Sistemas automatizados de trading [Libro] por Hispatrading

• El trading es un mundo apasionante, pero muy desafiante. Todos buscan el sistema perfecto que combine una rentabilidad constante pero, eso sí, con un mínimo riesgo. ¿Es imposible conseguir esto?
• Artículo publicado en Hispatrading 55.

• Autor: Laurens Bensdorp
• Editorial: Ediciones Obelisco
• Páginas: 136
• Formato: Papel y E-Book.

Muchos traders han encontrado en Laurens Bensdorp un verdadero maestro. Durante más de una década, Bensdorp ha logrado resultados sobresalientes al combinar sistemas de trading cuantitativos altamente efectivos en diferentes condiciones de mercado.

En su segundo libro, «Sistemas automatizados de trading», Bensdorp revela su enfoque de múltiples sistemas no correlacionados que permiten a los traders construir sus propias estrategias personalizadas. A través del análisis exhaustivo de la acción histórica del precio, el autor ha desarrollado un conjunto de sistemas automatizados que han demostrado rendimientos consistentes y pérdidas mínimas durante los últimos 24 años, independientemente del comportamiento del mercado.

Lo fascinante de este libro es que Bensdorp comparte no solo las estrategias en sí, sino también su sistema de pensamiento y creencias que lo llevaron a desarrollar estas estrategias. Es un enfoque lógico y práctico que brinda a los traders una comprensión profunda de cómo funcionan los sistemas automatizados y cómo aplicarlos de manera efectiva en su propio trading.

Uno de los aspectos destacados de este libro es el enfoque en el manejo del riesgo. Bensdorp ofrece una serie de métodos y técnicas que permiten a los traders controlar y minimizar los riesgos asociados con el trading automatizado. Esto es fundamental para garantizar un rendimiento constante y confiable a largo plazo.

Si ya tienes cierto conocimiento sobre sistemas de trading y estás buscando diversificar tu portafolio con estrategias probadas y rentables, «Sistemas automatizados de trading» es una lectura obligada. Este libro es una joya en el mundo de habla hispana, superando incluso michos otros más clásicos y no traducidos a nuestra lengua en términos de contenido y aplicabilidad.

En resumen, si estás buscando un enfoque sólido y práctico para el trading automatizado, este libro te dará las herramientas y los conocimientos necesarios para alcanzar tus metas.

¿Los Servicios Públicos Tienen Alguna Utilidad? [Dirty Dozen] por Alex Barrow

En Dirty Dozen [CHART PACK] de esta semana repasamos las perspectivas técnicas y de posicionamiento para el petróleo, luego nos adentramos en el peso mexicano y analizamos un posible giro, antes de finalmente hablar de algunas teorías bajistas y pesimismo histórico en los servicios públicos, además de más…

1. El último resumen de Flow Show de BofA con lo más destacado de mí.

2. Hablamos del patrón alcista en el crudo antes de su gran ruptura a principios de julio y luego de nuevo hace dos semanas. Este se ha desarrollado muy bien desde entonces, pero la cinta ahora está 2std por encima de su línea media, por lo que deberíamos esperar un retroceso o alguna consolidación a medida que las fuerzas de reversión media hacen su trabajo.

3. En general, somos menos optimistas con el crudo que hace tres meses. La razón principal es que el posicionamiento y el sentimiento han cambiado de muy bajista a alcista. Tanto las posiciones grandes como las pequeñas están largas con posiciones grandes por encima de su percentil 90 a 1 año. Medimos el sentimiento de los gestores de activos de una manera novedosa y eso ha pasado de dar una señal de compra en julio a una señal de venta la semana pasada.

Además, ocasionalmente reviso las noticias financieras durante toda la semana para una lectura rápida del sentimiento, y las acciones de energía, junto con la compra de la caída en tecnología/IA, parecen ser las «apuestos seguras» de consenso.

Así que, aunque espero que la tendencia y el impulso aumenten el petróleo en las próximas semanas después de una breve caída, vamos a empezar a reducir nuestra exposición a la energía.

4. El USDMXN finalmente ha hecho un cierre semanal por encima de su banda media de BB.

5. Las posiciones netas (línea naranja) están cargadas en el peso.

6. El gráfico diario muestra la configuración. Tenemos un fuerte movimiento alcista, con 7 días consecutivos subiendo, empujado desde un patrón de rectángulo de suelo. Esto significa que las probabilidades favorecen que se esté llevando a cabo un cambio de tendencia. El USDMXN es a menudo un buen aviso de riesgo entrante para el mercado en general, así que tal vez eso es lo que esto está empezando a oler aquí.

Se extiende desde la línea media, pero compraremos en un retroceso o consolidación que nos dará un punto de inflexión técnico para introducir un stop loss.

7. La desconexión entre las encuestas del Oficial Superior de Préstamos (SLO) y los diferenciales de HY sigue ampliándose. Mi escenario base durante todo el año ha sido que veremos a los EE. UU. entrar en recesión cerca de finales de año. Tal vez eso se retrase al primer trimestre, no lo sé. En última instancia, nos fijaremos en el precio. Pero me parece que entraremos en 2024 con un sentimiento y un telón de fondo macro que es la imagen especular de lo que empezamos en 23′.

8. Y debido a que estoy viendo a mucha más gente hablando de no aterrizar / crecimiento fuerte, que parece ser la formación de consenso, voy a empezar a hablar un poco más de ello.

Este gráfico es de Simon White de BBG. Muestra los índices de estrés de datos duros y blandos de EE. UU., que están en los niveles que han precedido a las recesiones en el pasado.

En una nota al margen, no puedo encontrar ninguno de estos en BBG. Si conoces el ticker de estos (¿tal vez sean personalizados?), por favor, házmelo saber.

9. Otro de Simon que muestra el porcentaje de estados con reclamaciones crecientes. Una vez más, esto se parece a lo que normalmente vemos en los trimestres que conducen a una recesión. Definitivamente no estoy sugiriendo que estemos en recesión ahora. Desde luego, ese no es el caso. Solo digo que las pistas que rastreamos sugieren que es probable que tengamos una alrededor de finales de este año y la narrativa popular ha descartado esa posibilidad.

10. 33 puntos básicos en el spread entre los bonos de MSFT y los US Treasuries. Cuando se ha fijado el mejor futuro posible, deja la puerta abierta para mucha decepción.

11. De SentimenTrader: «Como su nombre lo indica, el indicador XLU 12-Week Low % muestra el porcentaje de acciones en ese fondo cotizado en bolsa que actualmente cotiza a un mínimo de 12 semanas… Jay también mostró que nuestro cálculo de correlación entre las empresas del sector se está invirtiendo a la baja desde un nivel extremadamente alto. Después de un comportamiento similar, el sector mostró rendimientos excepcionales a 12 meses«.

.

12. No estoy abogando por comprar XLU, solo estoy señalando algo que vale la pena vigilar. Los utilities están en su banda inferior mensual. Esta banda ha actuado como un punto de giro siempre desde que comenzó este mercado alcista en 2009.

Gracias por leer.

 

El secreto para superar la adversidad por Brett N. Steenbarger

Margie y yo recientemente recorrimos Europa del Este y terminamos el viaje con un recorrido por el campo de concentración de Terezin. Durante los 3-1/2 años de existencia del campo, miles de reclusos fueron asesinados o murieron a causa de enfermedades. Lo que me pareció increíble fueron las obras de arte creadas por los reclusos durante su internamiento. Música, pintura, teatro, escultura: todos fueron de vital importancia para los reclusos. A pesar de las condiciones inhumanas de hacinamiento y el frecuente abuso y tortura, los prisioneros se centraron en crear obras de extraordinaria belleza. El hecho de que muchas de estas obras estén con nosotros hoy da fe del éxito de su búsqueda.

Para mí, fue un poderoso recordatorio de que, no importa lo malas que se vuelvan nuestras situaciones, siempre podemos elevarnos por encima de ellas a través de la expresión creativa y el logro. Cuando creamos, una pintura, un libro, una teoría científica, incluso un sistema de trading, nos subimos por encima de lo que es y nos damos cuenta de una visión de lo que puede ser. De hecho, cuanto más nos enfrentamos a la pérdida y el revés, más importante se vuelve crear y sumergirnos en el significado y la belleza.

El secreto para superar la adversidad es transformar tu vida en una obra de arte: estar tan centrado en crear lo que es hermoso y significativo que todo lo demás se convierta en secundario. Nuestras relaciones pueden convertirse en obras maestras; nuestras carreras pueden convertirse en caminos para perseguir una visión de lo que es posible. Todos nos convertimos en artistas cuando nos acercamos a la vida de forma creativa y encontramos la belleza en cada faceta de la vida.

Cuando salía del patio de Terezin, donde los prisioneros eran acorrallados en los cuarteles, noté una piedra lisa, redonda y en forma de cuarzo en el suelo. Me llevé la piedra a casa, y ahora se sienta en mi escritorio donde escribo. Es un recordatorio inmediato de los horrores que vi, y también del creciente espíritu humano que trascendió el mal.

Cada revés de la vida, incluidos los reveses en los mercados, es una oportunidad para superar las pérdidas y crear el futuro. Nos aprovechamos de nuestra Divinidad cuando nos convertimos en Creadores.

Un cambio de tendencia alcista a largo plazo para las materias primas por Sentimentrader

• El índice Bloomberg Spot Commodity cerró por encima de su media de 200 días por primera vez en un año.
• Señales de cambio de tendencia similares condujeron siempre a precios más altos de las materias primas durante los siguientes seis y doce meses.
• El sector energético suele superar a todos los demás grupos durante el año siguiente.

Un índice de materias primas pasa a una tendencia alcista a largo plazo

Las materias primas, un indicador del crecimiento global, sufrieron de forma similar a los índices bursátiles, cayendo aproximadamente un -30% por temor a una contracción económica después de que los bancos centrales aumentaran las tasas de interés a uno de los ritmos más rápidos de la historia.

Después de 251 días de negociación consecutivos por debajo de su media móvil de 200 días, la octava racha más larga en 90 años, el índice Bloomberg Spot Commodity finalmente cerró por encima de su indicador de tendencia de precios a largo plazo.

Evaluamos las perspectivas para una amplia cesta de materias primas y acciones después de señales de cambio de tendencia similares.

Lo que nos dice el estudio

El índice Bloomberg Spot Commodity cerró por encima de su media de 200 días por primera vez en un año. Después de señales similares de cambio de tendencia, el índice subió el 100% de las veces durante los siguientes períodos de seis y doce meses. Incluso cuando reduje el umbral a menos de nueve meses, la cesta de materias primas subió el 85% del tiempo durante el año siguiente, con sólidas ganancias del 14,7%. Con el último período prolongado por debajo del promedio asociado a una recesión uno tiene que preguntarse cuánto énfasis se debe poner en las materias primas como señal de aviso de contracciones económicas.

La Paridad Put/Call por Sergio Nozal

• La “Paridad Put/Call” es un concepto importante de entender por todo operador de opciones. Esta paridad se trata de una característica propia del precio de las opciones. Su descubridor, o al menos la persona que lo reportó por primera vez de forma oficial, fue Hans Stoll, en un informe llamado “The Relation Between Put and Call Prices”, en 1969. 
• Artículo publicado en Hispatrading 17.

En él, decía que la prima de una opción call implicaba un cierto precio justo para la correspondiente opción put con su mismo “strike” y fecha de expiración, y viceversa. 

Hablando de forma simple, la paridad Put/Call es una relación entre las opciones call, las opciones put y el propio precio del subyacente, de forma que en todo momento debe existir un equilibrio entre los precios, y cuando esta paridad se desajusta, es cuando aparecen oportunidades de arbitraje.

Existe una fórmula que determina esta relación. Para llegar a ella, vamos a desglosar una posición determinada, a la que llegaremos a través de dos caminos diferentes.

Por un lado vamos a unir una “Long Call” (compra de opción call) y una posición de “cash”. El gráfico resultante sería el gráfico de riesgo de una “Long Call”:

Por otro lado, vamos a elaborar la misma posición mediante la formación de una “Long Put” y una posición larga de acciones (“Long Stock”):

Observamos que hemos llegado a la misma “Posición 1” mediante dos caminos diferentes. Es decir:

Long Call + Cash = Long Put + Long Stock

La ecuación que representaría la paridad Put/Call tiene en cuenta todas las variables que afectan al precio de las opciones, incluyendo el tiempo y los tipos de interés:

Sin embargo, estos conceptos (tiempo y tipo de interés) son prácticamente inapreciables, lo que hace que podamos simplificar la ecuación en la siguiente fórmula:

Call – Put = Stock

Es decir, con opciones podremos “fabricar” una posición equivalente a una acción. Es lo que se conoce como Posiciones Sintéticas. Y precisamente la formación de estas posiciones sintéticas es el principal uso que tiene el entender esta paridad Put-Call. Veámoslo con un ejemplo.

Si compramos la opción Call en SPY con “strike” 177 (SPY LC DEC 177) y vendemos la opción Put con la misma expiración y “strike” (SPY SP DEC 177), obtendremos una posición similar a la compra de 100 acciones del SPY.

Hagamos otro ejemplo. Imagina que quieres ponerte corto en una acción pero no quieres incurrir en los gastos del bróker. Podrías fabricar una posición corta de acciones (Short Stock) mediante el uso de opciones, creando una posición sintética.

Si quiero hacer una posición corta de acciones (- Stock), basta con cambiar el signo a la fórmula:

Put – Call = -Stock

Los creadores de mercados son probablemente los que más utilicen posiciones sintéticas, con el objetivo de cubrir los riesgos de todo su inventario, de la forma más económica posible. El operador “retail” nunca podrá realizar operaciones de arbitraje, pero conocer la paridad Put/Call le proporcionará nuevas herramientas para entender los riesgos de sus posiciones y cómo establecer posiciones sintéticas en su portfolio.

La cartera 60/40 sigue viva por Ben Carlson

Rob Isbitts de ETF.com dice que el discurso de Jerome Powell en Jackson Hole es una mala noticia para los inversores de 60/40:

Durante casi dos décadas, los asesores de inversión y los inversores autodidactas llegaron a entender y apreciar la «asignación de activos» como una combinación complementaria de acciones y bonos. Cuando las tasas estaban bajando, los precios de los bonos subieron y el mercado de valores subía también en medio de esas condiciones de crédito tan laxas, esa combinación funcionó muy bien.

El último mensaje de Powell lleva a los asesores e inversores a centrar su atención en qué hacer con sus carteras, con la posibilidad de un rápido recorte de la tasa de la Reserva Federal, a menos que sea en respuesta a una crisis financiera.

Con tanto dinero y sentimiento que se han recuperado en torno al concepto 60/40 hasta que tanto las acciones como los bonos cayeron en tándem en 2022, el potencial de ser una opción rentable parece que recibe un nuevo golpe. Depende de los asesores adaptarse a eso.

El año pasado fue uno de los peores de la historia para una cartera diversificada de acciones y bonos. Los bonos lo hicieron muy muy mal y también hicieron que el mercado de cayera.

Nadie sabe a dónde vamos a partir de ahora, pero hay personas más inteligentes que yo que están preocupadas por la continuación de tasas más altas y una mayor inflación durante el tiempo suficiente para hacer que los inversores se sientan incómodos.

El aumento de la inflación y las tasas no suelen ser excelentes para las acciones o los bonos, pero mucho de esto realmente depende de si desea acercar o alejarse cuando se trata de un rendimiento histórico.

Si hacemos zoom, las cosas no se ven tan bien para una cartera diversificada de acciones y bonos.

Aquí hay un gráfico de la correlación o rendimientos de 36 meses entre el S&P 500 y los bonos del Tesoro a 5 años desde 1926:

Puedes ver picos en los números de correlación en las décadas de 1940, 1970 y el año pasado. Lo que esto nos dice es que las acciones y los bonos se movían en tándem durante los períodos de inflación y tasas de interés más altas que la media.

Eso no es algo bueno cuando las tasas están subiendo porque significa que las acciones y los bonos tienden a caer al mismo tiempo, que es exactamente lo que sucedió en 2022.

Quieres que los bonos diversifiquen las acciones y viceversa, especialmente durante los períodos de disturbios del mercado. La diversificación funciona la mayor parte del tiempo, pero no siempre.

Así es la naturaleza del riesgo.

Pero también es importante señalar que las correlaciones de rendimiento a corto plazo no siempre cuentan toda la historia.

Si nos alejamos un poco, puedes ver que las acciones y los bonos tienden a subir al mismo tiempo la mayoría de las veces:

Esto tiene sentido si se tiene en cuenta el hecho de que las acciones y los bonos suben mucho más a menudo de lo que bajan en un año determinado.

Desde 1926, el S&P 500 ha subido aproximadamente 3 de cada 4 años. Esa es una tasa de ganancia bastante buena, pero los bonos han tenido aún mejores datos.

Los bonos del Tesoro a cinco años han experimentado rendimientos positivos en casi el 88 % de todos los años naturales desde 1926. Los bonos son mucho más aburridos que las acciones.

Y si lo ponemos todo junto, aproximadamente dos tercios del tiempo desde 1926, las acciones y los bonos han terminado el año en territorio positivo simultáneamente.

Si bien tanto las acciones como los bonos se han beneficiado enormemente en las últimas cuatro décadas más o menos de la disminución de las tasas de interés, la caída de las tasas no es un requisito previo para los rendimientos en los mercados financieros.

Los mercados arrojaron rendimientos decentes incluso frente a las depresiones, las guerras, el aumento de las tasas de interés y una altísima inflación en el pasado:

Sí, los rendimientos fueron más altos en un entorno de tasas descendentes, pero también es importante reconocer que los rendimientos iniciales son más importantes para los bonos que la dirección de las tasas.

Corey Hoffstein de Newfound Research escribió una nota hace varios años que siempre recuerdo donde me preguntó: ¿Realmente importaban las tasas en disminución?

Miró hacia atrás en el período de 1981 a 2017, cuando EE. UU. Los rendimientos de los bonos del 15 % bajaron del 15 % al 2 %.

La mayoría de la gente asume que esa caída de las tasas fue la mayor razón del mercado alcista de bonos extendido.

La caída de los rendimientos representó el 2,2 % de la ganancia anualizada del 8,7 %. Seguro que fue un buen impulso. Pero la razón principal por la que los bonos lo hicieron tan bien es porque el rendimiento inicial promedio en las décadas de 1980, 1990 y 2000 fue muy alto.

Los rendimientos en este momento no son tan altos como lo eran entonces, pero son mucho más respetables.

A menos que esté tratando de realizar una operación y obtener bonos antes de que las tasas caigan, debe querer que las tasas de interés se mantengan más altas durante más tiempo como inversor de renta fija.

Nada está garantizado en los mercados financieros, pero una cartera diversificada de acciones y bonos está en un lugar mucho mejor en este momento que hace solo unos pocos años, principalmente porque los rendimientos de los bonos han aumentado mucho.

Si su rendimiento anual objetivo para una cartera 60/40 es del 6 %, pero los rendimientos de los bonos son del 1 %, necesita casi el 10 % anual del mercado de valores.

Pero si los rendimientos de los bonos son del 5 %, ahora solo se necesita menos del 7 % del mercado de valores para alcanzar ese objetivo.

Invertir sería mucho más fácil si las correlaciones fueran estáticas, las tasas siempre comenzaran desde un nivel alto, solo para bajar y las valoraciones del mercado de valores estuvieran por debajo de la media.

Es probable que nunca vuelva a ser tan fácil.

Pero una cartera diversificada de acciones y bonos está ahora en un lugar mucho mejor a largo plazo, incluso si las cosas se ponen un poco llenas de baches a corto plazo.

Michael y yo hablamos sobre carteras 60/40, rendimientos de bonos y mucho más en el último vídeo de Animal Spirits:

Suscríbete a The Compound para no perderte nunca un episodio.

Análisis dentro y fuera de la muestra (In-Sample vs. Out-Of-Sample) en las estrategias de trading por Quantpedia

• Los “papers” que hablan de técnicas de trading y estudios inundan el mercado. ¿Podemos confiar que los resultados publicados se replicarán en el futuro? Hagamos un test con un análisis fuera y dentro de la muestra (In-Sample vs. Out-Of-Sample).
• Artículo publicado en Hispatrading 55.

La ciencia ha estado en una «crisis de replicación» durante más de una década. Los investigadores han descubierto, una y otra vez, que muchos hallazgos en campos como la psicología, la sociología, la medicina y la economía no se sostienen cuando otros investigadores intentan replicarlos. Hay muchas preguntas interesantes, como por ejemplo: ¿El problema es solo que probamos la «significación estadística» (la probabilidad de que resultados igualmente fuertes podrían haber ocurrido por casualidad) sin matices? ¿Es que los resultados nulos (es decir, cuando un estudio no encuentra efectos detectables) se ignoran mientras que los positivos se publican en las revistas? Dicho simplemente: muchos estudios publicados no se pueden replicar.

Pero, ¿qué significa para nosotros, inversores y traders? Nosotros, tratamos de presentarle la investigación académica en una forma digerible para la persona que no está acostumbrada a leer rigurosamente miríadas de artículos escritos en “lenguaje académico» y, a menudo, difíciles de entender.

Entonces, ¿hay alguna «ventaja» en las estrategias de trading y los enfoques de inversión desarrollados puramente por académicos después de la publicación, o morirán poco después de hacerse públicos? Probemos entonces las estrategias out of Sample o fuera de la muestra. Pero esta vez, con datos duros.

Introducción

Cuando se descubre una anomalía y se comparte una estrategia construida a su alrededor, a menudo genera preocupaciones de que la anomalía podría ser arbitrada y potencialmente volverse no rentable en las carteras de los inversores. Sin embargo, las estrategias de inversión suelen seguir siendo rentables después de la publicación, aunque se produce una disminución de la rentabilidad. Sin embargo, los rendimientos no se debilitan instantáneamente; una parte significativa de la rentabilidad permanece incluso después de que la estrategia sea ampliamente conocida. Un estudio realizado por McLean y Pontiffencontró que los rendimientos de la cartera fueron un 26 % más bajos fuera de la muestra y un 58 % más bajos durante los cinco años posteriores a la publicación, lo que indica que los inversores están al tanto de las publicaciones académicas y aprenden sobre la manipulación de precios. Sin embargo, la disminución de los rendimientos se da gradualmente con el tiempo, e incluso después de cinco años, se conserva una parte notable del rendimiento de una anomalía. La anomalía conocida a menudo se transforma en un «factor beta inteligente» y aún puede utilizarse de manera rentable dentro de una cartera diversificada. También se observa que el proceso de publicación de artículos académicos puede demorar uno o dos años, y durante este tiempo, los profesionales pueden extraer ideas de los documentos de trabajo para obtener una ventaja.

Un artículo reciente de Jensen, Kelly y Pedersen: «Is There a Replication Crisis in Finance?» (“¿Existe una crisis de replicación en las finanzas?”) también analiza la replicación de las estrategias de trading descritas en la investigación académica. Los investigadores descubrieron que más del 80 % de los factores de renta variable de EE. UU. seguían siendo significativos incluso después de realizar ajustes para lograr una construcción de factores consistente y más implementable, al mismo tiempo que se conservaba la señal original. Además, se observó la misma calidad y cantidad de comportamiento en 153 factores en 93 países, lo que sugiere un alto grado de validez externa en la investigación de factores. Realmente no es un mal resultado.

No demasiado preocupantes son también los hallazgos de Heiko Jacobs y Sebastian Muller en sus “ Anomalies across the globe: Once public, no longer existent?» (“Anomalías en todo el mundo: una vez son públicas, ¿ya no existen?”) Motivados por McLean y Pontiff (2016) (que mencionaremos más adelante), estudiaron la previsibilidad de la rentabilidad previa y posterior a la publicación de 231 anomalías transversales en 39 mercados bursátiles. Basándose en más de dos millones de meses de países anómalos, su resultado es que Estados Unidos es el único país con una disminución fiable posterior a la publicación en los rendimientos largos/cortos. Esto podría proporcionar información valiosa sobre el modelado de la «longevidad» de las estrategias realizadas en estos mercados y la «esperanza de vida» hasta que la estrategia/anomalía «muere».

El último trabajo de investigación que nos gustaría mencionar es el de Falck, Rej y Thesmar (2021), que examina la hipótesis de las características ex-ante que predicen empíricamente el out-of-sample (ellos definen out-of-sample como el período posterior a la publicación) caída en el rendimiento ajustado al riesgo de las anomalías bursátiles publicadas. Su conclusión final es que cada año, el decaimiento de Sharpe de los factores recién publicados aumenta alrededor de un 5% (que no es tanto).

Datos y Metodología

Hemos recopilado todos los datos sobre estrategias de nuestros backtests que se realizaron en QuantConnect. A continuación, obtenemos información sobre cuándo finalizan los datos de los documentos de origen (fin del período de prueba del conjunto de datos en el documento académico de origen). Esto basa la intersección entre fuera de la muestra y dentro de la muestra para nuestras pruebas retrospectivas. A continuación, dividimos estos datos en esos dos conjuntos y los comparamos y analizamos.

Ahora le mostraremos nuestra metodología seleccionada para esta validación experimental de nuestros backtests en un ejemplo.

Usemos nuestra primera entrada enciclopédica, la siempre verde estrategia de seguimiento de tendencias de clases de activos, basada en el artículo de Mebane Faber «A Quantitative Approach to Tactical Asset Allocation«. Fin del período de backtesting desde desde el punto de intersección entre los conjuntos de datos (el año después de la publicación del estudio) (en la Figura 2 resaltado en verde)

Y este es el año que se muestra en el backtest de QUANTCONNECT. Hasta el último día de 2008, lo consideramos resultados de backtest in-sample , en adelante desde el primer día de negociación de 2009 resultados de backtest out-of-sample .

De las 868 estrategias en el momento del análisis (a principios de  mayo de 2023), hemos probado internamente 671 de ellas. De estas, 417 se mantuvieron y actualizaron mensualmente y, por lo tanto, se incluyeron en el análisis. Además, 62 de ellas fueron excluidas; no teníamos datos para volver al período que finaliza desde el documento (comenzamos a realizar pruebas retrospectivas desde una fecha posterior a la fecha de finalización de la muestra de datos indicada en el documento). Esto concluye la parte de pre-procesamiento de datos. De esta forma, nos quedan 355 estrategias para un análisis más detallado.

El principal interés central analizado es el ratio de Sharpe, que concluimos es la medida más adecuada para comparar los resultados dentro y fuera de la muestra en nuestra muestra de datos. Nuestra  base de datos cubre todas las principales clases de activos  (acciones, bonos, materias primas, criptos). Por lo tanto, no tendría sentido sacar conclusiones de las medidas de rendimiento anualizadas cuando nuestra muestra de datos contiene estrategias sobre criptodividas altamente volátiles y, al mismo tiempo, estrategias de renta fija de baja volatilidad. La medida del ratio de Sharpe es excelente en nuestro caso porque escalamos los rendimientos anualizados según la volatilidad anual, lo que ayuda a analizar los rendimientos ajustados al riesgo.

Así, ahora tenemos:

• conjunto de datos en la muestra (generalmente StartDate desde QP hasta el final del período de prueba retrospectiva del documento de origen),
• conjunto de datos fuera de la muestra (fin del período de prueba retrospectiva desde el documento de origen hasta el final de la prueba retrospectiva de QP; en el caso de un código único con datos limitados, es fijo, en el caso de un código recurrente y de actualización, siempre dinámico y ajustado a mes actual);

Calculamos el CAR p.a. y la volatilidad p.a., cuya división nos proporcionó los índices de Sharpe dentro y fuera de la muestra para cada estrategia.

Resultados y su Interpretación

Ahora, sigamos adelante. Como medida de promedio, hemos elegido la media aritmética. La mediana es el valor que separa la mitad superior de la mitad inferior de una muestra de datos y no está sesgada por una pequeña proporción de valores extremadamente grandes o pequeños, lo que proporciona una mejor representación del centro. Es la razón principal por la que también lo incluimos en nuestro análisis. La siguiente tabla muestra los ratios de Sharpe promedios y medianos entre los datos dentro y fuera de la muestra:

Tabla 1. Comparación de los ratios de Sharpe.

Según la Tabla 1 el ratio de Sharpe para resultados fuera de la muestra es peor y se deterioró en un  33 % (en promedio) o 44 % (estrategia mediana). Estos resultados están totalmente en línea y son consistentes con los hallazgos de los trabajos de investigación mencionados anteriormente.

En las Figuras 3 y 4, se muestra la figura que representa la distribución (histograma) de los ratios de Sharpe dentro y fuera de la muestra:

Como podemos ver, la distribución de resultados sigue una “distribución casi normal”, en la que principalmente puede esperar que su estrategia tenga un ratiode Sharpe en el intervalo (-1, 3) . Y es tanto para resultados fuera de la muestra como dentro de la muestra. Los resultados dentro de la muestra, por supuesto, están yendo un poco mejor.

Otra observación interesante es que tanto los resultados dentro de la muestra como fuera de la muestra parecen estar sesgados positivamente: cola ancha en el lado derecho (pero la cola derecha del histograma fuera de la muestra es un poco menos gruesa). Este es un hallazgo muy interesante y habla a favor de una gestión de riesgos estricta si empleamos una cartera de múltiples estrategias. Parece que las estrategias parecen deteriorarse fuera de la muestra, pero tenemos algunos valores atípicos positivos realmente fuertes; por lo tanto, tiene sentido reducir el presupuesto de riesgo a las estrategias que no funcionan bien fuera de la muestra y dejar que las ganancias fluyan en aquellas que sí lo hacen. Esos resultados pueden dar cierta validez a la idea de Factor Momentum: puede ser una buena idea aumentar el peso de las estrategias que recientemente funcionaron bien.

Pero sigamos adelante. Esta es la imagen que muestra cómo se comportaron todas las estrategias incluidas durante la ventana de 10 años, los últimos 5 años dentro de la muestra y los primeros 5 años fuera de la muestra:

En el eje X, de la Figura 6, tenemos un período dentro de la muestra (-5 a 0), el año cero es el año umbral y del año 0 al 5 es el desempeño en el período fuera de la muestra. El eje Y muestra una apreciación de 1 USD durante el tiempo mencionado anteriormente. Todas las estrategias en el año 0 comienzan en 1 USD. La línea negra representa el multiplicador promedio (aritmética simple) de los rendimientos cuando mezclamos todas las estrategias en una cartera con la misma ponderación. Nuestro punto aquí es mostrar que las estrategias realizadas tienen una expectativa positiva, pero la dispersión en el comportamiento (dentro y fuera de la muestra) es realmente significativa.

Suponiendo que construimos una cartera que incorpora todas las estrategias probadas con la misma ponderación (línea negra), también calculamos cuál sería la pérdida de señal en el rendimiento después de la publicación. Siguiendo nuestro enfoque indicado, si comienza a usar cada estrategia en la fecha en que finaliza la prueba retrospectiva en papel y pondera su cartera por igual, encontramos que la cartera fuera de la muestra produciría en promedio aproximadamente 4/5 del rendimiento de la muestra. Una vez más, la disminución del rendimiento individual entre las estrategias varía mucho.

La caída del rendimiento en el enfoque de cartera es menor que la caída del rendimiento en las estrategias individuales. La razón de esto es la baja correlación entre las estrategias (dentro y fuera de la muestra).

Conclusión

Indudablemente, los índices de Sharpe empeoran después de formar varias estrategias de trading basadas en anomalías de mercado desconocidas de antemano. Según nuestro análisis, es razonable esperar una degradación de la relación de Sharpe de 1/3 o 1/2 con respecto al período de la muestra. Esto no debería ser, de ninguna manera, desalentador, sino más bien un hallazgo positivo que uno debe aceptar y prepararse para dar cuenta de los aspectos menos agradables de la inversión y el trading, considerando los rendimientos informados y esperados y las desviaciones inesperadas de ellos.

Nuestros resultados están en línea con el consenso académico actual.

¿Cuál podría ser la solución parcial para la caída del rendimiento? Los hallazgos preliminares sugieren que el factor impulso o momentum podría ser la respuesta correcta. Se sabe que las distribuciones financieras de cola gruesa son buenos objetivos para explotar mediante reglas de impulso/seguimiento de tendencias. Por lo tanto, la superposición de impulso/tendencia en una cartera de estrategias puede ser una buena idea. Alternativamente, también se pueden considerar otras superposiciones de factores basadas en el precio (baja volatilidad, MIX, MAX, etc.)

El cuadrante del bienestar: Un marco para optimizar su psicología del trading por Brett N. Steenbarger

Imagina que creamos un cuadrante del bienestar 3×3:

En el eje X, tenemos tres dimensiones del bienestar psicológico:

1) Felicidad – Cuánta alegría experimentamos;

2) Cumplimiento – Cuánta satisfacción y orgullo experimentamos;

3) Energía: cuánta inspiración y emoción experimentamos;

En el eje Y, tenemos tres dimensiones de bienestar en la vida:

1) Vida personal – Lo que estamos haciendo para desarrollarnos como individuos;

2) Vida interpersonal: lo que estamos haciendo para mantener, expandir y profundizar nuestras relaciones;

3) Vida laboral – Lo que estamos haciendo para crecer y tener éxito en el trabajo que emprendemos.

Con esta red de bienestar, tenemos una práctica libreta de calificaciones semanales que nos permite hacer un seguimiento a lo largo del tiempo de lo bien que estamos maximizando la calidad de nuestras vidas. También tenemos un marco para rastrear las sinergias en nuestras vidas: el grado en que mejorar un área de la vida crea beneficios para otras áreas. Y, por supuesto, podemos rastrear cómo los contratiempos en una esfera de la vida podrían estar afectando a otros.

Si estamos trabajando conscientemente en las nueve cuadrículas de la Red de Bienestar, en lo que realmente estamos trabajando es en la intencionalidad: la expansión de nuestro libre albedrío. La idea es vivir la vida en un estado en el que estemos completamente despiertos, no funcionando con el piloto automático. Maximizamos nuestra psicología del trading cuando maximizamos nuestras capacidades para vivir intencionalmente. El gran enemigo de la mentalidad no es el estrés; es la ausencia de bienestar. Todos necesitamos rutinas para vivir la vida de manera eficiente, pero cuando toda la vida se convierte en un conjunto de rutinas, ya no estamos completamente vivos, y no podemos crecer. Idealmente, cada semana, nos deberíamos empujar más allá de nuestros niveles de comodidad en las nueve áreas de la Red de Bienestar.

Las ganancias futuras del S&P 500 siguen en camino de la recuperación por Ed Yardeni

El mercado de valores repuntó del viernes al miércoles a pesar del discurso agresivo del presidente de la Reserva Federal, Jerome Powell, en Jackson Hole el viernes. El repunte recibió un impulso alcista tras el informe JOLTS de julio publicado el martes por la mañana, que mostró menos ofertas de empleo y menos renuncias de lo esperado durante el mes.

Estos son acontecimientos alcistas, como veremos más adelante, porque sugieren que el mercado laboral se está “reequilibrando”, con una disminución de la demanda de mano de obra. Powell ha subrayado la importancia de estas dos variables para la fijación de la política monetaria. Ambos van en la dirección correcta, es decir, la que aumenta la probabilidad de que la Reserva Federal deje de subir las tasas de interés.

También van en la dirección correcta las expectativas de consenso de los analistas para las ganancias operativas del S&P 500. Durante el segundo trimestre, el resultado real cayó un 5,3% interanual, liderado por una caída del 48,0% interanual en el sector energético. Excluyendo Energía, las ganancias del S&P 500 aumentaron un 3,4%. Mientras tanto, los analistas de la industria han estado elevando sus estimaciones de ganancias para 2023, 2024 y 2025 en las últimas semanas (Fig. 1). También han aumentado sus estimaciones para los dos últimos trimestres de 2023, así como para los cuatro trimestres de 2024 (Fig. 2 y Fig. 3).

No hay ninguna recesión aparente en las previsiones de beneficios consensuadas de los analistas. Repasemos los últimos datos:

(1) Trimestral. A continuación se muestran las tasas de crecimiento trimestral interanual esperadas reales y actuales para 2023 (-3,1%, -5,3%, -0,1% y 9,1%). Aquí están las expectativas para los trimestres de 2024 (8,8%, 12,0%, 12,7% y 12,8%).

(2) Anualmente. Actualmente, los analistas esperan que las ganancias sobre una base “real congelada” aumenten un 11,8% interanual el próximo año a 247,09 dólares desde 221,01 dólares este año, lo que representaría un aumento del 1,3% con respecto a 2022 (Fig. 4). Esperan que las ganancias de 2025 aumenten un 12,6% a 278,10 dólares.

(3) Adelantados. Durante la semana del 24 de agosto, los ingresos a plazo del S&P 500 alcanzaron otro máximo histórico (Fig. 5). Las ganancias futuras del S&P 500 todavía están por debajo de su máximo histórico de 239,93 dólares durante la semana del 23 de junio de 2022. Sin embargo, tocaron suelo este año durante la semana del 9 de febrero y han subido un 5,4% desde entonces hasta 238,06 dólares durante la semana del 24 de agosto. (Para su información: los ingresos y ganancias futuros son el promedio ponderado en el tiempo de las expectativas de consenso de los analistas para el año en curso y el año siguiente. Calculamos el margen de beneficio futuro a partir de los ingresos y ganancias futuros). Estas dos series sugieren que la última recesión de ganancias se debió en su totalidad a la disminución del margen de beneficio. De hecho, el margen de beneficio futuro cayó desde un máximo histórico del 13,4% durante la semana del 9 de junio de 2022 a un mínimo reciente del 12,3% durante la semana del 30 de marzo de este año. Subió a un máximo de siete meses del 12,6% durante la última semana del 24 de agosto.

(4) Amplitud de ganancias. Joe calcula una serie que muestra el porcentaje de empresas del S&P 500 con cambios porcentuales positivos en tres meses en las ganancias futuras (Fig. 6). Subió al 73,3% a finales de agosto desde un mínimo reciente del 44,4% durante la semana del 30 de diciembre de 2022.

(5) Conclusión. Joe y yo creemos que la recesión de los beneficios terminó en el segundo trimestre. Según nuestras previsiones, es probable que el crecimiento de los ingresos se desacelere junto con la inflación. Sin embargo, esto debería verse más que compensado por el actual repunte del margen de beneficio.

Todavía estamos estimando que las ganancias por acción del S&P 500 serán de 225 dólares este año, 250 dólares el próximo año y 270 dólares en 2025 (Fig. 7). No hemos cambiado estas estimaciones desde noviembre pasado. Han sido más altos que el consenso de los estrategas de inversión principalmente porque hemos estado en el campo del aterrizaje suave en lugar del aterrizaje duro desde el año pasado.

Aviso: una vez que tengamos todas las cifras finales para el segundo trimestre, es posible que reduzcamos nuestra estimación de ganancias para 2023, pero mantendremos nuestras cifras de 2024 y 2025. ¿Puedes creer que ya estamos empezando a pensar en el 2025? Esto se debe a que el mercado probablemente esté empezando a hacerlo y los analistas de la industria ya tienen estimaciones de ganancias tan lejanas. ¡Cómo pasa el tiempo!

Que es y para qué sirve una prueba externa por Jesús Fernández

• La prueba externa nos permite ver la realidad de nuestro sistema. Más allá de simples números teóricos, volcados por un sencillo back test, observaremos con más realismo lo que  os esperará cuando opere con el mercado real.
• Artículo publicado en Hispatrading 18.

Imaginemos a un trader que después de elaborar un sistema,  probarlo contra un determinado histórico de un mercado, y optimizar sus variables, decide ponerlo en real. Es decir, jugarse su dinero. Entre las muchas dudas que le invaden, hay una por encima de todas. ¿Funcionará mi sistema en las próximas semanas o meses?  ¿Se parecerán los resultados a los obtenidos en la optimización?. Miedo al futuro.  El trader teme, con razón, que todo su trabajo no haya servido para nada. Que haya jugado con números, para obtener una ilusión que nada tenga que ver con la realidad. Y el trader piensa, como el futuro no se puede probar, pues habrá que arriesgarse y ver qué pasa. Pues no, no tiene razón, hay una técnica para probar el futuro. Es la prueba externa. 

Una prueba externa consiste en probar un sistema optimizado en unos datos históricos, sobre datos vírgenes.  A la optimización le llamamos prueba interna. A la prueba posterior sobre datos vírgenes, prueba externa.  Los americanos les llaman in-sample y out-of-sample respectivamente. 

¿Qué resultados creéis que se obtendrán en la prueba externa respecto a la interna? ¿Mejores? ¿Peores? Evidentemente peores.  ¿Por qué? Pues porque una optimización no es más que la adaptación de un sistema a unos datos. Se buscan las mejores variables para  un determinado histórico. Dichas variables no serán, con seguridad, las mejores para los datos futuros. Te tendrás que conformar con ganar algo. No hay más. La prueba externa suele ofrecer resultados penosos y enfrenta al trader novato con la cruda realidad. Pero es mejor conocerla antes de arriesgar tu dinero. No lo dudes. 

¿Para qué sirve la prueba externa? A mi entender, no para seleccionar los valores para las variables de un sistema. No es eso.  Lo que consigues con una prueba externa bien hecha, es saber si lo que estás haciendo tiene algún sentido. Estás probando tu metodología. Es decir, si ese sistema que has programado, en ese mercado, con ese timeframe, y optimizando como lo haces tú, tiene alguna posibilidad de éxito o no.

¿Cómo se realiza una prueba externa? Se elige un periodo in-sample (interna) y otro out-of-sample (externa).  La relación suele ser 2 a 1, pero no tiene porqué. Por ejemplo, puedes elegir 2 años in-sample contra 1 año out-of sample o 4 meses in-sample contra 1 mes out-of-sample como muestra la figura a continuación.  Los resultados de cada optimización (prueba interna) se aplican al período posterior (prueba externa). Lo que es importante es realizar tantas pruebas externas como puedas, con el histórico de que dispones. Una sola prueba externa no vale para nada, se requieren muchas. Al final se promedian los resultados y se sacan las conclusiones.

Imaginemos que hemos realizado las 8 pruebas externas que muestra la figura. En cada una de las pruebas nos guardamos las estadísticas principales tanto de la prueba externa como de la interna. Y hacemos promedios. Me voy a inventar los resultados para poner un ejemplo sencillo que se entienda bien. Mido la ganancia/mes:

Promedio de ganancia/mes de las pruebas internas = 5000€

Promedio de ganancia/mes de las pruebas externas = 1000€

Podríamos, a continuación, medir el acople:

Acople = 1-PE/PI

En nuestro caso:

Acople = 1-1000€/5000€ = 0.8

Interpretación: el 80% de los resultados de nuestras optimizaciones con ese sistema, en ese mercado y con ese timeframe, son acople. Es decir, fantasía. Nos hemos adaptado a los datos, hemos jugado con los números para encontrar una combinación que se acopla al histórico usado. Solo podemos esperar un 20% de las ganancias obtenidas en la optimización.

Contra más optimizas, más te acoplas. Contra más te acoplas, más te engañas.  La optimización de parámetros de un sistema es imprescindible, pero debe ser suave, contenida, usando un número de combinaciones bajo. De nada te sirve sobreoptimizar y obtener resultados espléndidos. Como dicen los americanos, estás haciendo un guante para la mano del pasado. Contra más ajustado sea ese guante, peor le irá a la mano del futuro, porque la mano del futuro, será  otra. 

La primera vez que un trader novato realiza con sus sistemas pruebas externas, le sucede como a los niños de otros tiempos. Descubren que los Reyes Magos no existen, que son sus padres. Pero seamos positivos. Es preferible saberlo antes de chocarse contra la realidad. De hecho….¿qué estamos haciendo cuando aplicamos un sistema a un mercado contra la cuenta que tenemos abierta en nuestro broker?.  Exactamente, una prueba externa. 

El indicador del miedo sugiere que las acciones subirán en septiembre por Sentimentrader

• El Índice de Volatilidad (VIX) se apartó de su patrón estacional y cerró por debajo de 14 en agosto
• Contracciones similares en la volatilidad resultaron en una tasa de ganancia del 89% para el S&P 500 durante el siguiente mes.
• La volatilidad entre activos continúa rondando el extremo inferior de su rango anual

El índice de volatilidad (VIX) da una señal de compra para las acciones

En una nota de estudio de junio, Jason arrojó luz sobre el patrón estacional anual del Índice de Volatilidad (VIX), subrayando cómo el indicador del miedo tiende a tocar suelo en julio y subir hasta octubre.

Si bien el VIX tocó suelo cerca del mínimo estacional anual desde 1990 y subió al unísono con las tendencias históricas, su trayectoria dio un giro notable en las últimas semanas, cayendo por debajo de 14 el miércoles.

Evaluemos las perspectivas para el S&P 500 cuando el índice de volatilidad (VIX) cae por debajo de 14 en agosto.

Lo que nos dice el estudio

El índice de volatilidad (VIX) cerró por debajo de 14 en agosto, lo que provocó una tendencia alcista en las acciones. Después de señales similares, el S&P 500 subió el 86% de las veces un mes después, lo que sugiere que los inversores no deberían ser cautelosos durante el mes más débil del año, septiembre. Si las acciones suben en septiembre, una consolidación/corrección en octubre debería provocar un repunte a fin de año.

¿Cómo evaluar mejor EL RENDIMIENTO? Alpha, Beta y otros términos por Sergi Sánchez

¿Sabes el riesgo que estás asumiendo en tu cartera? ¿Porqué tienes este o aquel fondo y no aquel otro? ¿Tu cartera está indexada? ¿Sabes la diferencia entre beta y alfa? ¿Tu porfolio de estrategias está diversificado? ¿Conoces alternativas a la ratio de Sharpe? En este artículo voy a intentar responder a estas y otras preguntas relacionadas.

Artículo publicado en Hispatrading 49.

Los operadores profesionales estamos acostumbrados a medir, en especial los algorítmicos ya que es intrínseco a nuestra forma de trabajar; quants nos llaman, que viene de cuantitativo, que significa poco más o menos que lo medimos y cuantificamos todo con datos. No obstante, si en el ámbito profesional es mayoría esta forma de actuar no lo es en el inversor no profesional, sea cual sea el perfil.

Tanto si eres un inversor en fondos como un trader de corto plazo puedes y debes medir el rendimiento de tu inversión o estrategia(s). Afortunadamente esto está al alcance de cualquier inversor sea cual sea tu perfil. Veamos distintos tipos de perfiles y como pueden analizar sus inversiones por si mismos en cada perfil.

LOS FONDOS DE INVERSIÓN. el CLÁSICO INVERSOR de largo plazo.

Aunque sigue siendo minoría el porcentaje de la población que ahorra a través de fondos de inversión, sigue siendo el vehículo más usado para invertir en los mercados financieros a largo plazo. Aquel ahorrador que no tiene demasiados conocimientos sobre los mercados o que no quiere estar muy encima de la inversión suele elegir fondos. Un fondo es en definitiva una agrupación de dinero de distintos inversores (por tanto, hablamos de gestión colectiva) mediante una figura jurídica que invierte siguiendo una estrategia predefinida. El gestor o la sociedad gestora del fondo invertirá en aquel tipo de activos que fija el folleto, que ha sido aprobado previamente por el regulador, pudiendo ser acciones, bonos, inmuebles, etc. Evidentemente, el buen hacer del gestor/a será clave para que la inversión rinda lo que se espera. Él o ella decide cuánto, cuándo y en qué invertir siguiendo un guion predefinido, pero con suficiente margen de maniobra para que su gestión tenga la capacidad de influir. El margen de maniobra del gestor/a tiene mucho que ver con un concepto en el que profundizaré posteriormente, si nos referimos a un fondo de gestión activa o pasiva. En los fondos de gestión pasiva auténticos (ya hablaremos de esto) el margen de maniobra del gestor es cero.

Un/a gestor/a habrá hecho un buen trabajo si su fondo bate a su benchmark. Su trabajo no es ganar dinero si no batir a su benchmark o índice de referencia. Por ejemplo, si un fondo según su folleto debe invertir en empresas del sector constructor y tiene la obligación de estar invertido al menos en un 50% en dichas acciones, si dicho sector cae un -40% en el año, no podemos esperar que el fondo acabe en positivo. Su objetivo es hacerlo mejor y, por tanto, si cayera un -30% el gestor habría hecho un buen trabajo.

¿Y qué es un benchmark? Es un índice de referencia que mide cómo lo ha hecho un fondo, una acción y en general cualquier inversión por comparación con éste. Cada fondo tiene un benchmark fijado, pero cuidado, los fondos no siempre eligen el más representativo si no que algunos eligen el que más les conviene o, dicho de otra manera, el que es más fácil de batir.

Por ejemplo, si un fondo invierte en renta variable española de gran capitalización, este habitualmente usa como benchmark o índice de referencia el índice Ibex-35 que recoge el comportamiento de las 35 empresas españolas de mayor capitalización. El índice Ibex-35 no tiene en cuenta en su valor los dividendos que cobran las acciones que lo forman y, por supuesto, el fondo (o cualquier inversor) que invierte en estas acciones sí cobra esos dividendos. Por tanto, un/a gestor/a que invirtiera en las acciones que forman el Ibex-35 con el mismo peso exacto que el índice, batiría fácilmente cada año al índice Ibex-35 por el valor de los dividendos que hayan pagado las acciones ese año. Por tanto, usar el índice Ibex-35 como benchmark es “trampa”.

Afortunadamente, existen índices de referencia que sí reinvierten estos dividendos cobrados en el índice y que podemos usar como benchmark. Y lo más importante, es tarea fácil consultarlos ya que hay páginas en internet que se dedican a ello y además gratuitamente. Una de las más conocidas es www.morningstar.es que se dedica a medir el rendimiento de los fondos y dispone de numerosas herramientas y buscadores para filtrar, analizar y buscar fondos de forma sencilla y sin demasiados conocimientos previos.

Siguiendo con nuestro ejemplo, el índice benchmark correcto sería el Ibex-35 Total Return (o Gross Return o Net Return) Estos índices existen para casi todos los índices y suelen acabar con las siglas TR, GR o NR. La diferencia es que los índices TR y GR reinvierten los dividendos cobrados en el índice y los NR además de reinvertirlos tienen en cuenta el pago de impuestos que sufre el inversor por los dividendos. Es más adecuado este último, pero cualquiera de los tres será mejor que el índice “standard” que no incluye los dividendos.

Como una imagen vale más que mil palabras fíjense en la Figura 1 que compara el índice Ibex-35 con el índice Ibex-35 Total o Gross Return, también conocido como Ibex-35 con dividendos. La imagen muestra a ambos índices desde 1992 en escala porcentual. Ambos índices inician en el mismo punto del gráfico, pero llegan a un nivel impresionantemente distinto. El Ibex-35 alcanza aproximadamente un 220% mientras que el Ibex-35 TR alcanza los 850%. Esto equivale a un CAGR (tasa de crecimiento anual compuesto) del +3,78% para el IBEX y del +7,77% del índice TR. Es decir, ¡un 4% más anualizado! Por tanto, cualquier fondo que se compare con el IBEX 35 si en un año lo bate solo por un 4%, en realidad no ha batido al mercado, lo ha hecho igual que el índice TR que es el que refleja la rentabilidad real del índice Ibex-35. En realidad, esto cada año varía, el 4% anualizado es la media desde 1992, depende simplemente de los dividendos que paguen las acciones que componen el índice. Hay años que será un 6%, otros un 3%. En general, las acciones españolas pagan un porcentaje de dividendos elevado si las comparamos con las acciones de otros países y por este motivo es tan notoria la diferencia entre ambos índices. Actualmente el índice Ibex-35 se mueve en los entornos de los 8.300 puntos mientras que el Ibex-35 TR lo hace en los 25.600 y ambos inician en el mismo valor y en el mismo momento.

Por tanto, esto no es un tema menor en absoluto, todo lo contrario. El interés compuesto hace que sea de capital importancia para medir correctamente una inversión. Muchos medios de comunicación, incluso algunos supuestamente expertos, se refieren a los índices “standard” en vez de a los TR o NR como debería ser. De hecho, hay reguladores de otros países que obligan a que los fondos usen índices de este tipo como benchmark de los fondos para evitar esta clara manipulación al inversor. En mi opinión, es deshonesto usar como benchmark un índice que no sea TR sin avisarlo o justificarlo claramente, porque no refleja fielmente la operativa que hace el fondo. Personalmente, por concepto no invierto en ningún fondo que use como benchmark un índice que no sea Total Return, ya que parto de la premisa que un fondo o sociedad gestora que hace eso está intentando engañarme. Vuelvan a ver la Figura 1 y entenderán por qué. ¿Qué es más fácil de batir? ¿la línea blanca o la línea verde? Batir a la blanca no solo no tiene ningún mérito, si no que es de una incompetencia manifiesta no conseguirlo ya que solo replicando al Ibex-35 exactamente debería ganar un 4% más cada año (excluyendo gastos) y hay fondos que ni eso consiguen. Increíble pero cierto.

Por tanto, a partir de ahora cuando oigan a un periodista o analista hablar del retorno del Ibex-35, o peor aún, cuando vean que un fondo usa como Benchmark un índice que no sea Total Return, pueden decirle que ese índice no es el correcto para referirse a la rentabilidad real del Ibex-35. La rentabilidad real del Ibex-35 o de una cartera o inversión que lo replique o siga es la del Ibex-35 TR.

Esta problemática afecta a la mayoría de los índices mundiales, pero ahora sabemos que podemos solucionarlo usando su versión TR, GR o NR. No obstante, tengan en cuenta que algunos índices como el DAX-40 alemán, ya se creó en sus inicios siendo Total Return por lo que no hace falta buscar su versión TR. Por ejemplo, existe el índice S&P 500 TR que actualmente cotiza a 9.595 puntos mientas el índice S&P500 cotiza en los 4.585 puntos.

En la Figura 2 pueden ver la diferencia que provoca este efecto en el S&P 500 en el gráfico porcentual desde 1993. La línea gris representa al índice S&P 500 TR, la línea azul al ETF que replica al S&P 500, el SPY, pero reinvirtiendo los dividendos. Se puede ver que está bastante cerca del índice TR aunque queda algo por debajo (puede que falte algún ajuste en la base de datos porque deberían ser iguales ya que ninguno de los dos tiene en cuenta los impuestos). Por último, la línea amarilla representa el índice S&P 500 “normal” que es el ha obtenido una rentabilidad menor. Un fondo que invierta en renta variable norteamericana debería usar la versión TR.

EVALUANDO EL RENDIMIENTO DE LOS FONDOS

Bien, ya sabemos que elegir un benchmark adecuado es de capital importancia. Entonces podremos verificar si el fondo en cuestión bate al benchmark que lo representa. Morningstar coloca en la ficha de cada fondo cual es la categoría del fondo y el benchmark más adecuado según Morningstar independientemente de lo que diga la sociedad gestora. Tiene además gráficos configurables donde se puede modificar cualquier parámetro de este, incluso el Benchmark, aunque los que aparecen suelen estar bien.

En la Figura 3 tienen un ejemplo de un fondo que invierte en renta variable española. La línea azul representa la rentabilidad del fondo y las otras dos a los Benchmark que Morningstar considera adecuados.

Podemos ver que el fondo de la imagen 2 ha batido a ambos índices y, por tanto, en apariencia el gestor está haciendo un buen trabajo en los últimos 5 años. Es cierto que no lo ha batido de forma consistente, pero en el global de los 5 años lo está batiendo. Esas estrellas que se ven en la parte baja de la imagen son el rating Morningstar.

Según Morningstar, “el rating mide la rentabilidad ajustada por el riesgo de un determinado fondo respecto a su categoría Morningstar utilizando datos de rentabilidad de los últimos 36 meses o 3 años. En función de estos criterios clasificamos los fondos de la siguiente manera. El 10% de los mejores fondos reciben 5 estrellas, el 22,5% siguiente 4 estrellas, el 35% siguiente 3 estrellas, el 22,5% siguiente 2 estrellas y el último 10% 1 estrella.”

En la última revisión le otorgaron 4 estrellas por lo que no está entre los 10% mejores en los últimos años, aunque habrá que ver la siguiente revisión porque podría conseguirlo.

En la Figura 4 tienen otro fondo real que uso de ejemplo. Este es un fondo de renta variable internacional. Nuevamente la línea azul representa el rendimiento del fondo que, en este caso, no ha batido en absoluto a su benchmark en los últimos 5 años. He elegido este porque justamente este año está entre los mejores fondos, con rentabilidades en el entorno del 30%. Morningstar le otorgó 1 estrella en la última revisión, es decir, está entre los peores de su categoría.

Por supuesto, no todo el análisis acaba en el Benchmark, pero es un aspecto importante. Tampoco todo el análisis acaba en Morningstar, hay otras muchas páginas que analizan fondos. Voy a introducir dos estadísticos que derivan del benchmark y que considero importante para este perfil inversor. Me refiero a la beta y a la alfa de un fondo.

La beta de un fondo mide la volatildiad de sus retornos con relación a a la volatildiad de los retornos de su índice de referencia. Es una medida de riesgo relativa. Si su valor es 1 quiere decir que se mueve igual que su índice, es decir, que está totalmente indexado al índice.

La alfa en cambio mide el exceso de rentabilidad que consigue el gestor, ajustada al riesgo y puede tener valores positivos o negativos. En la práctica la beta nos dice si el fondo ha replicado al índice exactamente o no y la alfa nos dice si las decisiones que ha tomado el gestor han aportado valor o no.

Por ejemplo, el fondo de renta variable española de la imagen 2 tiene una beta de 0,99 y una alfa de +0,96% con relación al IBEX35 NR. Esto significa que si el índice sube un +10% el fondo ha subido un +9,6% a lo que hay que sumar un +0,96% por la alfa con lo que ganaría un 10,56%.

Es decir, estamos hablando de un fondo bastante indexado con poca intervención del gestor, pero las pocas decisiones que ha tomado el gestor han aportado valor al fondo.

En cambio, el caso de la imagen 2 nos encontramos con un fondo con beta 1,37 y alfa -15,82% con relación al MSCI ACWI SMID NR. Por tanto, si este índice hubiera subido un +10%, el fondo hubiera subido por beta un +13,7% pero hubiera perdido por alfa un -15,82% con lo que hubiera perdido un -2,12% finalmente.

Lógicamente, si el benchmark no es el correcto el análisis de beta y alfa no sirve de nada por lo que debemos prestar atención a este aspecto.

El ratio de Sharpe

El ratio de Sharpe fue desarrollado por el premio Nobel William F. Sharpe y se utiliza para ayudar a los inversores a entender la rentabilidad de una inversión en comparación con su riesgo. Se define como la rentabilidad media obtenida por encima de la tasa libre de riesgo por unidad de volatilidad o riesgo total. La volatilidad o desviación típica es una medida de las fluctuaciones del precio de un activo o una cartera.

Donde:

• R_p es el retorno del fondo o cartera.
• R_f es la tasa libre de riesgo.
• σ_p es la desviación standard del fondo o cartera.

Cuanto mayor sea el ratio Sharpe mejor será el rendimiento ajustado al riesgo de la inversión. En el caso de ser negativo, la rentabilidad de la inversión no habrá superado al activo libre de riesgo. En la práctica, el ratio Sharpe es utilizado como herramienta de análisis con la que comparar productos similares, facilitando la elección óptima entre distintas inversiones.

Más adelante comentaremos los problemas que plantea este ratio, pero a nivel de elección de fondos de inversión es un standard y todas las sociedad gestoras, así como las páginas web que comparan fondos, lo publican.

Importante destacar que si construimos una cartera de fondos también podemos medir el ratio de Sharpe de dicha cartera. Esto ya tendremos hacerlo por nosotros mismos mediante páginas web o software especifico, pero no hablamos de algo especialmente difícil, es sencillo de conseguir y es una buena manera de valorar si un fondo aporta valor a su cartera de fondos. El ratio de Sharpe debe aumentar al añadir un nuevo fondo a la cartera.

OPERES COMO OPERES, DIVERSIFICA

Por ejemplo, según el Banco de España en España hay 5931 fondos de inversión no monetarios de 216 entidades. 2220 fondos son de 5 entidades, los principales bancos del país, eso es, un 37.43% de los fondos. En cambio, controlan más del 80% del dinero depositado en fondos. Esto es algo que ocurre hace muchos años en España y no es la práctica común en el resto de Europa. Los grandes bancos controlan la gran mayoría del ahorro de los españoles, dejando una pequeña parte del pastel a otras entidades más pequeñas que, suelen ser especialistas y mejores porque se dedican solo a la inversión. La historia nos enseña que, aunque los bancos tienen muchos fondos, pocos destacan y se colocan en los primeros puestos de la categoría. De hecho, si nos referimos al total de fondos, pocos superan a su Benchmark. ¿Significa esto que no son válidos? Por supuesto que no, los hay muy buenos y es el inversor/a el qué tiene que elegir correctamente o contratar a un buen asesor independiente que haga el trabajo por él/a.

Existen fondos de infinidad de categorías o temáticas y esa la dificultad del inversor de a pie, elegir aquellos fondos (sí, en plural) que pueden rendir mejor para su perfil de riesgo. No es objeto de este artículo definir los tipos de fondos o estrategias que existen, pero sí me interesa explicar un concepto que he introducido ya en el artículo. Me refiero a la gestión pasiva o activa, que puede usarse para clasificar a los fondos y que tiene cierta relación con los estadísticos beta y alfa.

La gestión pasiva es aquella que se basa en replicar exactamente la evolución de un índice. Es decir, fondos con beta 1 o muy cerca a 1 y alfa cercana a 0. Los mejores representantes de este grupo son los ETFs o fondos cotizados. Son acciones que cotizan en los mercados con total liquidez, que puede ser comprados o vendidos durante la sesión regular de los mercados, como cualquier otra acción, y que replican a un índice de referencia. Actualmente hay ETFs de todos los índices mundiales y también sobre sectores concretos o incluso temáticas concretas. Por ejemplo, acaba de lanzarse ETFs sobre criptodivisas. Es importante destacar que muchos fondos de inversión son en realidad fondos indexados en las que el gestor no aporta ningún valor, pero en cambio el fondo sí cobra una comisión no precisamente menor. Para detectar estos fondos viene muy bien el análisis de beta y alfa, que hemos comentado. En el caso de la gestión pasiva lo más importante es que replique bien y el coste del fondo ya que el gestor no puede aportar ningún valor al fondo o vehículo. Y aquí destacan los ETFs porque suelen ser activos muy baratos y que replican bien. Si queremos replicar a un índice, un ETF suele ser lo mejor.

La gestión activa es aquella en la que el gestor puede tomar decisiones más libremente, aunque la estrategia que siga debe estar definida en el folleto. Dentro de este gran saco hay muchas variaciones y subcategorías por supuesto. Hay fondos de renta variable que replican al Ibex-35 pero son de gestión activa porque no invierten exactamente con los mismos pesos que el índice, el gestor cambia alguna cosa para tratar de hacerlo mejor que el índice (la Figura 2 refleja un buen ejemplo). Y hay otros fondos que utilizan estrategias algorítmicas que operan en futuros y en ambos lados del mercado. Entre estos dos extremos encontramos muchos fondos de gestión activa que estarían en medio usando muchísimas estrategias distintas. En el caso de un fondo de gestión activa la clave es la alfa, pero recuerden la importancia de elegir un benchmark correcto, algo no siempre fácil en este tipo de fondos. El gestor debe aportar valor, si no, no tiene sentido su trabajo.

Hay detractores de ambas categorías y normalmente quien defiende a una rechaza totalmente a la otra. Personalmente creo que las dos categorías son extremadamente útiles. Una cartera que incluya buenas estrategias de ambas categorías puede estar muy bien diversificada y arrojar rendimientos muy interesantes y con muy poca volatilidad. Eso sí, la gestión pasiva tiene que ser muy barata, o bien con ETFs o con fondos que tengan costes similares a los ETFs. La alfa, lógicamente, suele tener comisiones más caras y hay que buscarla bien.

Con frecuencia aparecen artículos en los medios que explican que la gestión activa no bate al mercado y es mucho mejor la pasiva. Decía antes que la mayoría de los fondos de inversión (en general) no baten a los benchmark y eso no los hace inadecuados. Lo mismo aplica si nos referimos solo a los fondos de gestión activa. Hay que elegir bien, los pasivos y los activos, y si miramos las medias suelen salir mal parados todos, los pasivos y los activos. Hay buenos fondos de gestión activa y pasiva, solo hay que encontrarlos y pocos están en los bancos comerciales más conocidos. Búsquelos en pequeñas gestoras nacionales o internacionales que están especializadas en la inversión.

Lo que está claro es que no podemos invertir en un único fondo, no podemos poner todos los huevos en la misma cesta. Su objetivo debe ser construir un porfolio acorde a su perfil, pero diversificado. Como hemos comentado anteriormente, una forma sencilla es usando el ratio de Sharpe.

¿Y SI TE GUSTA OPERAR POR TI MISMO? Do It Yourself.

Cada vez hay más inversores que cogen este camino. Es verdad que dentro de este perfil hay muchos perfiles y que normalmente a mayor edad menor intervención del inversor.

Los perfiles más jóvenes e inexpertos, más familiarizados con la tecnología (y también más impulsivos) suelen preferir inversiones a muy corto plazo. Con la explosión de las criptodivisas ha habido una legión de nuevos inversores de perfil muy joven que invierten con el móvil directamente y poca o nula formación. Están acostumbrados a hacerlo todo desde el móvil, rápidamente y no es distinto con las inversiones. Veremos que ocurre con los que sobrevivan y como invierten cuando lleguen a la madurez, pero es posible que la industria de la inversión vaya cambiando, mucho o poco, para adaptarse a este nuevo perfil mucho más tecnológico, empoderado y acostumbrado a hacerlo por ellos mismos.

En el otro extremo estarían los perfiles de mayor edad que prefieren invertir por sí mismos y que suelen hacerlo con carteras de acciones, probablemente por sus malas experiencias con la industria de los fondos.

Y en medio de los dos extremos tenemos a la mayoría de los traders que probablemente están leyendo este artículo. Traders con cierta experiencia que operan a corto o medio plazo, ya sean discrecional o sistemáticamente, pero usualmente con activos más apalancados como los futuros, opciones o CFDs y ya más recientemente criptodivisas. Nuevamente habría muchos perfiles dentro de este sub-perfil.

Realmente todos estos perfiles tienen muchas diferencias, pero el objeto de este artículo es hablar de métricas y para este objeto me sirve meterlos en un mismo grupo porque si operas por ti mismo poco más o menos tienes que medir tus resultados del mismo modo. Por tanto, por simplificación englobaremos aquí a todos los tipos de operativa en las que las decisiones de inversión las toma más activamente el inversor. Usualmente más a corto plazo, pero también puede ser una inversión a largo plazo con su propia cartera de acciones o ETFs.

Los traders algorítmicos en este punto lo tenemos un poco más fácil ya que la medición de rendimientos o datos es parte inseparable del diseño de un sistema o estrategia y también de un porfolio. Los que no siempre están tan acostumbrados son los traders discrecionales. Por supuesto que los hay que sí, pero entonces comparten muchas cosas con el sistemático y al final el nombre no hace la cosa. Hay traders que se autodenominan discrecionales, pero tienen mucho de sistemáticos.

De todas formas, no voy a referirme a los ratios o estadísticos para evaluar a un sistema de trading si no a como a evaluar el rendimiento o riesgo de tu inversión o cartera. Digamos que es un proceso posterior, hecho con el track record real, con las operaciones registradas en tu diario de trading. Empecemos donde hemos acabado en el perfil anterior.

¿El ratio de Sharpe me sirve?

Sí y no. Sí, porque no es mal comparador de la relación rentabilidad / riesgo y es universal. No, porque los hay mucho mejores.

Uno de los problemas del ratio de Sharpe está en el denominador, en lo que entiende por riesgo. Usa la volatildiad o la desviación standard que es un estadístico que mide exactamente eso, cuanto se desvían de su media los retornos. Pero no distingue en si la desviación es al alza o a la baja. Estaremos de acuerdo en que no es lo mismo una desviación al alza, es decir, hacia el lado de las ganancias, que una a la baja, hacia las pérdidas. Sharpe considera nociva cualquier tipo de volatilidad. No es que el concepto sea erróneo, todos hemos visto muchas veces que tras un exceso en una dirección viene otro en la dirección contraria, el problema es que este concepto aplica más a la inversión en activos convencionales usando estrategias del tipo comprar y mantener sin apalancamiento y no tanto al trading con estrategias más activas o apalancadas que además puede invertir en ambos lados del mercado y con estrategias muy distintas entre sí.

Otra crítica al ratio de Sharpe es su presunción de que los retornos están distribuidos normalmente. No siempre es así, frecuentemente no es así. Los mercados financieros muchas veces sufren fenómenos de extremísimas colas largas como son los cisnes negros y en general tienen demasiados movimientos extremos de lo debería para distribuirse normalmente. Imaginen con carteras o estrategias apalancadas. Para estas distribuciones tenemos el Índice de Stutzer que además de no estar extendido es más complicado de calcular para la ventaja que supone. A más normalizados estén los retornos más se parecen sus resultados.

También plantea el problema, como muchos otros ratios, que no tiene en cuenta el orden de los retornos. Al final del artículo haremos un caso práctico donde esto se hará evidente.

La ventaja que tiene Sharpe es que está muy extendido y por tanto es fácil de encontrar ya calculado para muchos activos o estrategias y también es fácil de calcular. No obstante, como en este punto hablamos de calcular por nosotros mismos es preferible un ratio de retorno / riesgo que distinga entre volatilidad al alza y a la baja.

Uno de los más conocidos es Sortino

A principios de la década de 1980, el Dr. Frank Sortino emprendió una investigación para llegar a una medida mejorada de los rendimientos ajustados al riesgo. Según Sortino, fue idea de Brian Rom en Investment Technologies llamar a la nueva medida el ratio de Sortino. La primera referencia al ratio fue en Financial Executive Magazine (agosto de 1980) y el primer cálculo se publicó en una serie de artículos en el Journal of Risk Management (septiembre de 1981).

Donde:

• R es el retorno medio del periodo estudiado.
• T puede ser también la tasa libre de riesgo, aunque en los primeros trabajos de Sortino T era igual a MAR (minimum acceptable return) más recientemente adoptó la tasa mínima aceptable.
• TDD (target downside desviation) es la desviación standard de los retornos, pero a partir de un objetivo usualmente fijado en 0.

Justo en esta última línea en negrita es la principal diferencia de Sortino con Sharpe, en la estimación del riesgo que está en el denominador.

Dado que Sortino se centra únicamente en la desviación negativa de los rendimientos de una cartera con respecto a la media, ofrece una mejor visión del rendimiento ajustado al riesgo de una cartera, ya que la volatilidad positiva puede considerarse un beneficio. Y esta última afirmación es la clave para usar Sharpe o Sortino. Si no está de acuerdo en la afirmación de que la volatilidad al alza de los retornos es beneficiosa, entonces debe usar Sharpe en vez de Sortino.

Ratio K

El coeficiente K fue desarrollado por el trader de derivados y estadístico Lars Kestner en 1996 como una forma de abordar una brecha percibida en la forma en que se habían analizado los rendimientos hasta entonces. Dado que los principales intereses de un inversor o trader son la rentabilidad y la consistencia, Kestner diseñó su ratio K para medir el riesgo frente a la rentabilidad analizando la estabilidad de los rendimientos a lo largo del tiempo.

El ratio K tiene en cuenta los rendimientos, pero también el orden de esos rendimientos para medir el riesgo. El cálculo consiste en realizar una regresión lineal sobre la rentabilidad acumulada logarítmica de una curva del Índice Mensual de Valor Añadido (VAMI: Value-Added Monthly Index). Los resultados de la regresión se utilizan entonces en la fórmula del coeficiente K. La pendiente es el rendimiento, que debe ser positivo, mientras que el error estándar de la pendiente representa el riesgo. En 2003, Kestner introdujo una versión modificada de su K-ratio original, que cambiaba la fórmula del cálculo para incluir el número de puntos de datos de rentabilidad en el denominador. En 2013 introdujo otra modificación, que añadía el cálculo de la raíz cuadrada al numerador. Aunque los cambios no tienen importancia si lo usamos para comparar estrategias dado que afecta solo a la periodificación del ratio para adaptarlo a distintos periodos. En la última versión dará valores más altos que en la primera, pero no cambiara el orden si comparamos estrategias.

La versión original del ratio k es esta:

Para más información, véase el libro “Quantitative Trading Strategies: harnessing the power of quantitative techniques to create a winning trading program”, de Lars N. Kestner, McGraw Hill.

En resumen, el k ratio es similar al ratio de Sharpe en cuanto relaciona rentabilidad con riesgo. Se diferencia en que utiliza técnicas de regresión lineal para medir la consistencia de los resultados a través del tiempo, algo importante en el trading cuantitativo y que Sharpe y Sortino ignoran. Se puede calcular con Excel, pero hay plataforma como TradeStation que lo ofrecen tanto a nivel sistema como porfolio.

Return Retracement Ratio (RRR)

Jack Schwager creó el Return Retracement Ratio como otra medida de rentabilidad / riesgo. Una distinción importante entre esta y el ratio de Sharpe es el uso del retroceso de la cuenta como medida de riesgo frente a la desviación típica. El RRR pone más énfasis en la volatilidad a la baja.

En concreto, este ratio es la rentabilidad media anualizada compuesta dividida por la media de los retrocesos máximos.

Donde:

• R = La rentabilidad media anualizada y compuesta
• AMR = La media de los retrocesos de la cuenta

Para más información, véase “Technical Analysis” de Jack D. Schwager, Wiley.

Es más complicado calcularlo que otros ratios, probablemente por eso no es tan popular, ya que requiere ir calculando las caídas de la cuenta entre los máximos y los mínimos, comparando también los saldos iniciales y finales con estos. TradeStation lo incluye entre sus estadísticos tanto a nivel sistema como porfolio.

Los siguientes ratios son más fáciles de calcular y suelen ir en la misma dirección que RRR.

RATIOS DE Calmar, Sterling y Mar

El ratio Calmar fue desarrollado en 1991 por Terry W. Young, un gestor de fondos con sede en California. En función del retorno medio anual compuesto frente a su drawdown máximo. Argumentó que el ratio ofrecía una lectura más actualizada de la rentabilidad de un fondo que los ratios Sterling o Sharpe, otros indicadores comúnmente utilizados, porque se calculaba mensualmente, pero sobre un periodo fijo de 36 meses, mientras que éstos lo hacían anualmente.

El ratio Calmar es, de hecho, una versión modificada del ratio Sterling. Su nombre es un acrónimo de California Managed Account Reports. Young también se refería al ratio Calmar como el ratio Draw down. Su ventaja es su fácil comprensión y cálculo.

El ratio Sterling es prácticamente igual, su única diferencia es que en el denominador está el DrawDown medio en vez del máximo.

Otro ratio muy similar es el MAR ratio que relaciona el CAGR (compound annual growth rate) con su mayor Draw Down pero desde sus inicios, no impone la restricción de los 3 años que impone el Calmar.

CASO PRÁCTICO DE RATIOS

Vamos a analizar el ratio de Sharpe, Sortino y K de 2 series de retornos mensuales y sus correspondientes curvas de resultados que recogen la Figura 5.

Intuitivamente todos diríamos que nos gusta más la curva B que la A, pero solo un ratio de los 3 analizados nos mostrará que es mejor la B que la A.

Los resultados mensuales de estas curvas los recogen la siguiente tabla:

Primero he calculado Sharpe y Sortino para lo que he tenido que calcular los retornos libres de riesgo, la media, la desviación típica y también la desviación de los retornos negativos para lo que he tenido que calcular previamente cada TDD. Todos estos cálculos pueden hacerse fácilmente en Excel como puede verse en la tabla 2.

Vemos que tanto Sharpe como Sortino obtienen el mismo resultado en ambas curvas, 0.26 de Sharpe y 0.51 de Sortino. Ninguno de los dos ratios tiene en cuenta en su cálculo el orden en que ocurren las cosas. Las desviaciones son iguales porque en conjunto ambas curvas caen la misma cantidad. Una alternando perfectamente ganancias con pérdidas y otra todo lo contrario, con todas las pérdidas y las ganancias juntas.

En cambio, el ratio K sí tiene en cuenta la secuencia de los resultados midiendo la pendiente de la curva de resultados y el error típico de la misma.

Efectivamente, la curva B arrasa en el ratio K. Aquí sí que, eso que veíamos tan evidente al ver el gráfico, parece también en el ratio. Para comparar carteras con derivados es sin duda el mejor ratio porque en sus cálculos incluye el concepto de consistencia y la tendencia de los retornos, que es muy importante en el trading o inversión y que ignoran la mayoría de los otros ratios.

Aunque hay tres versiones del ratio K, a efectos de comparar portfolios o estrategias no tiene efecto usar uno u otro porque cambiará el valor absoluto del ratio pero no el valor relativo de cada uno de ellos respecto a los otros. La última revisión del ratio la publicó el mismísimo Lars Kestner el 3 de marzo de 2013 en un interesante paper de 10 páginas que se puede encontrar en internet, pero que tengo en mi poder por si alguien quiere solicitármelo por email.

De propina he calculado también Calmar, Sterling y MAR que en esta ocasión dan lo mismo, porque casualmente no hay diferencias entre Drawdown máximo y medio entre las dos ordenaciones y el periodo es inferior a 3 años. En este caso también gana claramente la curva B dado que la diferencia entre DrawDown máximo es muy grande entre ambas carteras.

Personalmente me gustan mucho K y RRR en primer lugar y detrás irían Calmar o MAR y luego Sortino. De todas formas, Sharpe puede ser una referencia, no es la mejor, pero es un ratio de retorno / riesgo y siempre será mejor que nada.

Un término medio

Al empezar la sección Do It YourSelf me refería a como evolucionará el inversor novel recién llegado a los mercado, más joven y tecnológico, que ya ha nacido con el smartphone bajo el brazo. Es difícil saberlo, pero un camino intermedio que trata de mezclar el concepto de los fondos de inversión, del trading y del hágalo usted mismo es el copy trading o conceptos análogos. Personalmente me gusta mucho el concepto de Darwinex, aunque hay otros modelos similares. Ellos tienen activos sintéticos llamados Darwins que replican la operativa de un trader y que cualquier inversor puede adquirir para invertir en la estrategia del trader en cuestión. Darwinex, por tanto, es un mercado de Darwins que cotizan en tiempo real y que cualquier inversor puede comprar o vender cuando quiera. Además, todo el mundo puede ser trader e inversor si cumple ciertos requisitos y, por tanto, aquellos traders que tienen talento pueden aspirar a la captación de inversores de forma legal, ya que Darwinex está totalmente regulada como gestora, pero al mismo tiempo opera por sí mismo su propio capital como trader.

Es un todo en uno que tengo la impresión de que gustará a este perfil inversor porque se caracterizan por ser muy abiertos y transparentes, con interfaz bastante tecnológico, mucha información y datos tanto para el trader como para el inversor. Este modelo es ya una realidad, pero actualmente es muy minoritario dentro del mundo inversor. Mi impresión es que modelos de este tipo ligados al nacimiento de las compañías Fintech, que mezclan finanzas y tecnología, se harán mucho más populares en el futuro. Dentro de las Fintech ya hay una rama dedicada justamente a los temas de inversión y gestión de patrimonios denominado WelthTech, rama en la que se engloba la empresa que presido, Sersan Sistemas.

Me parece justo advertir que, aunque no soy miembro ni accionista de Darwinex, sí que hay Darwins dentro de su plataforma, concretamente SYO y OYS, que operan con estrategias de la compañía que dirijo, Sersan Sistemas. Por tanto, me interesa que le vaya bien a Darwinex, por supuesto. Ahora bien, esto no quita que piense lo que pienso, pero dicho queda para evitar suspicacias.

¿Qué es lo mejor?

Lo mejor, sin duda alguna, es aquello que no le quite el sueño. Si su ocupación principal ocupa mucho tiempo de tu día a día, la primera opción es excelente si se diseña bien el porfolio de fondos, por sí mismo o con ayuda de un agente financiero independiente. Eso sí, aunque se lo haga un agente, le recomiendo poco a poco ir entrando en el análisis que hemos comentado aquí para ir entendiendo mejor el porqué de las cosas.

Si nos sentimos cómodos con los dos perfiles (o con los 3) y tenemos la capacidad de hacerlo, tanto a nivel de tiempo disponible como de capital disponible ¿Por qué no mezclarlo todo? Si tenemos capital y somos traders activos, ¿porque además de operar con sus estrategias de trading, no tiene una cartera de fondos con ETFs indexados junto a unos buenos fondos de gestión alternativa bien elegidos? Podrá obtener una curva de resultados casi perfecta en el largo plazo si la confecciona bien. Su cartera de fondos buscará beta, pero una smart beta gracias a los fondos de gestión alternativa y su trading buscará alfa. Idealmente su trading debe ser de estrategias con descorrelación con su cartera de fondos o al menos con los principales fondos de dicha cartera. Si su trading es bueno, este mix le dará grandes retornos con poca volatilidad porque podrá tener estrategias para todos los escenarios de mercado.

Por cierto, el concepto alfa que usamos en gestión alternativa o en los hedges funds no es exactamente el mismo que la alfa en el análisis de fondos que al final deriva del benchmark. En este ámbito la alfa es un concepto genérico referido más al estilo de la inversión. Aquellas estrategias que no siguen al mercado, que buscan retornos de forma independiente a la dirección del mercado. Es un concepto usado en clara contraposición a la beta que indica el seguimiento indexado del mercado. Beta es seguimiento de mercado y alfa es lo contrario. Por tanto, las estrategias con alfa tienen poca o nula correlación con la mayoría de clases de activos como la renta variable o la renta fija.

Cuando evaluamos un porfolio o cartera de inversión, sea de trading a corto plazo o medio o sea una unión de varios horizontes temporales, debe tener medidas sobre ella. Cuando haga cambios, fíjese que mejore el ratio que crea que mejor se ajusta a ella. En caso de dudas, use K, pero Calmar (y sus hermanos casi idénticos) son cómodos por su sencillez.

¡Goog Trading!

Lecciones del short interes por Alexander Elder

• Hay varios datos que Alexander Elder verifica antes de operar cualquier acción, tanto en largo como en corto. Uno de ellos es el short interes (a veces llamado short float). Veamos qué ventajas puede aportarnos al hacer trading. 
• Artículo publicado en Hispatrading 42.

¿Que es el short interes?

El short interes o short float es el porcentaje de acciones, de cualquier empresa, que se han vendido en corto. En casi todas las acciones hay inversores que han decidido abrir posiciones en corto. Por ejemplo, si una empresa emitió 100 millones de acciones y dos millones se vendieron en corto, su short interes es del 2%.

Hay varias fuentes donde puede encontrar estos datos. Normalmente uso Finviz.com o Shortsqueeze.com y escribo el ticker que estoy investigando.

Por mi experiencia, un short float de 1 a 4% es completamente normal y no transmite ningún mensaje especial. Una vez que supera ese nivel (como lo hizo Boeing hace poco) empiezo a prestar atención. Si supera el 10%, esto nos da una clara señal de alerta. Una señal roja. Y que quede claro, no estoy hablando de la bandera comunista.

Las ventas en corto normalmente las realizan algunos profesionales del mercado, por lo que los datos habituales, de short interes, son bajos. Cuando el short interes sube por encima del 10%, esto indica que una gran parte de los inversores minoritarios están dentro, con estas posiciones bajistas. Pero tiene que saber algo. No es normal que los inversores minoritarios vendan en corto. Este es en un territorio usualmente inexplorado para la mayoría. Si la acción que vendieron comienza a subir, ¿qué piensa que harán?

Comenzarán a entrar en pánico y a cerrar sus posiciones. Para cerrar un corto, uno tiene que comprar. Esto significa que las acciones con un alto short interes, a corto plazo, corren el riesgo de experimentar momentos de pánico, por las compras.

Si compra una acción con un alto short interes y hay un episodio de pánico de compras, esto será muy bueno para usted. Por supuesto, también debe tener en cuenta la situación inversa. Si vende, en corto, una acción con un alto short interes y hay un episodio de pánico de compras, se verá gravemente perjudicado. Es por eso que nunca vendo, en corto, una acción cuyo short interes reportado es superior al 10%.

Un alto short interes no garantiza un movimiento alcista, de hecho, las acciones pueden continuar cayendo. Pero el riesgo de un movimiento violento y brusco siempre está ahí. Comparo esto con el hecho de almacenar varios contenedores de gasolina en su garaje. Quizá no suceda nada malo, pero con que se dé un pequeño incendio, su garaje explotará. ¿Merece la pena correr el riesgo?

Veamos un ejemplo. Tesla (TSLA) tenía un short interes de más del 30%, mientras daba una clase en Tallin. Por eso advertí del peligro que tenían las posiciones cortas en esta acción. De hecho, cuando operé TSLA, solo lo hice en largo. Su explosivo rebote de menos de 300 dólares a más de 900 fue impulsado, en parte, por los vendedores que entraron en pánico. Tuvieron que comprar para cubrir sus posiciones cortas. Esta compra hizo subir a la acción, lo que a su vez hizo entrar en pánico a más vendedores. El rally se retroalimentó. La prueba de esto la tenemos en el bajo short interes que tuvo después TSLA: por debajo del 18%. Esto refleja todas las compras que los vendedores en corto, presa del pánico, tuvieron que realizar.

En el futuro, le sugiero que compruebe el short interes en cualquier acción que esté pensando operar. Esto debería formar parte de su rutina, al planificarse. Espero verle de nuevo por aquí.

Estrategias cuantitativas basadas en ratios fundamentales y de sentimiento por Andrés A. García

• Este fue el título de la ponencia impartida por Andrés A. García en ROBOTRADER 2022, en la que habló de la construcción de carteras cuantitativas dinámicas combinando series históricas de datos técnicos, empresariales, de consenso y de sentimiento. En las siguientes líneas se profundizará en este tema y veremos paso a paso la creación de una cartera de este tipo.
• Artículo publicado en Hispatrading 50.

Quienes nos hemos dedicado durante muchos años al trading algorítmico casi siempre hemos utilizado las series de precios en diferentes configuraciones y time frames como materia prima para el diseño y evaluación de todo tipo de estrategias. La idea subyacente a este planteamiento es la Hipótesis del Mercado Eficiente de Eugene Fama (1970) según la cual toda la información está contenida en los precios, por lo que otras fuentes de datos alternativas como los ratios financieros, las estimaciones de los analistas, los eventos corporativos o la actividad en las redes sociales se trasladan tan rápidamente a las cotizaciones que no es eficiente perder el tiempo con ellas.  Dando por bueno este planteamiento, la mayoría de los desarrolladores y plataformas de creación de estrategias emplean un amplio arsenal de herramientas de análisis técnico para diseccionar las series de cotizaciones en busca de ineficiencias, patrones y movimientos cíclicos en los precios que permitan establecer las reglas de operativa.

Sin embargo, otro grupo de investigadores financieros pronto descubrieron algunas anomalías persistentes en el comportamiento de determinadas clases de activos que no se explican solo desde los precios y requieren la inclusión de múltiples fuentes de información o factores en los modelos explicativos de la dinámica de los mercados. De este modo nació un enfoque multifactorial mucho más rico y complejo que ha revolucionado en las últimas décadas la gestión profesional de carteras, dando lugar a una amplia gama de estilos de inversión y productos concretos basados en portfolios dinámicos. 

La clave de este nuevo enfoque está en la identificación de factores susceptibles de generar alfa y su modelado a partir de series de datos basadas en ratios fundamentales, estimaciones de los analistas y social media que nos permitan verificar nuestras hipótesis de trabajo y evaluar las estrategias desarrolladas. 

Así que nuestro punto de partida será explicar ¿qué es un factor? Para ello proponemos cinco definiciones desde los distintos ámbitos de la actividad inversora:

1. Académica: Para los investigadores son el origen de cualquier sesgo o ineficiencia en las formaciones de precios. De este modo “momento”, “crecimiento”, “tamaño”, “valor”, “volatilidad” o “estacionalidad”, una vez formulados en términos cuantitativos, se convierten en causa explicativa del exceso de retorno en determinados valores y clases de activos.   
2. Estadística: Los factores son parámetros adicionales introducidos en un modelo de regresión con el que tratamos de capturar la dinámica de los mercados. Cuando un modelo aplicado a diferentes series temporales pierde valor explicativo o genera mucho ruido se van añadiendo más factores. De ahí que el CAPM (Capital Asset Pricing Model) que en su versión original solo contaba con el factor mercado, fuese complementado poco después con los modelos de Fama y French de 3, 4 y 5 factores o con los más recientes modelos BSV y AQR de 4 factores. 
3. Inversora: Desde un punto de vista inversor y meramente pragmático los factores son motivos para mantener en cartera determinados activos de los que se espera un rendimiento superior al mercado en un horizonte temporal dado. 
4. Gestora: Para el gestor de carteras los factores son criterios de selección de activos que dan lugar a una amplia gama de estilos de inversión. 
5. Algorítmica: Desde el diseño de estrategias los factores son reglas de operativa en un modelo cuantitativo de cartera. Estas reglas se implementan bien como criterios de selección de activos bien como subsistemas de entrada, salida y gestión del tamaño de la posición en los portfolios dinámicos.  

En la Tabla 1 mostramos los factores más estudiados por el mundo académico y las series de datos empleadas en el modelado de cada uno de ellos:

Tabla 1.

Por ejemplo, para construir un ranking o sistema de clasificación basado en empresas de “crecimiento” se emplean series como el volumen de negocio, incremento de las ventas o variación del EBITDA, y se asigna una ponderación a cada una de ellas. Otros factores, como el riesgo operativo, son más complejos y se basan en ratios que integran varias series. En esta categoría tenemos el Z-Score de Altman, que mide el riesgo de quiebra de una empresa o el F-Score de Piotroski empleado como estimador de su fortaleza financiera. 

La periodicidad de estas series es muy variable; las que toman como base la publicación de resultados empresariales son de tipo trimestral, otras pueden ser de tipo mensual, semanal o diario. También hay que diferenciar si se basan en estimaciones o en datos publicados. Las estimaciones tienen frecuencia más alta, mayor volatilidad y más potencial predictivo, mientras que los datos publicados son más estáticos y se trasladan inmediatamente a los precios, por lo que su valor predictivo es nulo. Sin embargo, son útiles para hacer análisis retrospectivos. 

Desde nuestro punto de vista cuantitativo, lo relevante es que, una vez que se dispone de todos estos datos históricos convenientemente filtrados y serializados, se pueden construir modelos dinámicos de cartera y analizar su evolución en el tiempo. En la imagen inferior mostramos algunas de estas series fundamentales:

El proceso de construcción de carteras dinámicas basadas en este tipo de ratios no difiere del de creación de estrategias con series temporales, salvo por los dos siguientes matices:

• El desarrollador debe tener conocimientos de análisis fundamental para hacer un uso adecuado de los diferentes ratios financieros que afectan a la evolución de las empresas y construir reglas coherentes con el conjunto de factores que se quieren potenciar. 
• Debemos huir de la multicolinealidad o excesiva correlación entre las distintas variables explicativas del modelo. Cuando se dispone de decenas de magnitudes financieras hay que tener en cuenta que muchas de ellas están estrechamente relacionadas y apuntan en la misma dirección. Por lo que al incorporarlas en las reglas de la estrategia no estamos mejorando calidad del modelo sino aumentando innecesariamente su complejidad.  

En la Figura 2 se muestra el esquema general que debe seguir la creación de este tipo de estrategias:

El primer paso – y a veces el más delicado – es la formulación de una hipótesis de trabajo que explique alguna anomalía o ineficiencia en el retorno de los activos y que, una vez formalizada, pueda suponer alguna ventaja a explorar. En general me gustan las hipótesis de amplio espectro, que afectan a un grupo de activos o sector de la economía y suelo huir de aquellas que solo son aplicables a un reducido número de valores. La clave de una buena hipótesis es que pueda ser modelada de forma precisa y evaluada en algún universo de activos. 

Algunas hipótesis sencillas pueden formularse como un mero interrogante. Por ejemplo:

• ¿Las empresas con menor porcentaje de posiciones cortas tienen mejor rendimiento a largo plazo?
• ¿Qué genera más rentabilidad a largo plazo, la inversión en valor o en crecimiento?
• ¿Las empresas con un alto y sostenido incremento de las ventas tienen mayor rentabilidad?
• ¿Los valores con mayor volatilidad histórica tienen mejores expectativas de beneficio?
• ¿Qué es más eficiente? ¿la diversificación por sectores o por estilos de inversión?

Todas ellas son claramente modelables mediante reglas discretas basadas en series de datos de los tipos que hemos mencionado. Para evaluarlas tenemos dos opciones; bien elaborando un ranking o sistema de clasificación que se actualizaría dinámicamente en cada rebalanceo bien construyendo un sistema de filtros sucesivos que nos permitan ir reduciendo el universo de activos hasta quedarnos con el grupo que satisface la hipótesis. La diferencia entre ambos métodos es que en el primer caso tenemos una lista de empresas puntuadas según el grado de cumplimiento de las reglas, mientras que en el segundo tenemos el conjunto en bloque de las que satisfacen los criterios. En muchos modelos de cartera se pueden combinar ambos métodos.  

El segundo paso es seleccionar las series de datos necesarias para construir el modelo y validar la hipótesis. Se pueden combinar en el mismo constructo series de tipo técnico, fundamental y de sentimiento. Lo importante es disponer de datos de calidad y contar con un histórico suficientemente grande (10-20 años) que contenga los diferentes regímenes de los mercados. El time frame afecta al modo en que se evalúan las reglas del portfolio. Si únicamente empleamos series mensuales es absurdo rebalancear la estrategia en intervalos semanales o diarios. 

Los universos son los grupos de empresas cotizadas en los que se va a evaluar la estrategia. Un universo puede corresponderse con un índice general, un área geográfica, un sector de la economía o un conjunto de empresas según su capitalización. En muchos casos el tipo de universo condiciona la lógica global del portfolio y las reglas a implementar. Por ejemplo, si elegimos el universo de las nano-caps debemos renunciar a series basadas en estimaciones de consenso ya que las empresas de tan baja capitalización no suelen ser objeto de estudio por parte de los analistas. 

El siguiente paso es el diseño de la lógica. Cuando se trata de portfolios dinámicos debemos meter en esta categoría los siguientes componentes:

• Sistema de ranking o criterios de clasificación.
• Reglas de selección de activos (incluyendo subsistemas de entrada, salida y cobertura).
• Política de rebalanceos.
• Tamaño de la posición o fórmulas de asignación de capital.  

Por último, la evaluación, constituye la prueba de fuego tanto si se trata de corroborar una hipótesis de trabajo como de validar en profundidad una estrategia plenamente funcional. Un elemento fundamental en toda evaluación es el motor de backtesting. Éste debe ser realista, preciso y simular todas las configuraciones posibles de los mercados. Así mismo, debe contar con mecanismos que minimicen el impacto de determinados sesgos como los de supervivencia, anticipación o selección. 

Sobre las distintas formas de realizar un backstest ya hemos hablado abundantemente en otros artículos y aquí no podemos detenernos. Bástenos recordar que existen dos aproximaciones generales; período único y periodos múltiples.  En el primer caso todos las estadísticas y gráficos hacen referencia al mismo período, independientemente de que se trate de la región in-sample u out-sample. En el segundo caso se realiza la evaluación en muchos cortes temporales, siguiendo metodologías como el rolling backtest o la validación cruzada K-fold, y se extraen las estadísticas de cada periodo y los datos promedio. De este modo se obtienen resultados más realistas. 

Seguidamente iremos creando paso a paso una cartera de este tipo:

PASO 1.- Hipótesis de trabajo

Formulación de la hipótesis:

“Las empresas con sentimiento positivo y elevado margen de negocio tienen en el medio y largo plazo un rendimiento superior a su mercado de referencia”.

Esto implica que buscamos empresas con las siguientes características:

• Sentimiento positivo, estimado indirectamente por las valoraciones de los analistas o directamente por la actividad del mercado, analizando, por ejemplo, el porcentaje de posiciones cortas sobre el total de acciones en circulación.
• Elevado margen de negocio, estimado de forma estática (TTM trimestral, anual) o dinámica (rolling TTM).
• Amplio espectro de empresas de todos los sectores de la economía excepto las de muy poca liquidez.

PASO 2.- Selección de las series

Para la realización de esta cartera combinaremos tres tipos de series:

• Margen de negocio (GMgn%). Entendido como el porcentaje de ingresos una vez descontados los gastos directos de producción. En la plataforma Portfolio 123 que hemos utilizado para este estudio, disponemos de varias series sobre este ratio. Hemos probado las trimestrales, anuales y ventana deslizante de 12 meses. Nos quedamos con esta última. También nos interesa comparar el margen de negocio relativo al sector al que pertenece cada empresa.
• Short Interest (SI#FF). También emplearemos la serie del porcentaje de posiciones cortas sobre el total de acciones en circulación, cuyos datos son de tipo quincenal.
• Precios y volúmenes; Buscaremos que los activos tengan un volumen medio suficiente para evitar los valores ilíquidos y emplearemos una media móvil de los cierres diarios del benckmark de referencia como filtro de entrada. 

PASO 3.- Universo de activos

Dado que queremos validar nuestra estrategia en un amplísimo grupo de activos pertenecientes a todos los sectores de la economía, elegimos como benckmark al Russell 3000 y, como universo, a todos los activos de este índice estadounidense. 

PASO 4.- Construcción del modelo

Para verificar nuestra hipótesis podemos elaborar un ranking específico, un conjunto de reglas discretas que actúen como filtros de selección de activos o una combinación de ambos. Optamos por esto último, dado que la aplicación ya incorpora un ranking de sentimiento preconstruido. 

1. Ranking de sentimiento. El sistema de clasificación, mostrado en la Figura 3, es una suma ponderada de los siguientes ratios: 

Como vemos, tienen mayor peso (45%) la revisión al alza de las estimaciones de beneficio por acción (EPS), seguidas de el factor sorpresa (25%), que se calcula como la diferencia entre el beneficio estimado y el actual, las recomendaciones de los analistas (15%), de las que interesa la variación y el promedio, y por último el interés en corto (15%).

Aplicando este sistema de clasificación al Russell 3000 en una ventana de 20 años obtenemos las siguiente distribución del retorno anualizado al agrupar las empresas del índice en 20 percentiles. La barra roja de la izquierda es el retorno del índice. Como podemos ver, en la Figura 4, las empresas situadas dentro de los dos últimos percentiles (90-95 y 95-100) son las que obtienen los mayores retornos. 

Por tanto, nuestra estrategia de selección consistirá en elegir en cada rebalanceo las empresas situadas en los percentiles más altos y mantenerlas en cartera durante el período siguiente. 

2. Reglas de entrada y salida. Además del ranking, incorporamos varias reglas discretas que serán evaluadas en cada rebalanceo:

Entramos largos si se verifican las siguientes condiciones:

• Volumen medio de las 10 últimas sesiones > 50.000 títulos.
• Margen bruto en una ventana de 12 meses > 70%
• Margen bruto del activo 5% superior al de su grupo industrial.
• Porcentaje de cortos sobre el total de acciones en circulación < 2%
• Precio del índice ($RUA) por encima de su media simple de 20 sesiones.

Así quedarían las reglas en el editor de la plataforma Portfolio 123, tal y como se muestra en la Figura 5: 

Para las salidas establecemos las siguientes reglas:

• Cuando un valor cae por debajo del valor 60 dentro del ranking. Considerando que el número máximo de activos en cartera es de 30, estamos permitiendo una caída del doble antes de sacarlo del portfolio. 
• Porcentaje de beneficio en un periodo dado es superior al 60%. Lo que equivale a establecer un profit target que preserva el exceso de retorno en situaciones extremas y muy infrecuentes.

Estas son las reglas en la plataforma:

3. Política de rebalanceos. Tras probar diferentes configuraciones, optamos por una frecuencia mensual. Frecuencias superiores (semanales, diarias) generan mayor gasto en comisiones y una merma del retorno y, frecuencias inferiores, conducen a una cartera más estática y con menor poder adaptativo. 

4. Otros parámetros de la simulación:

• Capital inicial: $100.000
• Número máximo de activos en cartera: 30
• Tipo de asignación: Equiponderada. 
• Comisiones: 0,005 cts. por acción.
• Período: 2001-2022.

PASO 5.- Evaluación del modelo

Empleando la herramienta de Backtesting de Portfolio 123 procedemos a una evaluación preliminar del portfolio con los parámetros de la simulación anteriormente señalados.  Los resultados que obtenemos son los que se ven en la Tabla 2:

Como podemos apreciar los resultados del modelo son muy superiores a los del índice de referencia, tanto en retorno anualizado como en DD, el cual se reduce prácticamente a la mitad. Como consecuencia de ello el ratio de Sharpe se sitúa en 1,14 poniendo de manifiesto que el retorno ajustado por riesgo es muy favorable en esta cartera dinámica.  

En la Figura 7 tenemos el gráfico del equity curve. Podemos ver cómo la clara ventaja del retorno acumulado obtenido por la cartera se mantiene por encima del benchmark  prácticamente durante todo el histórico, tal y como se muestra en la Figura 7:

También observamos que el DD del portfolio se mantiene siempre por debajo del Russell 3000. Esto se debe fundamentalmente al filtro de la media móvil que, en la práctica, actúa como un mecanismo de cobertura, impidiendo el posicionamiento en nuevos activos cuando el contexto es bajista. Esto deja su huella en los profundos dientes de sierra que vemos en los gráficos del capital invertido y número de posiciones. 

En cuanto al tipo de empresas en los que invierte la cartera, analizando los porcentajes globales de asignación en todo el histórico vemos claramente un sesgo hacia las empresas del sector financiero (45,01%), tecnológico (32,74%) y sanitario (15,28%) y, en menor medida, las de tipo cíclico (3,78%) y las utilidades (3,19%).

CONCLUSIONES

Hasta aquí hemos mostrado un ejemplo de cómo se pueden validar hipótesis de trabajo y construir carteras dinámicas cuando disponemos de series históricas de calidad basadas en ratios fundamentales y de sentimiento. No nos gusta el data-mining y preferimos partir siempre de hipótesis sencillas que expliquen alguna anomalía e ineficiencia en el retorno de los activos susceptible de generar alfa. Esta es, a mi juicio, la parte del desarrollo de modelos cuantitativos y a la que más tiempo debemos dedicar. El resto no es más que elegir las reglas apropiadas para formalizar dicha hipótesis y validarla mediante un motor de backtest en un histórico suficientemente largo.  Aplicaciones como Portfolio 123 permiten realizar estas tareas en un entorno intuitivo y fácil de usar.

Este es el primer paso, después hay que construir un portfolio plenamente funcional y adaptado a nuestras necesidades, considerando un conjunto de restricciones, un estilo inversor y un nivel de aversión al riesgo. Ello implica la incorporación más reglas, como fórmulas para gestionar dinámicamente el tamaño de la posición o algún mecanismo más eficiente de cobertura. 

Ni que decir tiene que también sería necesario un proceso de evaluación más completo, incluyendo análisis in-sample / out-sample, rolling backtests y simulaciones de Montecarlo. Pero esto ya sería materia para otro artículo. 

Análisis técnico: Principios, indicadores y ejemplos por Timothy Sykes

Durante los más de 20 años que he operado penny stocks, y he usado análisis técnico. Por eso es sorprendente para mí que tantos traders novatos no entiendan lo que es.

El análisis técnico es un término bastante amplio usado para referirse a los patrones en el mercado de valores. No tiene nada que ver con las finanzas de una empresa.

En cambio, el análisis técnico se centra en los patrones repetibles y predecibles en el mercado de valores. Estos son los patrones que mis mejores estudiantes y yo operamos todos los días.

Personalmente, creo que algunos traders pretenden complicarse demasiado con técnicas de análisis técnico e indicadores. Para mí, todo eso añade demasiado ruido.

Me gusta hacer las cosas simples operando los patrones que usé durante más de 20 años haciendo trading con penny stocks.

Ahora, profundicemos en los diferentes tipos de análisis técnico, técnicas y más.

¿Qué es el análisis técnico?

Es imposible saber con 100% de certeza qué camino tomará una acción. Si lo hubiera, sería el hombre más rico del mundo.

Pero eso no significa que sea imposible hacer pronósticos razonables sobre dónde podría ir la acción a continuación. ¿Cómo se llega a estas suposiciones? A través del análisis técnico.

Como dije, los patrones se repiten una y otra vez en el mercado de valores. Por eso animo a todos mis alumnos a estudiar el pasado.

La historia tiende a repetirse. Entonces, cuando acciones similares crean patrones similares, especialmente a través de la acción del precio en los gráficos, es probable que se vuelva a dar el mismo resultado.

Veamos un ejemplo.

Este es uno de mis patrones favoritos llamado comprar el pánico. Este patrón repetible es una forma de análisis técnico. Al estudiar los movimientos pasados de este movimiento, estoy mejor preparado para lo que puede venir a continuación.

No, no siempre estoy en lo cierto, y corto las pérdidas rápidamente cuando me equivoco. No tiene sentido mantener y esperar. Siempre hay otra operación esperando a la vuelta de la esquina.

Esto es suficiente para entender qué es el análisis técnico.

¿Cuáles son los principios del análisis técnico?

Definir los principios específicos del análisis técnico es algo difícil. Todos lo usan de manera diferente, por lo que puede ser subjetivo. Eso hace que sea difícil determinar principios específicos.

Esto es lo que es clave para mí y lo que creo que es uno de los principios más importantes.

La historia se repite. No siempre es exactamente igual, pero estudiar el pasado puede ayudarlo a comprender cómo se mueve el mercado. Así es como se sabe cómo se comportan ciertas acciones o sectores.

Para mí, el análisis técnico se trata de usar el pasado para evaluar mejor lo que una acción podría hacer a continuación.

No me importa qué indicadores use o qué patrón opere. Los patrones se repiten una y otra vez. Entonces, si está luchando por encontrar consistencia como trader, es su trabajo estudiar el pasado para prepararse para la próxima vez que aparezca ese patrón.

Los 3 componentes importantes del análisis técnico

Independientemente de cómo utilice el análisis técnico, hay tres componentes extremadamente importantes:

• Gráficos
• Indicadores
• Patrones

No, no tiene que usar todo esto, ya que algunos podrían no ajustarse a su estrategia.

Pero en términos generales, estos son los tres componentes más importantes del análisis técnico.

Los gráficos y patrones son casi lo mismo. No puede detectar patrones sin tener los gráficos frente a usted. Los gráficos muestran los movimientos del precio de las acciones y hacen que sea más fácil ver el patrón en lugar de solo mirar los números.

Por lo tanto, es crucial que tenga una excelente plataforma de gráficos. Hará que comerciar sea mucho más fácil.

Una vez que comprenda cómo leer los gráficos de acciones, puede comenzar a buscar patrones como la compra en pánico que mencioné anteriormente.

¿Cuáles son los diferentes tipos de indicadores técnicos?

Nuevamente, me gusta mantener mi trading limpio y simple. Entonces, para mí, los indicadores técnicos clave son los soportes y resistencias básicos.

Hay otros tipos de indicadores técnicos que todos los operadores deben conocer. Incluso si no los usa, puede encontrar algunos útiles más adelante. Y siempre es inteligente saber qué hay disponible para usted y otros traders.

Hay cientos de indicadores, demasiados para enumerarlos todos aquí.

Y definitivamente no necesitas usarlos todos. Como dije antes, demasiados indicadores pueden generar ruido adicional que complicará su trading. Ahora, aquí están algunos de los indicadores más comunes para los traders.

Precio promedio ponderado por volumen (VWAP)

A muchos traders les encanta usar VWAP. A menudo se considera uno de los indicadores técnicos más útiles y comunes en el comercio. Es una línea en un gráfico que muestra el precio promedio de una acción basado tanto en el precio como en el volumen a lo largo del día.

No se trata de una línea mágica que le dirá a dónde se dirige el precio de una acción, pero puede ser útil.

Básicamente, cuando el precio de una acción está por encima de VWAP, la acción es alcista. Eso no significa que el patrón sea alcista, pero significa que más del 50% de las posiciones, al estar por encima del VWAP, están en verde.

Lo mismo se aplica cuando el precio de una acción está bajo el VWAP. Esto me indica un precio bajista. Una vez más, el patrón puede ser bajista, pero el precio de la acción estaría por debajo del precio promedio pagado por la acción entre todas las operaciones, tanto largas como cortas.

Medias Móviles

Los promedios móviles se presentan en algunas formas: exponenciales y simples. Ambos hacen lo mismo: marcan la tendencia. Cuanto más corto sea el promedio móvil, más rápido se moverá la línea de tendencia.

Entonces, con una media móvil con período más corto, la tendencia se “marca” a un ritmo más rápido. Las tendencias a largo plazo usan promedios móviles más grandes, mientras que las tendencias a corto plazo usan promedios móviles más pequeños. Le muestro un ejemplo de un promedio móvil de negociación muy seguido: La EMA de 9 (promedio móvil exponencial de 9 días).

¿Cómo se usan los indicadores técnicos?

Los traders utilizan indicadores técnicos de de múltiples formas. En general, se utilizan para estar más convencidos en una determinada operación.

Pero nunca haga una operación porque un solo indicador técnico lo marque.

Por ejemplo, ¿recuerda cuando dije que cuando el precio de una acción está por encima de VWAP, soy optimista sobre la misma?

Esto podría ayudarme a estar convencido si veo que se forma un patrón cuando la acción está por encima de su VWAP, y así abrir una operación de compra.

Baso cada operación en mi “Sykes Sliding Scale”, nunca en un solo indicador.

Análisis técnico versus análisis fundamental

El análisis técnico no es el único tipo de análisis. El otro, del que hablé antes, se llama análisis fundamental. El análisis técnico se basa en patrones e indicadores.

El análisis fundamental, por otro lado, tiene más que ver con la posición financiera y los resultados de una empresa. Esto podría incluir la estructura de acciones de una empresa, la rentabilidad, etc.

No me malinterpreten: el análisis fundamental es importante. Pero tenga una cosa en mente.

La mayoría de las compañías de penny stocks son muy malas y tienen fundamentos pésimos. A menos que sea un inversor a largo plazo, diría que el análisis técnico es generalmente más importante para las penny stocks.

¿Cuáles son las fortalezas del análisis técnico?

Este es uno de los puntos fuertes del análisis técnico: permite una representación visual del precio de una acción. Así es como permite a los traders detectar patrones.

Los patrones son la base de todas mis operaciones, junto con todos los indicadores en la “Sykes Sliding Scale”. Y he estado usando los mismos patrones durante años. Puede que tenga que adaptarlos al mercado actual, pero así es como sigo en activo después de tanto tiempo.

Y lo diré de nuevo. La historia se repite. Los patrones se repiten en el mercado de valores, y así es como mis mejores estudiantes y yo nos mantenemos año tras año, mientras otros malos jugadores hacen volar sus cuentas por los aires. *

* El trading de acciones siempre tiene riesgo. La mayoría de los traders pierden dinero. Los resultados de mis mejores alumnos y yo no son habituales y provienen de años de estudio y educación. Los resultados individuales variarán. Nunca arriesgue más de lo que puede permitirse perder.

¿Cuáles son las debilidades del análisis técnico?

Respuesta corta: el análisis técnico puede ser subjetivo.

Es por eso que un indicador nunca es suficiente para llevarme a abrir una operación.

Y podría ver patrones diferentes a los demás. Sí, los patrones se repiten, pero nunca es exactamente lo mismo. Requiere matices y mucho estudio. Es casi imposible ver que un patrón se desarrolle exactamente igual una y otra vez.

Es por eso que estudiamos para entender cómo pueden moverse las acciones. Y es por eso que es importante trabajar en el reconocimiento de patrones.

Cómo analizar acciones: ejemplos prácticos de análisis técnico

Uno de mis patrones favoritos es el de pánico, del que tanto hablo, así que veamos un ejemplo. Tiene que encontrar un patrón que funcione para uated, luego estudiarlo hasta que lo interiorice.

Eche un vistazo a esta operación de $ 6.000 que hice cuando vi la oportunidad de una compra de pánico por la mañana.

La razón por la que puedo operar estos patrones tan bien es porque he estudiado durante años. Tengo experiencia, más de dos décadas, por lo que puedo reconocer lo que está sucediendo y por qué.

Suena mucho más simple de lo que realmente es. Pero así es como veo el suelo de estos pánicos matutinos. Utilizo niveles de soporte y resistencia básicos. Los soportes y las resistencias son mis indicadores técnicos favoritos. Y cuando se alinean cerca de donde el nivel 2 comienza a girar, aún mejor.

También es importante conocer una de mis reglas para los pánicos matutinos: no los opere a menos que suban como mínimo un 50% desde sus mínimos. Con eso, me refiero a todo el movimiento de la acción, no necesariamente en el gráfico intradía.

Para mí, no vale la pena comprar un rebote de una acción que solo ha subido un 20% en los últimos días. Probablemente no rebote lo suficiente.

Secretos del análisis técnico

No hay ningún secreto que te haga mejor trader. Pero hay una cosa que puede hacer que puede ayudarlo drásticamente en sus operaciones.

Probablemente ya sepa lo que le voy a decir, pero está bien. A veces necesitas escucharlo varias veces antes de que realmente lo entiendas. Aquí está.

Estudiar el pasado

Los patrones funcionan por una razón. Mientras más estudies los patrones que enseño, más entenderá por qué y cómo funcionan los patrones.

Así es como puede comenzar a encontrar similitudes en la acción del precio que puede aplicar a futuros operaciones.

Mantenlo simple

Como dije antes, no me gusta tener demasiado ruido cuando estoy operando. No veo nada positivo en llenar mis gráficos con docenas de indicadores que me confundirán más que me ayudarán.

Es por eso que uso niveles básicos de soporte y resistencia. Si veo que una acción tiene dificultades para superar cierto nivel de precios, es probable que también tenga dificultades para superarlo por segunda vez.

Estas son las áreas en las que es mejor comprar o vender, también conocidas como soporte y resistencia. Piense en ello como un suelo y un techo, cuando el precio toca el suelo, probablemente no lo atravesará. Las áreas de soporte son generalmente un lugar “más seguro” para comprar una acción, mientras que las áreas de resistencia son un mejor lugar para vender la acción.

Una vez que la acción atraviesa esas áreas, la resistencia anterior generalmente se convierte en un nuevo soporte y viceversa.

Preguntas frecuentes sobre análisis técnico

¿Cómo puedo aprender análisis técnico?

Aprender el análisis técnico no es tan fácil como mirar un gráfico una vez y ejecutarlo, se trata de práctica. La mejor manera de hacerlo es mediante el estudio, como con mis 6.000 lecciones en video y el paper trading en una plataforma como StocksToTrade.

¿Qué tan útil es el análisis técnico?

El análisis técnico es uno de los aspectos más importantes del trading constante en el mercado de penny stocks. Independientemente de los indicadores que use o de los patrones que toque, el análisis técnico es crucial para operar de manera más inteligente.

¿Es válido el análisis técnico?

El análisis técnico es válido, pero también es subjetivo. Hay cientos de patrones cada día en el mercado. Depende de usted estudiar y prepararse para los patrones que se ajustan a su estrategia comercial.

Conclusión

Cuando todo está dicho y hecho, el análisis técnico es un componente clave que debe aprender antes de comenzar a negociar penny stocks.

Recuerde, muchas compañías de penny stocks que mis alumnos y yo comerciamos son muy malas. No digo que no mire los fundamentos, pero esté preparado para lo que pueda encontrar.

Para mí, los patrones y la “Sykes Sliding Scale” son más importantes. Aprenderlos puede ayudarlo a encontrar consistencia como comerciante.

Se necesita mucho trabajo duro, estudio, disciplina y dedicación. Pero si está dedicado a aprender a hacer trading de manera más inteligente, solicite mi Trading Challenge. Es donde puede aprender de mí y de mis mejores estudiantes. Es donde puede comenzar a construir su cuenta de conocimiento comercial.

¿Cuál es su patrón favorito o indicador técnico?  Le escucho.