un trader de tiempo completo. Ganaba dinero y era miserable. Mis recompensas más profundas provienen de conectarme y ayudar a las personas: por eso me convertí en psicólogo. Sentarme frente a las pantallas durante horas no sacaba lo mejor de mí, y eso era una garantía de que nunca lograría mi mayor éxito como trader.

El fracaso es información. Cuando nos quedamos cortos, generalmente hay una lección importante que aprender. Comprender por qué no cumplimos con las expectativas es el primer paso para establecernos en nuestro mejor camino.

Los pasos hacia el éxito en el trading 3 por Ray Barros

El trader en esta categoría probablemente ha estado operando durante cinco a siete años. En términos de PNL, está en camino de convertirse de competente consciente a competente inconsciente. La mayoría de sus buenos entrenadores pertenecen a la última categoría.

En este nivel, el trader ahora está o ha estado produciendo resultados rentables consistentemente. No es que su ‘cerebro de rata’ no tome el control de vez en cuando y cause daños a tu cuenta; pero el efecto del trading impulsivo (es decir, un trading que se hace infringiendo las reglas) es limitado. En lugar de causar un desastre, el trading impulsivo puede causar una pérdida del uno o dos por ciento.

Un trader que se clasifica en esta categoría está perfeccionando continuamente sus habilidades. Algunas de las áreas de mejora incluyen:

• Habilidades para la toma de decisiones. Aquí encontré que los mapas mentales y el análisis del árbol de decisiones son una excelente combinación del cerebro derecho e izquierdo. Un gran recurso para mapas mentales que he usado durante mucho tiempo fue este ( http://mindmapping.typepad.com )
• Conciencia de sí mismo. Estoy interesado en todo lo escrito por el Dr. Brett Steenbarger ( https://metodotrading.com/?s=brett ). El Dr. Steenbarger entrena solo a traders institucionales pero escribe artículos de gran calidad y es colaborador de metodotrading.
• Gestión del dinero. Hay algunos buenos libros. Uno es: Trading Risk: Enhanced Profitability through Risk Control por Kenneth L. Grant
• Estructura del mercado. Esto es difícil porque hay mucha información que no es útil. Un conjunto de libros que me fueron útiles fue la serie de Jim Kane ( http://www.kanetrading.com ).

Lo que quiero decir es que nunca dejamos de aprender sobre nosotros mismos y sobre el mercado. Uno de los beneficios de la enseñanza es que perfecciona mis habilidades al hacer trading y me obliga a articular algunas operaciones instintivas. No puedo decirte la cantidad de veces que una pregunta de un estudiante ha llevado a una línea de pensamiento, investigación y validación rentable. Papá me enseñó el momento en que comenzamos a pensar que podemos dejar de aprender y mejorar, ese es el momento en que comenzamos nuestro declive.

¿Cómo se forman los suelos del mercado? por Alexander Elder

• Alexander Elder nos explica  cómo actuar en momentos en los que el mercado se desploma. Analizaremos el ejemplo reciente vivido en el mes de febrero, cuando las bolsas cayeron desde la zona de máximos.
• Artículo publicado en Hispatrading 34.

A principios del 2018, con el mercado bursátil estadounidense en un rally parabólico, comenté: “Cuando estos movimientos terminan, tienden a hacerlo de forma abrupta. Cada movimiento parabólico en la historia ha tenido un final desagradable”. Después, en un cambio radical en la psicología de masas, el mercado cayó más de un 10% en una semana, el miedo fue dominante. En estos momentos, la gente se pregunta si este es el final del mercado alcista y el momento de venderlo todo. Para reducir el nerviosismo y mantenerse alejado de la histeria colectiva, merece la pena estudiar el histórico. Los tres gráficos históricos que se muestran debajo nos ayudaron a decidir qué hacer en ese momento.

Este gráfico semanal del VIX (el llamado Índice del Miedo), que data de 2008, muestra que hay un aumento del miedo cada dos o tres años. El “valor del miedo” estaba por debajo de 10 en enero, se disparó a 50 la semana de la caída, pero ya bajó poco después a 23 mientras escribo esto. El gráfico muestra que el mercado tiene un espasmo de miedo una vez cada pocos años, y luego vuelve al punto de partida, un patrón que se repite un par de años después. El declive de más de 1.000 puntos en el Dow me recordó al crash de 1987 (lo viví y salí bien de ello), cuando el Dow perdió 500 puntos, el 20% de su valor.

Echemos ahora un vistazo al siguiente gráfico. Observe la forma en que se produce la recuperación: un doble o incluso triple suelo, múltiples divergencias alcistas, y después el arranque sostenido de un mercado alcista de varios años. Si 1987 le parece algo del pasado, vamos a ver un ejemplo reciente, del cambio de ritmo que se produjo a principios de 2016. El gráfico semanal muestra dos ataques bajistas por parte de los osos, que no pudieron contener el rebote del mercado, mientras que el Forceima Index desarrolló una divergencia alcista. El gráfico diario muestra un doble suelo con una falsa rotura a la baja y un hermoso conjunto de divergencias alcistas. Una vez más, fue seguido por un arranque sostenido de una nueva tendencia alcista que duraría casi dos años (con algunas correcciones en el camino, por supuesto). Si estaba en lo correcto, y la historia se repite, podemos esperar aproximadamente un mes de corrientes cruzadas seguidas por una bajada formando un suelo con bajo volumen y luego un reinicio de la tendencia alcista.

Recordemos que incluso si esta previsión fuera correcta, algunas acciones podrían haberse  hundirse mucho más, mientras que otras podrían repuntar mucho más rápido. En resumen, nunca vale la pena entrar en pánico. Planeo en estas ocasiones operar siempre con bajo volumen en las próximas semanas mientras construyo una lista de compras . Cogí estos gráficos y comentarios de mis publicaciones en SpikeTrade en esa época. Después de la caída tuvimos una señal de Spike Bounce, que nos permitió alcanzar un objetivo atractivo dentro del rally que se dio a corto plazo. 

Cómo ganar dinero operando con acciones europeas por Yuval Taylor

¿Sabía que las acciones europeas son más fáciles de negociar de manera rentable que las norteamericanas?

Eso parece contradictorio, ¿no? La información sobre ellas parece difícil de encontrar. La mayoría de los sitios web orientados a acciones no las cubren y, con frecuencia, no hay nada escrito sobre ellas. Muchos brokers no las ofrecen. No solo eso, sino que debe convertir la moneda, tener en cuenta los impuestos y realizar un seguimiento de las diferentes horas para los diferentes mercados.

Entonces, ¿qué es más fácil en las acciones europeas? Elegir a las ganadoras.

Primera parte: Por qué es difícil elegir acciones ganadoras en los EE. UU.

Tal vez, como yo, crea que la selección de valores puede ser gratificante. Pero la selección de valores ha tenido mala reputación últimamente porque el mercado estadounidense está muy bien rastreado. A menudo parece que las oportunidades de arbitraje ya no existen, y que si una acción parece estar muy por debajo del precio, generalmente hay una muy buena razón para ello.

En 2011, Portfolio123, un sitio web dedicado a ayudar a los inversores a crear estrategias rentables principalmente basadas en datos fundamentales, creó una serie de sistemas de clasificación basados ​​en cinco categorías de factores: crecimiento, impulso, calidad, sentimiento y valor. Ocho años más tarde, tres de los analistas de Portfolio123 (Marc Gerstein, Riccardo Tambara y yo mismo) revisamos esos sistemas de clasificación hasta cierto punto, añadimos una categoría más (baja volatilidad) y las combinamos para crear lo que llamamos la combinación central del sistema de clasificación. Este sistema de clasificación no se optimizó en ningún caso a través de una extensa prueba retrospectiva. Estaba destinado a ser un punto de partida para los inversores y contenía todos los factores habituales, nada esotérico o rebuscado. Por ejemplo, el sistema de crecimiento era simplemente crecimiento de EPS, crecimiento de ventas y crecimiento de ingresos operativos, con 1/3 de peso cada uno; cada uno de ellos se dividió en crecimiento básico y aceleración, y luego se subdividió por período de tiempo. El sistema de clasificación de baja volatilidad era mitad beta y mitad de volatilidad de precio, con cada uno de ellos con períodos retrospectivos de 1 año, 3 años y 5 años.

Desafortunadamente, este sistema era realmente demasiado simple para funcionar muy bien en las grandes acciones estadounidenses. Si compró las 50 acciones principales del S&P 500 cada cuatro semanas durante los últimos diez años, su rendimiento no sería mejor que el del índice S&P 500 (usando un deslizamiento del 0,25 %). Lo mismo ocurre con el S&P 1500, el Russell 1000, el Russell 2000 y el Russell 3000.

Por supuesto, podría crear un mejor sistema de clasificación a través de una investigación exhaustiva y pruebas retrospectivas, incluidos muchos factores más esotéricos como la rotación de acciones, los activos operativos netos a los activos totales y las acumulaciones; agregar factores de tamaño a la mezcla; y modificando otras medidas. Eso es lo que he hecho con mis propios sistemas de clasificación personal, y he ganado mucho dinero utilizándolos en acciones de Estados Unidos. Pero no ha sido fácil. He pasado mucho tiempo ajustando mis sistemas y entrando en operaciones con acciones de baja liquidez.

Segunda parte: Por qué es fácil elegir ganadoras en Europa

Entonces, ¿qué sucede cuando usamos la Combinación principal para elegir las 50 principales acciones de Europa?

Primero, excluyamos algunos países. Turquía, Rumania y Hungría ocupan puestos altos en los índices de corrupción. Y olvídate de Rusia (que ni siquiera está incluida como parte de Europa en la cobertura de Portfolio123).

A continuación, comencemos con solo las 500 empresas más grandes, como hicimos en los EE. UU. Y esta vez usaré un deslizamiento más alto (0,5 % por operación) para compensar el cambio de moneda, las comisiones y los impuestos. Los resultados son pobres. Pero si amplía su universo a las 1000 empresas principales, obtendrá un rendimiento superior al índice MSCI Europe del 3 % anual. ¿Las 1500 empresas principales? 6,5% anual. ¿Las 3000 empresas principales? 13,5% anual.

Aquí hay un ejemplo más visual. Este es el rendimiento del sistema Core Combination en las 3000 empresas públicas más grandes de EE. UU. y Canadá, en 20 «cubos», durante los últimos diez años, con reequilibrio mensual. Si comprara las acciones clasificadas del 95 al 100, obtendría el 15,5%; si comprara las acciones clasificadas del 0 al 5, perdería un 2,7%.

Ahora aquí está la rentabilidad del mismo sistema de clasificación en las 3000 acciones europeas más importantes. El 5% superior gana un asombroso 25,5% anual.

Lo que hace que esto sea mejor es que estos resultados están realmente fuera de muestra. Cuando diseñamos el sistema de combinación principal, nos basamos en cierta medida en nuestra experiencia con las pruebas retrospectivas de las acciones estadounidenses. En realidad, no probamos mucho el sistema de clasificación (no queríamos optimizarlo en exceso), pero la mayoría de los factores se habían probado individualmente. Por otro lado, no hicimos absolutamente ninguna prueba en acciones europeas, para las cuales solo agregamos los datos recientemente. Este es un conjunto de datos completamente nuevo que nunca habíamos probado en absoluto.

Así que puede ver que es mucho más fácil elegir acciones ganadoras en Europa. Puede utilizar todos los factores que parecen haber sido arbitrados en los EE. UU. para crear screeners y sistemas de clasificación ganadoras.

Tercera parte: costos

Los costos no deben tomarse a la ligera. Las comisiones de conversión de divisas oscilarán entre el 0,02 % y la friolera del 1 %, según el bróker y la divisa. Las comisiones pueden ser significativamente mayores que las de las acciones estadounidenses. Los impuestos pueden ser costosos: el Reino Unido cobra un 0,5 % por todas las compras de acciones, Francia cobra un 0,3 %, España un 0,2 %, Italia un 0,1 % e Irlanda los supera a todos, cobrando un 1 % (tenga en cuenta que estos impuestos solo se cobran cuando compra acciones, no cuando las vendes). Hay algunas acciones y algunas bolsas que son difíciles o imposibles de negociar desde los EE. UU. Y mientras que algunos brokers permiten operaciones europeas en cuentas de jubilación, otros no, y uno (Fidelity) te hace ejecutarlas por teléfono.

Cuarta parte: Algunas acciones europeas para comprar

Actualmente tengo acciones en 18 empresas europeas. Mis mayores participaciones están en EdiliziAcrobatica ( EDAC:ITA ), una empresa constructora genovesa; Arctic Paper ( ATC:POL ), un fabricante de papel polaco; Anglo-Eastern Plantations ( AEP:GBR ), una empresa británica propietaria de plantaciones de caucho y aceite de palma en Indonesia y Malasia; Torpol ( TOR:POL ), una empresa polaca de construcción de infraestructuras ferroviarias; y Western Bulk Chartering ( WEST:NOR ), una compañía naviera noruega. (Me tomo muy en serio el dicho de Peter Lynch: cuanto más aburrida suene una empresa, mejor será la inversión). Pero estoy seguro de que puedes encontrar muchas otras joyas si buscas lo suficiente.