Explicación de la estrategia de trading de Jamie Mai por Alex Barrow

Jamie Mai es un gestor de fondos de cobertura que generó rendimientos increíbles para Cornwall Capital, un fondo que fundó después de estudiar historia en la universidad. Mai rindió un 42 % anual para los inversores durante los primeros nueve años del fondo. $100,000 invertidos inicialmente en el fondo de Mai valdrían $2,347,000 al final del noveno año. 

Jamie Mai usó múltiples estrategias de trading para generar los rendimientos del fondo, pero todas compartían un hilo común. Jack Schwager lo explica en su libro Market Wizards (énfasis mío):

“La única característica común que comparten prácticamente todas las estrategias de Cornwall es que están estructuradas e implementadas como operaciones de sesgo positivo altamente asimétricas, es decir, operaciones en las que el potencial alcista supera con creces el riesgo bajista.”

El objetivo era arriesgar $1 para ganar $10. Mai entendió que la mayoría de sus apuestas perderían, pero con el tiempo, el tamaño de sus ganadores compensaría con creces esas pequeñas pérdidas.

La forma favorita de Mai de expresar esta estrategia era a través de opciones de largo plazo fuera del dinero o DOTM. Por ejemplo, si una acción cotiza a $10 en 2001, Mai compraría calls de $40 con fecha de 2005.

Las DOTM permitieron a Mai arriesgar pequeñas cantidades de dinero en apuestas altamente asimétricas. Así es como lo explica en el libro (énfasis añadido):

“Las opciones tienen el precio más bajo cuando la volatilidad reciente ha sido muy baja. En mi experiencia, sin embargo, el mejor predictor individual de aumentos futuros de volatilidad es la baja volatilidad histórica. Cuando la volatilidad es muy baja en un mercado, consideramos que es un momento muy interesante para comenzar a buscar formas de obtener una volatilidad larga , tanto porque la volatilidad es muy barata en un sentido absoluto como porque la certeza y la complacencia del mercado reflejada por la baja volatilidad a menudo implica una probabilidad superior a la media de una mayor volatilidad futura. ”

En términos sencillos, Mai usó DOTM para apostar a que una acción pasaría de apenas moverse a moverse mucho más alto o más abajo.

Para explicar la estrategia de trading de Jamie Mai, aquí hay un desglose de tres operaciones específicas que realizó para generar ganancias descomunales:

Explicación De Los Ejemplos Comerciales Y La Estrategia De Jamie Mai

Operación #1: Calls De Altria (MO)

En 2003, Altria, una importante empresa tabacalera, se enfrentó a un muro de rebajas de las agencias calificadoras. Esto se debió a la evolución negativa de los múltiples litigios de acción de clase en su contra.

Estos casos tenían el potencial de grandes acuerdos de miles de millones de dólares. También existía el riesgo de sentar un precedente favorable para futuros demandantes. Esto creó una incertidumbre significativa para Altria: la bancarrota estaba sobre la mesa.

A pesar de esta incertidumbre, Mai vio una oportunidad en las opciones de compra fuera del dinero para Altria . Así que hizo su apuesta:

“Entonces, lo primero que verificamos fue si las opciones de Altria aún asumían una distribución de probabilidad normal, a pesar de la presencia de un evento bimodal. Efectivamente, los precios de las opciones de Altria todavía implicaban una distribución normal, lo que significaba que las opciones fuera del dinero eran demasiado baratas. 

Dado que nuestro trabajo sugirió una mayor probabilidad de un resultado alcista, compramos las calls fuera del dinero. Las calls se apreciaron considerablemente cuando uno de los casos clave que respaldan las rebajas de calificación fue desestimado en apelación poco después de que comenzáramos nuestra inversión”.

Jamie Mai y su equipo ganaron alrededor de 2,5 veces su dinero en el intercambio y podrían haber ganado incluso más si hubieran aguantado más.

La lección más importante aquí es cuán mal cotizados están los eventos bimodales en los contratos de opciones.

La mayoría de las opciones asumen una distribución normal de resultados de precios futuros. Esto significa que están apostando a que el precio futuro de una acción muy probablemente caerá dentro de una desviación estándar del precio actual. Es por eso que obtienes la distribución de la curva de campana normal que se ve a continuación:

Ahora bien, esto es cierto para la mayoría de las acciones. No verá cambios bruscos en su precio de la noche a la mañana. Y los precios del mercado de opciones que eficientemente con esta distribución normal.

Pero esto no es cierto para una acción que se enfrenta a un evento bimodal (sí o no). En el ejemplo de Altria, su caso judicial determinaría el futuro de la empresa. Si se resolviera a favor de Altria, el precio de las acciones se dispararía más. Si se resolviera contra Altria, el precio se hundiría. Este es un evento bimodal en el que en realidad es poco probable que el precio futuro se mantenga cerca del precio actual. La distribución de probabilidad en este caso es bimodal y se parece más a esto:

Si un contrato de opciones valora mal este resultado bimodal asignando una distribución normal, es posible ganar mucho dinero apostando en un «evento de cola». El contrato de opciones no cree que haya una alta probabilidad de que el precio oscile de forma salvaje, por lo que si lo hace, se pueden obtener grandes beneficios.

Jamie Mai entendió profundamente el poder y los efectos de precios erróneos de estos eventos de distribución normal a bimodal. Es un tema que verá a lo largo de los próximos dos oficios.

Operación N.º 2: Calls De Capital One Financial (COF)

En 2002, Capital One (COF) tuvo una exposición significativa al mercado de alto riesgo. Esto estuvo bien en ese momento porque todos asumieron que COF era un negocio sólido como una roca. Pero luego se conoció la noticia de que los reguladores obligaron a COF a aumentar sus reservas e instituir procesos crediticios más estrictos.

Esta noticia arrojó dudas sobre la reputación que anteriormente tenía la empresa como líder en la evaluación del riesgo crediticio de alto riesgo y resultó en una caída significativa en el precio de sus acciones.

A pesar de este sentimiento bajista, Mai vio una oportunidad en el mercado de opciones fuera del dinero de COF. Creía que el mercado reaccionó de forma exagerada a la noticia y que las calls tenían un precio significativamente inferior.

Jamie Mai pensó que COF tendría un resultado bimodal. La acción se dispararía o se hundiría debido a su situación de alto riesgo. Así es como se sintió acerca del intercambio (énfasis agregado):

“Pensamos que comprar las calls fuera del dinero proporcionaba la mejor manera de expresar el comercio porque el posible resultado bimodal hizo que un gran movimiento de precios fuera mucho más probable de lo habitual para las acciones. En estas circunstancias, las calls fuera del dinero estaban mal valoradas y tenían un apalancamiento más integrado”.  

Según Mai, los DOTM de COF tenían un precio incorrecto y estaban muy apalancados, lo que significa que el más mínimo cambio en el sentimiento o el precio del mercado generaría rendimientos monstruosos para esas opciones.

Específicamente, estaban interesados ​​en comprar las calls de $40 de enero de 2005, que se cotizaban cerca de $5 en ese momento.

Antes de que Mai pudiera comprar los DOTM a $5, más noticias bajistas llegaron a las acciones y el COF se negoció a alrededor de $27. Esto hizo que las calls cayeran de $5 a $3,50, lo que hizo que las ganancias potenciales en el intercambio pareciera aún más significativo. Así que lo compró por $3.50.

La apuesta de Mai resultó correcta. COF se recuperó y recuperó su condición de prestamista subprime de alta calidad. La acción también se recuperó por completo. Mai mantuvo sus opciones durante más de un año y ganó seis veces su dinero.

Mai explotó aquí la distribución normal a bimodal. El precio de las acciones de COF cotizó históricamente a lo largo de una distribución normal hasta que un solo evento (el susto de los préstamos de alto riesgo y los requisitos de reserva) cambió drásticamente el sentimiento hacia un resultado binario (sí o no).

Era sí, COF es un banco de baja calidad con prácticas crediticias abominables y reservas inadecuadas… o no, COF es un banco sólido con suficientes reservas que resultó tener demasiados préstamos subprime en sus libros a corto plazo.

“Cara, gano mucho. Cruz, pierdo un poco.»

Vayamos al ejemplo final.

Operación #3: Acciones De Corea Del Sur

Las acciones de Corea del Sur estaban muy baratas en 2003-2004. Aunque Corea del Sur había hecho un mejor trabajo que muchos de sus vecinos asiáticos al adoptar reformas fiscales y de mercado después de la crisis monetaria de 1997, su mercado de valores siguió languideciendo. No tenía sentido, así que Mai profundizó más.

Jamie Mai visitó personalmente Corea del Sur, se conectó con analistas locales de compra/venta y un intérprete tradujo los estados financieros coreanos. Fue entonces cuando Mai descubrió cuán baratas eran algunas de estas acciones. Así es como lo explica en el libro:

“Había empresas con capitalizaciones de mercado de $ 300 millones, sin deudas y $ 550 millones en efectivo en el balance general, que se esperaba que aumentara a $ 650 millones en el año siguiente. En este caso, había una asimetría tremenda simplemente porque estas empresas no tenían a dónde ir sino hacia arriba”.

En otras palabras, usted compra empresas por menos del valor en efectivo en sus balances: verdaderas situaciones netas de Ben Graham. Y mientras estas empresas no quebraran, Mai haría una fortuna. El mercado se daría cuenta de que estos negocios valían significativamente más que su efectivo neto y sus acciones se duplicarían o incluso triplicarían.

Esta no es una operación de opciones, pero aún podemos ver la naturaleza bimodal de la apuesta de Mai. Una acción que cotiza por debajo del valor en efectivo en su cuenta bancaria, menos las apuestas pendientes, es la forma en que el Mercado dice: «No creemos que este negocio sobreviva dentro de seis a doce meses».

Esa es una apuesta bimodal de sí o no. La empresa o quiebra o sobrevive. Los precios eran tan bajos que el mercado ya inclinó su suelo en cuanto a qué cola de probabilidad bimodal eligió, que fue la bancarrota. Mai tomó el otro lado de la operación porque se dio cuenta de que aunque estas empresas cotizaban por debajo del valor en efectivo, en realidad generaban ganancias operativas positivas.

Mai hizo una cantidad ingente de dinero cuando el mercado se dio cuenta de que estas empresas no quebrarían y, posteriormente, las revalorizó a precios significativamente más altos que el efectivo residual en el banco.

En resumen, el enfoque de inversión de Jamie Mai se centra en tres elementos clave:

• Encontrar situaciones de campo de batalla mal valoradas que realmente no tienen sentido

• Uso de opciones a largo plazo para expresar una visión específica

• Comprar lo más barato que pueda encontrar, ya sean opciones fuera del dinero o acciones infravaloradas

Estas estrategias ayudaron a Mai a generar retornos del Salón de la Fama y conseguirle una entrevista en Market Wizards .

Si está interesado en obtener más información sobre estas estrategias y cómo implementarlas, lea el artículo DOTM. Tiene todo lo que necesita para aprender a operar como Jamie Mai y Cornwall Capital.

Cómo Nicholas Darvas ganó $ 2 millones en el mercado por Brandon Beylo

«Me incorporé en mi silla. Mis acciones de BRILUND de 50 centavos cotizaban a $ 1.90. Las vendí de inmediato y obtuve una ganancia cercana a los $ 8.000 … Decidí que me había perdido algo bueno toda mi vida. Decidí ir a la bolsa. Nunca me he arrepentido de esta decisión. Pero poco sabía qué problemas encontraría en esta jungla desconocida “.

Todos recordamos nuestra “primera vez”. Ya sabes, esas ganancias que nos engancharon al mercado de valores. Nicholas Darvas no fue una excepción. A los 23 años, Darvas comenzó su carrera como bailarín, recorriendo después todo el mundo por su profesión.

Pero mientras Darvas no estaba bailando, estaba leyendo. De hecho, Darvas consumió más de 200 libros durante su tiempo libre en la gira. Algunos dicen que leía hasta ocho horas al día. Estudió los mercados, la especulación y cómo los que le precedieron obtuvieron millones del mercado.

Darvas se aventuró en Wall Street, armado con más de 200 libros de conocimiento en su cabeza. El resultado fue una montaña rusa de victorias y derrotas. Triunfos y derrotas. El esfuerzo de casi una década que culminó en ganancias de más de $ 2 millones en un período de 18 meses.

El viaje de Darvas de perdedor a ganador parece una película. Con lecciones muy dolorosas, ideas simples y una aplicación dogmática de lo que funcionaba. Afortunadamente, nos lo escribió todo en su libro Cómo gané $ 2,000,000 en la bolsa de valores.

Esta reseña de libro destacará tres cosas:

• Las primeras pérdidas de Darvas y la experiencia adquirida.
• La teoría de la caja de Darvas: la estrategia que convirtió a Darvas en multimillonario.
• Por qué debería distanciarse del mercado.

Darvas era principalmente un swing trader. Pero las lecciones de este libro son útiles incluso para el inversor más enfocado a largo plazo. Como tal, utilizo las palabras indistintamente.

¿Está listo para aprender a ganar millones?

Los primeros días de Darvas: la antítesis de un buen operador

Tómese un segundo y piense qué hace a un gran trader … ¿Tiene algunas ideas? Bueno. Darvas hizo todo lo contrario a todas eso que pueda tener usted en mente.

Él tampoco lo esconde. En las primeras seis páginas del libro, Darvas insinúa dos problemas importantes con su estrategia inicial:

• Compra basada en “consejos interesantes”.
• Convertir las operaciones perdedoras en “acciones mascota”.

Nunca confíe en los “consejos de inversión”

Comprar acciones por los “consejos” de amigos, vecinos o cuentas de FinTwit es una mala idea. Tampoco es algo nuevo. Darvas señala en la página 5:

“Escuché con entusiasmo lo que tenían que decir y seguí religiosamente sus consejos. Todo lo que me dijeron que comprara, lo compré. Me tomó mucho tiempo descubrir que este es un método que nunca funciona … Todo lo que sabía era lo que el último camarero en el último club nocturno en el que había actuado me había dicho que era bueno”.

La inversión basada en “propinas” nunca funciona porque no se puede comprar la convicción de una persona en una idea. Si no hace el trabajo usted mismo, nunca tendrá la confianza para aguantar cuando tenga razón.

Peor aún, si las acciones bajan, ¿a quién buscará para que le confirme que era una buena idea? A ese amigo.

Lección: Haz tu propio trabajo. Está bien comenzar con un amigo / alguien en quien confíe. Pero haga su propio trabajo para desarrollar su propia convicción antes de comprar.

Fecha, no te cases con tus acciones

El período de espera ideal de Warren Buffett es para siempre. Ideal es la palabra clave. Nunca te enamores de una acción o una empresa, sin importar las circunstancias. Darvas aprendió esta dolorosa lección al principio del libro. Le muestro una cita de la página 8 (el énfasis es mío):

“Por algunos de ellas [acciones] adquirí un gusto especial. Esto ocurrió por diferentes razones. A veces era porque me las había regalado un buen amigo; otras veces, porque había comenzado a ganar dinero con ellas. Esto me llevó a preferir estas acciones más que otras, y antes de saber lo que estaba haciendo, había comenzado a adoptar ‘mascotas’ ”.

Este párrafo revela algo con lo que todos los traders luchan: el sesgo de confirmación. Y la tentación es peor en la era de las redes sociales. Que Dios no te permita escribir un largo y detallado artículo sobre una determinada inversión reciente solo para descubrir después que no era una buena idea y estabas equivocado. ¿Qué harás entonces? ¿Podrás cortar tus pérdidas y admitir la derrota?

Será algo muy duro.

Darvas continúa con la analogía de las “acciones mascota” y muestra cuánto daño puede causar esta mentalidad en una cartera (énfasis mío):

“Las veía como algo que me pertenecía, como miembros de mi familia. Yo alabé en su día sus virtudes. Hablaba de ellas como se habla de los hijos. No me molestó que nadie más pudiera ver ninguna virtud especial en mis “acciones mascota” para distinguirlas de otras acciones. Este estado de ánimo duró hasta que me di cuenta de que mis acciones mascota me estaban causando las mayores pérdidas “.

Las acciones son difíciles. Por un lado, se necesita la convicción suficiente para mantener una idea mientras se ejecuta, a pesar de lo que el mercado en general piense sobre la empresa. Pero al mismo tiempo tienes que estar dispuesto a aceptar que estás equivocado y cortar tus pérdidas.

Cortar demasiado pronto y puede significar abandonar a un potencial gran ganador. Pero no cortar a la primera señal de peligro podría arruinar toda su cartera.

Esto es especialmente cierto para los inversores orientados al valor. Si una acción que posee baja de precio, la primera reacción es comprar más. Después de todo, si te gustó por $ X, ¡ realmente te encantará por ($ X -% de caída)! Pensará que las razones de la caída no tienen nada que ver con los fundamentos del negocio.

Y a veces tendrá razón. Pero otras veces los fundamentos se han deteriorado. Y ahora, en lugar de cortar a un perdedor, está cuidando una mascota.

Lección: Necesita un sistema para juzgar si debe comprar, mantener o vender sus acciones. Ya sea un inversor a largo plazo o un swing trader. Necesitas un sistema. Preferiblemente algo cuantificable. 

El primer sistema de Darvas: las siete reglas

Antes de la teoría de la caja de Darvas existían las siete reglas. Estas reglas dieron forma a las últimas partes de Darvas en sus primeros días operando.

Estas eran sus reglas:

• No debe seguir los servicios de asesoramiento. No son infalibles, ni en Canadá ni en Wall Street.
• Debe tener cuidado con los consejos de los brokers. Pueden estar equivocados.
• Debe ignorar los dichos de Wall Street, sin importar cuán antiguos y reputados sean.
• No debe negociar “sin receta”, solo en acciones cotizadas en las que siempre haya un comprador cuando desee vender.
• No debe escuchar los rumores, por muy fundados que parezcan.
• El enfoque fundamental funcionó mejor que el juego. Estúdialo.
• Debe conservar una acción en alza durante un período más largo que intentar hacer malabarismos con una docena de acciones durante un corto período a la vez.

¿Qué tienen en común todos estos rumores? Una cosa: elimine el ruido y concéntrese en lo que importa: las acciones y sus fundamentos.

A Darvas le encantaba esta estrategia. Finalmente, pensó, una forma de cortar el ruido de Wall Street y concentrarse en el negocio. Analizar los balances, cuentas de resultados y flujos de caja. Determine por qué debería negociar una empresa y cómprela con descuento.

Después de todo, si se trata de números sólidos, el mercado eventualmente estará de acuerdo contigo. O eso pensaba Darvas.

Las métricas cuantitativas no son suficientes y por qué debería combinar el estilo con la personalidad

Es en este punto del libro donde experimentamos la primera gran pérdida de Darvas. Encontró a Jones & Laughlin después de seleccionar una lista de acciones con “calificación B” en una industria en auge.

¿Qué hizo que esta acción fuera una operación aparentemente “segura”?

• Industria fuerte
• Fuerte calificación B
• Rendimiento de dividendos del 6%
• P / E fue mejor que cualquier acción del grupo

No hay mucho sobre los fundamentos reales del negocio en el análisis anterior. Todo lo que sabemos es que paga un 6% y tiene un P / E más bajo en comparación con sus pares.

Sin embargo, para un inversor (como Darvas), este análisis resultó irrefutable. Estos fueron sus pensamientos (el énfasis es mío):

“ Me invadió un tremendo entusiasmo. Esta, sin duda, fue una llave de oro. Sentí la fortuna a mi alcance como una apetitosa manzana. Seguro que aumentaría de 20 a 30 puntos en cualquier momento”.

Darvas aprovechó esta apuesta “segura” hasta niveles increíbles. Hipotecó su casa, tomó un préstamo de su póliza de seguro y obtuvo un adelanto de su cheque de pago.

Después invirtió todo en Jones & Laughlin. Darvas relata el recuerdo diciendo: “El 23 de septiembre de 1955, compré 1.000 acciones de Jones & Laughlin a 52 ¼ de margen, que en ese momento era del 70%. El costo fue de $ 52.652.30 y tuve que depositar $ 36.856.61 en efectivo. Para recaudar esta cantidad había puesto en garantía todas mis posesiones ”.

Ya sabe cómo termina esto.

Tres días después de la compra de Darvas, las acciones comenzaron a caer. Aquí es donde Darvas se equivocó. Compró sobre los fundamentos, pero utilizó la acción del precio para confirmar / negar la validez de su tesis de inversión.

Eso no quiere decir que una forma sea mejor que otra. Hay innumerables operadores que ganan dinero centrándose solo en la acción del precio. Así como los mejores inversores del mundo a largo plazo (Buffett, por ejemplo) no prestan ninguna atención a la acción del precio.

Darvas no tenía una estrategia. Estaba indefenso, en tierra de nadie. Escuche su insoportable relación con Jones & Laughlin (énfasis mío):

“La vi caer y, sin embargo, me negué a enfrentarme a la realidad. Estaba paralizado. Simplemente no sabía qué hacer. ¿Debería vender? ¿Cómo podría? En mi proyección, basada en mis exhaustivos estudios, Jones & Laughlin valía al menos $ 75 por acción. Fue solo un revés temporal, me dije. No hay ninguna razón para la caída. Es una buena acción; volverá. Debo aguantar. Y aguanté y aguanté “.

Fue entonces cuando Darvas se dio cuenta de que necesitaba una estrategia que coincidiera con su personalidad. Probó el enfoque fundamental y no funcionó (énfasis mío):

“ ¿Cuál, me pregunté, era el valor de examinar los informes de la empresa, estudiar las perspectivas de la industria, las calificaciones, las relaciones precio-ganancias? La acción que me salvó del desastre fue una de la que no sabía nada. La elegí por una sola razón: parecía estar subiendo.“

Es en este punto que Darvas desarrolló su teoría de la caja. De los fundamentos puros al análisis técnico puro.

Método de Darvas: el método de la caja

El éxito de Darvas despegó cuando pasó al análisis técnico puro: precio y volumen .

Darvas señaló en el Capítulo 4 (énfasis mío), “Esta experiencia me sirvió más que nada para convencerme de que el enfoque puramente técnico del mercado era sólido. Significaba que si estudiaba la acción del precio y el volumen, descartando todos los demás factores, podría obtener resultados positivos.”

Sus estudios lo llevaron a la piedra angular de su estrategia:

“Las acciones no volaban como globos en ninguna dirección. Como atraídos por un imán, tenían una tendencia definida hacia arriba o hacia abajo que, una vez establecida, tendía a continuar. Dentro de esta tendencia, las acciones se movían en una serie de marcos, o lo que comencé a llamar ‘cajas’.“

Las cajas. Ese era el secreto. Darvas esperó períodos de volatilidad comprimida.

En esencia, eso es lo que es una caja. Una feroz guerra entre compradores y vendedores. Cada grupo agobiado por los efectos psicológicos de sus decisiones anteriores.

Después, cuando el mercado inclina su mano en cuanto a la dirección de la próxima tendencia magnética, usted compra (o vende) en la dirección de esa nueva tendencia.

Aquí está la explicación de Darvas del método de la caja (el énfasis es mío):

“Así es como apliqué mi teoría: cuando las cajas de una acción que me interesaba estaban, como una pirámide, una encima de la otra, y mi acción estaba en la caja más alta, comenzaba a vigilarla. Podría rebotar entre la parte superior e inferior de la caja y estaba perfectamente satisfecho. Una vez que había decidido las dimensiones de la caja, la acción podía hacer lo que quisiera, pero solo dentro de ese marco. De hecho, si no rebotaba hacia arriba y hacia abajo dentro de esa caja, estaba preocupado”.

Ejemplos de la caja en los gráficos de precios

En resumen, esperó a que las acciones formaran patrones de caja en un gráfico de precios. Aquí hay algunos ejemplos de lo que Darvas llamaría una “caja”:

CELH se movió entre su caja de $ 3 y $ 7 durante casi tres años antes de salir de la caja a nuevos máximos.

TOBII rebotó entre su caja de $ 24- $ 28 antes de romperse y moverse más arriba antes de formar otra caja a $ 34- $ 38 (divulgación: tengo acciones de TOBII).

Estos son solo tres ejemplos de acciones que forman cajas en gráficos de precios diarios, semanales y mensuales. Mr. Market presenta estas oportunidades todos los días, los 365 días del año.

Cómo comprar y vender en el método de caja

Las instrucciones de compra y venta de Darvas eran sencillas:

• Compre cuando la acción se salga de su caja
• Vender por una pérdida cuando la acción volvió a su casilla anterior

La otra decisión, más difícil, implicó vender una acción con una ganancia. Darvas ya conocía el peligro de obtener beneficios rápidos. Así es como definió su estrategia de toma de ganancias (énfasis mío):

“Decidí que como no podía entrenarme para no asustarme cada vez, era mejor adoptar otro método. Esto fue para mantener una acción en alza pero, al mismo tiempo, seguir aumentando mi orden de stop-loss paralelamente a su aumento.

Lo mantendría a una distancia tal que un cambio sin sentido en el precio no lo afectaría. Sin embargo, si las acciones realmente cambiaban y comenzaran a caer, vendería inmediatamente”.

Ésta es la parte más difícil y menos científica de la estrategia. ¿Cómo saber cuándo su stop-loss está lo suficientemente cerca? ¿Cómo saber si está demasiado lejos?

Respuesta honesta: no hay una respuesta correcta. Encuentre lo que funciona en su caso.

Lo que vemos al final del Capítulo 4 es un hombre con una estrategia definida. El enfoque opuesto al comienzo del libro. Escuchemos la nueva confianza de Darvas (el énfasis es mío):

“Sabía que tenía que adoptar una actitud fría y sin emociones hacia las acciones ; que no debo enamorarme de ellas cuando suben y no debo enojarme cuando caen; que no existen animales buenos o malos. Solo hay acciones que suben y bajan, y debería mantener las que suben y vender las que bajan”.

Poder en la simplicidad

El método real de Darvas es muy simple:

• Busque un patrón de caja en un gráfico de precios.
• Compre la acción si se rompe por encima de su caja.
• Vender las acciones si vuelven a caer en su casilla anterior.

Pero antes de terminar el libro, Darvas agregó un elemento a su estrategia técnica: los fundamentos.

Forma final de Darvas: aspectos técnicos + fundamentos

Después de perfeccionar su enfoque técnico, Darvas agregó un último elemento a sus criterios de selección de valores: mejorar el poder de ganancia o anticiparlo.

Darvas se convirtió en tecno-fundamental. Somos grandes admiradores de este enfoque en Macro Ops y lo empleamos en nuestros propios criterios de selección de valores. Aquí está su razón para agregar los fundamentos (el énfasis es mío):

“Seleccionaría acciones en función de sus movimientos técnicos en el mercado, pero solo las compraría cuando pudiera dar una mejor capacidad de ganancia como mi razón fundamental para hacerlo”.

En otras palabras, Darvas no compró una acción solo por el patrón del gráfico. Necesitaba una confirmación fundamental de la mejora de las ganancias.

Darvas también adoptó una visión a largo plazo al seleccionar acciones. Suena contrario a la intuición, ¿verdad? Mirando 20 años hacia el futuro para las operaciones de swing que pueden durar semanas o meses. Pero eso es lo que hizo Darvas (énfasis mío):

“Busqué aquellas acciones que estaban ligadas al futuro y donde podía esperar que los nuevos productos revolucionarios mejorarían drásticamente las ganancias de la empresa”.

Dicho de otra manera, Darvas quería invertir en industrias con visión de futuro. Industrias con largas pistas y fuertes vientos de cola detrás de ellas.

Entonces ahora podemos agregar dos reglas más a nuestra fórmula simple anterior:

• Compre una acción con ganancias mejoradas o mejoras esperadas
• Compre acciones en industrias sólidas con vientos de cola a largo plazo

Pero como dice Jesse Livermore, “No es la compra o la venta lo que te hace ganar dinero. Es la espera.”

El verdadero de Darvas es su capacidad para hacer millones recorriendo el mundo como bailarín. Es su ocupación lo que ayudó a Darvas a ganar (y conservar) sus millones. De hecho, la mayoría de las reseñas de este libro olvidan por completo este detalle crucial.

Examinemos algunas razones.

El arma más grande de Darvas: distancia de Wall Street

“Al estar a miles de kilómetros de Wall Street, logré desvincularme emocionalmente de todas las acciones que tenía”.

Darvas, como Buffett o Templeton, conocía el poder de la distancia. Buffett se atrincheró en Omaha. John Templeton dio frecuentes paseos por la playa y se mudó a las Bahamas para escapar de la trampa de Wall Street. Como bailarín, Darvas pasó la mayor parte de su vida fuera de Wall Street.

Sin embargo, Darvas no fue inmune a la dulce canción de Nueva York. Con su reciente éxito, Darvas se instaló en una firma de corretaje de Wall Street. Lo que siguió fue un desenlace completo de un plan de “trading” de éxito (énfasis mío):

“Cuando comencé a negociar día a día desde la sala de juntas, gradualmente fui abandonando mis ideas y comencé a unirme al resto. Abrí mis oídos a la confusa combinación de hechos, opiniones y chismes. Leer los informes del mercado. También comencé a responder preguntas como, ‘¿Qué piensas del mercado?’ o ‘¿Qué acción está barata?’ Todo esto tuvo un efecto mortal en mí. “

Cuanto más cerca esté de los mercados, mayores serán sus probabilidades de seguir a la manada. Esto tiene sentido. Somos criaturas sociales. Así es como sobrevivimos. Sin embargo, seguir a la manada es lo que hace que te maten en los mercados financieros. Ese es el momento en que comienzas a comprar en la parte superior y a vender en la parte más baja. Darvas revela de primera mano los peligros de la mentalidad de rebaño:

“En lugar de ser un lobo solitario, me convertí en un cordero confundido y emocionado que se arremolinaba con los demás, esperando ser ejecutado. Era imposible para mí decir ‘no’ cuando todos a mi alrededor decían ‘sí’. Me asusté cuando ellos se asustaron / me entusiasmaba cuando el resto lo estaba”.

Lección: Manténgase lo más lejos posible de Wall Street. Múdese a las Bahamas si es necesario.

La última palabra: un libro que cambia la vida

El libro de Darvas cambió mi vida.

Me hizo darme cuenta que es posible obtener ganancias que alteren la vida en los mercados financieros. Además, Darvas llevó a los lectores a un viaje a través de los altibajos de la especulación y el mercado. Fuimos testigos de sus primeras pérdidas. Celebró sus victoriosas mejoras. Y se encogió cuando casi lo perdió todo al final.

Pero la parte más importante del libro de Darvas es que su estrategia funciona. Funcionó en la década de 1950 y funciona hoy. Las acciones cambian de nombre y los participantes van y vienen. Pero los fundamentos empresariales siguen siendo ciertos. Y la psicología humana básica no cambia.

¿Con qué frecuencia debemos reequilibrar las carteras de Equity Factor? [Estudio] por Quantpedia

Quantpedia ya ha cubierto una innumerable cantidad de estrategias y artículos de inversión de factores, desde estrategias en nuestro Screener hasta múltiples artículos que hemos escrito en metodotrading. Por lo tanto, podemos decir con confianza que nos gusta invertir en factores. Sin embargo, siempre hay nuevos estudios con un punto de vista único. Por ejemplo, recientemente encontramos un artículo centrado en el deterioro de las exposiciones a factores de las estrategias de factores de renta variable. El estudio examina cinco factores: valor, impulso, calidad, inversión y baja volatilidad, en 12 mercados desarrollados y emergentes durante un período de 20 años. Este estudio tiene como objetivo averiguar cuánto tiempo tarda un factor en decaer después de que se ensambla la cartera. En otras palabras, ¿con qué frecuencia se debe reequilibrar la cartera? 

En primer lugar, los autores analizan las exposiciones a factores de cartera como variables aleatorias de distribución desconocida. En segundo lugar, intentan cuantificar estas distribuciones para un grupo seleccionado de estrategias de factores y así examinar la evolución del factor a lo largo del tiempo. Además, los autores introducen una métrica de vida media del factor para describir un período de reequilibrio óptimo mediante la cuantificación de la tasa de descomposición.

Los resultados de este artículo indican que, de los factores que estudiaron, los que decaen más rápidamente son Momentum e Investment. Por el contrario, los factores que decaen más lentamente incluyen Valor, seguido de Baja volatilidad y Calidad. Además, los períodos de rebalanceo recomendados varían desde 3 meses (para Momentum) hasta 6 meses (para Baja Volatilidad), dependiendo del factor.

• Autores: Emlyn Flint, Rademeyer Vermaak
• Título: Factor Information Decay: A Global Study (Deterioro de la información de los factores: un estudio global)
• Enlace: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3986499

Resumen

Esta investigación aborda una pregunta simple pero importante sin respuesta en la literatura de inversión de factores: ¿cómo decaen con el tiempo las exposiciones de factores de las estrategias de factores de renta variable? La respuesta a esta pregunta tiene dos importantes consecuencias prácticas. En primer lugar, comprender cómo cambian las exposiciones a los factores de una estrategia a lo largo del tiempo informa el período de reequilibrio óptimo. En segundo lugar, cuando se combina con las estimaciones de las primas de riesgo de los factores, describe la estructura temporal de los rendimientos esperados por estrategia de factores. Para responder a esta pregunta, llevamos a cabo un estudio empírico a gran escala de cinco factores bien conocidos (valor, impulso, calidad, inversión y baja volatilidad) en 12 mercados desarrollados y emergentes durante los últimos 20 años. Calculamos la exposición de factores, o información, distribuciones por mercado para carteras de factores tanto puras como cuartiles largas/cortas, y luego analice cómo decaen estas distribuciones durante un período de tenencia de 36 meses. Para medir formalmente la tasa de deterioro de la información, presentamos la idea de una métrica de vida media de factor y utilizamos los resultados de vida media global para proponer períodos de reequilibrio óptimos por factor.

Como siempre, presentamos varias figuras interesantes:

Citas notables del trabajo de investigación académica:

“Un área particular que sigue recibiendo una atención considerable es la medición y el análisis de las exposiciones a factores de la cartera a lo largo del tiempo (p. ej., Israel y Ross, 2017; Ang et al., 2017; Blitz y Vidojevic, 2019). Esta atención es natural dado que las exposiciones a factores, ya sea directa o indirectamente, forman la base de todas las aplicaciones de gestión de riesgo y construcción de carteras basadas en factores.»

«Agregamos a este conjunto de conocimientos abordando una pregunta sin respuesta simple pero importante: ¿cómo decaen con el tiempo las exposiciones a los factores de las estrategias de factores de acciones ordinarias?»

«La pregunta natural que surge entonces es ¿cómo cambiarán estas exposiciones en el futuro a medida que uno continúe manteniendo la cartera y se actualice la información de los factores? Cuando se piensa de esta manera, queda claro que las exposiciones a factores de la cartera son, de hecho, variables aleatorias, y que la evolución de estas variables a lo largo del tiempo debe describirse mediante una determinada distribución. El propósito de este estudio es cuantificar estas distribuciones para un grupo selecto de estrategias factoriales y, posteriormente, estudiar su evolución en el tiempo. Tal estudio tiene dos importantes consecuencias prácticas. En primer lugar, comprender cómo se espera que cambien las exposiciones a los factores de una estrategia con el tiempo informa directamente el período de reequilibrio óptimo de la estrategia. En segundo lugar, cuando se combina con las estimaciones de las primas de riesgo de los factores.»

«Hay dos áreas específicas en la literatura que están estrechamente relacionadas con nuestro trabajo y, por lo tanto, vale la pena destacarlas. La primera área se relaciona con el puñado de estudios que buscan definir y medir la ‘eficiencia’ de una cartera de factores. Podría decirse que Hunstad y Dekhayser (2015) fueron los primeros en formalizar este concepto a través de la introducción de su métrica de índice de eficiencia de factores, definida como la proporción de riesgo activo que proviene de los factores deseados (u objetivo) frente al que proviene de los factores no deseados (o no deseados). Más recientemente, Brown et al. (2019) sugieren medir la eficiencia como la contribución porcentual al riesgo absoluto de los factores deseados, mientras que Bender y Sun (2019) proponen la relación entre la exposición del factor objetivo de una cartera y su error de seguimiento como una métrica alternativa.»

«La segunda área se relaciona con la investigación realizada para identificar períodos óptimos de tenencia. El más conocido de estos estudios es el artículo seminal sobre Momentum de Jegadeesh y Titman (1993) quienes, entre otras cosas, analizaron el efecto que tiene cambiar la formación de una cartera de Momentum y los períodos de tenencia sobre el rendimiento promedio. Desde entonces, se han realizado análisis similares de período de formación versus período de tenencia para el factor Momentum en múltiples períodos de tiempo y mercados. En la mayoría de los casos, los hallazgos siguen siendo consistentes: el rendimiento promedio se maximiza para períodos de formación y períodos de tenencia a mediano plazo (3-12 meses). Además, varios de estos estudios muestran máximos globales para la combinación específica de un período de formación de 12 meses y un período de tenencia de 3 meses (por ejemplo, Scowcroft y Sefton, 2005).

«Con base en los resultados empíricos, confirmamos que el valor es el factor que decae más lentamente en promedio, seguido de cerca por la baja volatilidad y luego por la calidad. Los factores puros de Inversión y Momentum son entonces los factores que decaen más rápidamente por un margen considerable.»

«Proponemos períodos de reequilibrio para cada factor puro. En particular, proponemos que el período de reequilibrio óptimo de la información sea de 3 a 4 meses para valor, 3 meses para impulso, 4 a 5 meses para calidad, 1 mes para inversión y 5 a 6 meses para baja volatilidad.»

«Finalmente, discutimos el vínculo entre las distribuciones de exposición pura a los factores y el rendimiento esperado de la cartera y proponemos que, bajo el supuesto de primas de riesgo de los factores constantes, los resultados de la vida media de los factores globales y específicos de cada país presentados aquí también pueden usarse como aproximaciones razonables para las vidas medias de rendimiento esperadas de cada cartera de factores puros”.

Las mejores ideas de psicotrading por Brett N. Steenbarger

Hoy hablaré sobre varios puntos fruto del resultado de mis investigaciones más recientes y el trabajo con traders profesionales:

1) El éxito de un trader está directamente relacionado con la velocidad con la que convierte las operaciones perdedoras y los drawdowns en mejoras procesables. Los mejores traders participan en procesos de revisión activos para asegurarse de que aprenden de los contratiempos. Esas revisiones también les permiten aprender de los éxitos. Una fuente importante de rendimiento deficiente entre los traders es no participar en una práctica deliberada oportuna y regular. Los participantes con éxito del mercado se estudian intensamente a sí mismos, al igual que estudian intensamente los mercados. Los participantes que fracasan no estudian; están demasiado ocupados operando.

2) Hay dos tipos de traders: a) aquellos que toman riesgos y necesitan aprender a limitar las pérdidas; y b) aquellos que minimizan el riesgo y necesitan expandir las ganancias. Tendemos a manejar nuestro trading de la misma manera que manejamos los riesgos y las recompensas en otras áreas de la vida porque, en última instancia, nos estamos manejando a nosotros mismos emocionalmente. El desafío es comprender cómo estamos conectados y cómo expresarlo y administrarlo mejor en nuestro trading. Muchos problemas se dan cuando intentamos asumir riesgos de formas que interfieren con nuestra autogestión.

3) Escucho cada vez más traders relativamente inexpertos que están ganando dinero vendiendo opciones. Me hace ser cauteloso. La historia de 2023 hasta ahora ha sido que las noticias que cambian el juego tengan un gran impacto en la forma en que se operan los mercados, y cómo se negocian entre sí. Tenga en cuenta el interés reciente en el sistema bancario en la sombra y sus vulnerabilidades. Después de las preocupaciones bancarias recientes, no se necesitaría mucho más que un titular para poner nerviosos a los mercados. La idea es mantener la flexibilidad incluso cuando se actúa con decisión. Mantener la «convicción» no ha funcionado bien para muchos traders en lo que va del año.

4) Últimamente me he centrado en la amplitud medida sector por sector, y especialmente en el fenómeno de los impulsos de amplitud. Mi última investigación examina las diferencias en amplitud entre los sectores de EE. UU. y cómo se relacionan con los rendimientos del SPX en el futuro. En la actualidad, las acciones de consumo básico están superando a las acciones de consumo discrecional por un margen bastante bueno en períodos de 5 y 20 días. Volviendo a 2020, cuando eso ocurrió, los rendimientos de SPX de los siguientes 10 a 20 días han sido negativos y significativamente por debajo del promedio. Los cambios hacia un posicionamiento más defensivo entre sectores parecen preceder a la debilidad general del mercado, una idea que exploraré en detalle en el futuro. Los cambios de amplitud pueden ser tan importantes para los rendimientos futuros como los impulsos de amplitud.

5) Imagina que estás en una pista de carreras y puedes modificar tus apuestas a intervalos establecidos durante la carrera. No hay duda de que modificaría su toma de riesgos a medida que evoluciona la carrera. Los mejores operadores desarrollan buenas apuestas, pero luego actualizan activamente el riesgo y la recompensa durante la vida de la operación para maximizar las ganancias y minimizar las pérdidas. La incapacidad de actualizar las «apuestas» propias frente a las condiciones cambiantes del mercado ha sido una fuente importante de problemas en lo que va del año. Muchos traders carecen de un proceso sólido para avanzar y actualizar los riesgos y las recompensas en tiempo real.

Evite los mercados bajistas con una estrategia de sincronización de mercado – Parte 1 por Quantpedia

En esta serie de tres artículos, nuestro objetivo es construir una estrategia de sincronización del mercado que eluda de manera confiable el mercado de valores durante los mercados bajistas, reduciendo así la volatilidad del mercado y aumentando los rendimientos ajustados al riesgo. Construiremos señales de trading basadas en indicadores basados en precios, indicadores macroeconómicos y un indicador principal, una curva de rendimiento, que trataría de predecir las recesiones y los mercados bajistas por adelantado. Comenzamos con la primera parte: una breve introducción a las estrategias de sincronización del mercado utilizando reglas basadas en precios.

La sincronización del mercado es un acto de entrar y salir de un mercado financiero basado en algunos métodos predictivos. Su principal objetivo es reducir el riesgo asociado con las inversiones de capital. El tiempo del mercado no intenta vencer al mercado sobre una base de rendimiento. Dada su menor volatilidad, las estrategias de sincronización del mercado tienen como objetivo superar al mercado sobre una base ajustada al riesgo. Aunque mediante la implementación de apalancamiento, también es posible vencer al mercado sobre una base de rendimiento. La única forma en que las estrategias de sincronización del mercado pueden reducir la volatilidad del mercado es evitar las grandes pérdidas o drawdowns que producen periódicamente las acciones. Para evitar de forma fiable las crisis del mercado, es necesario saber cuándo es probable que ocurran. El enfoque más directo sería salir del mercado cada vez que surja una tendencia negativa.

La identificación de la tendencia del mercado se puede realizar a través del análisis técnico, que es una metodología para analizar y pronosticar la dirección de los precios. Un principio fundamental del análisis técnico es que los precios cambian de tendencia. Los analistas técnicos creen que estas tendencias se pueden identificar de manera oportuna para generar ganancias y limitar las pérdidas. El seguimiento de tendencias o Trend following es una estrategia de trading activa que implementa esta idea en la práctica. Las reglas de seguimiento de tendencias más populares son la regla de Momentum (MOM) y la regla de la media móvil (MA). En la regla MOM, se genera una señal de compra cuando el precio actual está por encima de su valor hace n períodos. En una regla de MA, por otro lado, se genera una señal de compra cuando el precio actual es más alto que un promedio móvil de precios en los últimos n períodos. La estrategia de MA más utilizada utiliza la MA simple (SMA), mientras que otras se basan en la MA lineal (LMA) y la MA exponencial (EMA). Un artículo reciente de Zakamulin y Giner (2018) compara estas dos reglas de seguimiento de tendencias más populares y encuentra que la regla MA tiene una precisión de pronóstico más sólida de la dirección futura de las tendencias de precios en comparación con la regla MOM.

La sincronización del mercado con promedios móviles ha sido objeto de un interés sustancial por parte de académicos e inversores. En su libro, Siegel (2008) investiga el uso de la SMA de 200 días para cronometrar el Promedio Industrial Dow Jones (DJIA) de 1886 a 2006. Su estrategia compró el DJIA cuando cerró al menos un 1 por ciento por encima de la media móvil de 200 días y vendió el DJIA cuando cerró al menos un 1 por ciento por debajo de la media móvil de 200 días. Concluye que el tiempo del mercado mejora los rendimientos absolutos y ajustados al riesgo sobre la estrategia de comprar y mantener del DJIA. De manera similar, Faber (2013) introduce un modelo de tiempo de mercado llamado Global Tactical Asset Allocation (GTAA), que consta de cinco clases de activos globales, donde emplea una SMA de 10 meses para evaluar si se mantienen los activos mensualmente. En el período 1973-2012, su modelo superó al índice S&P 500, logrando rendimientos similares a los de las acciones con una volatilidad y drawdowns similares a las de los bonos.

En este documento, intentamos construir una estrategia de sincronización del mercado que eludira de manera confiable el mercado de valores durante los mercados bajistas y, por lo tanto, reduzca la volatilidad del mercado y aumente los rendimientos ajustados al riesgo. Nuestro universo de inversión consiste en el factor de mercado de Fama y French (MKT) y la tasa libre de riesgo (RF). MKT compra todas las empresas CRSP constituidas en los EE. UU. y que cotizan en la Bolsa de Nueva York, AMEX o NASDAQ que tienen un código de acciones CRSP de 10 u 11. RF es la tasa de la letra del Tesoro de un mes. Al final de cada mes, evaluamos si el mercado tendrá un rendimiento positivo durante el próximo mes, y cambiamos entre el MKT y el RF en consecuencia. Por lo tanto, cuando no estamos invertidos en MKT, tenemos RF. Dado que Fama y French informan de los rendimientos de MKT en exceso de RF, también reportamos los rendimientos de todas nuestras estrategias en exceso de RF en el resto del documento. Obtenemos el exceso de rentabilidad de MKT del sitio web de Kenneth French para el período comprendido entre julio de 1926 y junio de 2022, que es nuestro período de muestra. Tenga en cuenta que los primeros meses del período de muestra se utilizan para construir nuestras estrategias y, por lo tanto, el período para el que informamos de los resultados en nuestras tablas es ligeramente más corto que nuestro período de muestra inicial.

Para medir el rendimiento relativo de nuestro modelo, construimos una estrategia de sincronización de mercado Simple que sería nuestro principal punto de referencia para el resto del documento. El sistema Simple compra o se queda mucho tiempo en el MKT si el precio del MKT está por encima de su promedio móvil de 200 días. De lo contrario, la estrategia sale del mercado de valores. Nuestro primer paso sería mejorar el tiempo del mercado Simple utilizando indicadores basados en precios.

Sincronización del mercado utilizando indicadores basados en precios

Una de las señales de un próximo mercado bajista en una acción es cuando la SMA de 50 días cruza la SMA de 200 días a la baja, un evento conocido como la cruz de la muerte. Del mismo modo, la SMA de 50 días que cruza más de la SMA de 200 días al alza es una indicación de un mercado alcista inminente en una acción, un evento llamado cruz de oro. De esta manera, construimos la estrategia MA (50, 200) que compra o mantiene durante mucho tiempo el MKT si su promedio móvil de 50 días está por encima del promedio móvil de 200 días. De lo contrario, la estrategia sale del mercado de valores.

Otro signo ampliamente observado de una inminente recesión del mercado es un aumento de la volatilidad a corto plazo en relación con la volatilidad a largo plazo. Por lo tanto, construimos una estrategia de negociación que compra acciones solo si la volatilidad a corto plazo está por debajo de la volatilidad a largo plazo. Específicamente, VOL (50, 200) compra o mantiene el MKT durante mucho tiempo si la volatilidad histórica de 50 días, medida por la desviación estándar de los rendimientos del mercado, está por debajo de la volatilidad histórica de 200 días. De lo contrario, la estrategia sale del mercado de valores.

La volatilidad considera que los rendimientos extremadamente altos y extremadamente bajos son igualmente indeseables. Los inversores, sin embargo, quieren limitar solo el riesgo a la baja y mantener el alza sin límites. Con este fin, descomponemos la volatilidad del mercado en volatilidad al alza y a la baja. En particular, calculamos la volatilidad al alza (a la baja) como la desviación estándar de los rendimientos positivos (negativos) del mercado durante un período determinado. Por lo tanto, nuestra estrategia, VOL (200)_+, compra o mantiene el MKT durante mucho tiempo si la volatilidad al alza en los últimos 200 días es mayor que la volatilidad a la baja. De lo contrario, la estrategia sale del mercado de valores.

Se considera que el amplio mercado de valores tiene una distribución negativa sesgada. La idea es que el mercado más a menudo produce un pequeño rendimiento positivo en relación con una gran pérdida negativa. Sin embargo, durante los mercados bajistas, la situación se revierte y el mercado registra pequeñas pérdidas con más frecuencia que las grandes ganancias. Varios estudios investigan el efecto de asimetría y su implicación para la sección transversal de los rendimientos de las acciones. Zaremba y Nowak (2015) encontraron que los índices de acciones de los países con la asimetría histórica más negativa superan a los que tienen la osividad más positiva. Basándonos en sus hallazgos, construimos nuestra estrategia SKEW (200) que compra o mantiene durante mucho tiempo el MKT si el sesgo histórico medido por el coeficiente de sesgo en los últimos 200 días está por debajo de cero. De lo contrario, la estrategia sale del mercado de valores.

Mirando el rendimiento de nuestras estrategias hasta ahora, la Tabla 1 muestra que ninguna de ellas muestra mejores resultados que la estrategia Simple, ni sobre una base de rendimiento ni ajustada al riesgo. Además, algunos de ellos sufrieron drawdowns cercanos a las del MKT. Estos débiles resultados nos motivaron a profundizar y buscar indicadores de precios más complejos que simplemente mantenernos comprados en el mercado, lo que nos llevó al Índice de Fuerza Relativa.

El Índice de Fuerza Relativa (RSI) es un indicador de impulso utilizado en el análisis técnico para medir la velocidad y la magnitud de los movimientos de los precios. Como indicador de impulso, el RSI compara la fuerza de un valor en los días en que los precios suben a su fuerza en los días en que los precios bajan. Los operadores a menudo usan RSI para evaluar si el valor está sobrevalorado o infravalorado. Tradicionalmente, las lecturas de RSI por encima del nivel 70 indican que el valor está sobrecomprado, y las lecturas de RSI por debajo de 30 implican que el valor está sobrevendido. Sin embargo, el RSI también se puede utilizar para identificar un cambio en la tendencia. Un movimiento desde debajo de la línea central (50) hacia arriba indica una tendencia alcista. Un movimiento desde arriba de la línea central (50) hacia abajo indica una tendencia bajista. Nuestra estrategia RSI (200) se basa en que el RSI cruza la línea central a medida que compra o se mantiene durante mucho tiempo el MKT cuando el RSI de 200 días de Culter está por encima de 50. La versión de Cutler de RSI utiliza SMA para suavizar en lugar de EMA. De lo contrario, la estrategia sale del mercado de valores.

Otra posibilidad de aumentar los rendimientos ajustados al riesgo del mercado es permanecer en el mercado solo si, en el período reciente, el mercado mostró rendimientos favorables ajustados al riesgo. Medimos el rendimiento ajustado al riesgo del mercado utilizando una medida de rendimiento alternativa de Rachev (RR). RR, ideado por el matemático búlgaro Svetlozar Rachev, mide el potencial de recompensa de la cola derecha de un valor en relación con el riesgo de la cola izquierda. Stoyanov, Rachev y Fabozzi (2005) definieron el RR como una relación de dos valores de Valor Condicional en Riesgo (CVaR) de la siguiente manera:

donde r es un rendimiento de una cartera o activo, rf es la tasa libre de riesgo y α, β ∈ (0,1). En pocas palabras, RR mide la relación entre el α% de los mejores rendimientos y el β% de los peores rendimientos. En nuestro caso, α = β = 0,5, y calculamos la relación utilizando los últimos 200 días. Nuestra estrategia RR (0,5, 0,5) compra MKT cuando el RR es mayor que uno. De lo contrario, la estrategia sale del mercado de valores.

La Tabla 1 muestra que nuestras dos nuevas estrategias RSI (200) y RR (0,5, 0,5) lo hicieron significativamente mejor en comparación con nuestras estrategias anteriores MA (50, 200), VOL (50, 200), VOL (200)_+,- y SKEW (200). RSI (200) muestra un exceso de rendimiento anual del 6,40 %, que es mayor que el 6,30 % anual alcanzado por la estrategia Naive. Además, el RSI (200) tuvo un mejor rendimiento frente a la estrategia Simple en términos de ratio Calmar, aunque se quedó corto en términos de ratio Sharpe. RR (0,5, 0,5) lo hizo aún mejor, logrando un rendimiento del 6,57% anual, superando a MKT sobre una base de rendimiento. Sin embargo, todavía tuvo un rendimiento inferior a Naive sobre una base ajustada al riesgo, medida por la relación Sharpe. Tenga en cuenta que RSI (200) y RR (0,5, 0,5) son estrategias similares que muestran una correlación de 0,987.

Tabla 1: Resumen del rendimiento de las estrategias de tiempo del mercado basadas en los precios para el período comprendido entre abril de 1927 y junio de 2022. Las estrategias de mejor rendimiento están sombreadas.

Figura 1: Gráfico de rendimiento de las estrategias de sincronización del mercado basadas en los precios para el período comprendido entre abril de 1927 y junio de 2022.

El rendimiento superior del RR (0,5, 0,5) y los fuertes resultados de sincronización del mercado de la estrategia Simple nos motivaron a combinar estas dos estrategias para obtener una señal de trading más diversificada. La tendencia compra o mantiene el MKT durante mucho tiempo si las señales de trading de el sistema Simple y RR (0,5, 0,5) son unánimemente positivas. De lo contrario, la estrategia sale del mercado de valores.

La tendencia produce un rendimiento anual del 5,91 %, menos que la estrategia Simple o RR (0,5, 0,5), lo que es comprensible, ya que pasa menos tiempo invertido en el MKT. Por otro lado, sufre un drawdown máximo más favorable de -42,87 %, exhibe la volatilidad más baja del 11,63 % anual y muestra uno de los mayores rendimientos ajustados por riesgo.

Sin embargo, en este punto, nos dimos cuenta de que para mejorar aún más nuestro modelo de sincronización de mercado, tenemos que mirar más allá de los indicadores de precios. Por lo tanto, en nuestro siguiente paso, intentamos combinar las señales de trading de nuestras estrategias de mejor rendimiento en términos de rendimientos ajustados al riesgo, Simple y de tendencia, con señales de trading basadas en indicadores macroeconómicos.

Autor:
Ladislav Durian, analista, Quantpedia

No se imagina el impacto de las tasas de interés por Logan Kane

• El aumento de las tasas de interés amenaza con poner la economía y los mercados patas arriba después de 14 años de políticas de tipos de interés cero.
• Las tasas de interés se están disparando, con la hipoteca de tasa fija a 30 años alcanzando el 7,78 % esta semana en los Estados Unidos.
• Estas tasas más altas han sido impulsadas en gran medida por la inflación y el gasto deficitario del gobierno fuera de control.
• Las tasas de interés más altas tienen implicaciones significativas para los bienes raíces, los automóviles, los bancos, la tecnología y el mercado de valores en general, lo que plantea riesgos y crea oportunidades para los inversores.

«En opinión de Fitch, ha habido un deterioro constante en los estándares de gobernanza (de EE. UU.) en los últimos 20 años, incluidos los asuntos fiscales y de deuda. Los repetidos enfrentamientos políticos de los límites de la deuda y las resoluciones de última hora han erosionado la confianza en la gestión fiscal».

-Fitch Ratings, sobre su reciente rebaja de calificación crediticia en EE. UU.

El silencioso soplo del aumento de las tasas de interés ha crecido hasta convertirse en el fuerte ruido de un tren de carga que se acerca. El rendimiento a 10 años sigue aumentando, alcanzando un nuevo máximo de 52 semanas esta semana por encima del 4,3 %. La hipoteca de tasa fija a 30 años alcanzó el 7,48 % esta semana y ahora amenaza con elevarse por encima del 8 %. Después de más de una década de políticas del banco central con tasa de interés cero (as.k.a.ZIRP), el aumento de la inflación provocó una avalancha económica que amenaza con poner patas arriba la economía y los mercados tal y como los conocemos. Con enormes déficits gubernamentales, parece que los analistas no pueden aumentar sus objetivos de tasas de interés lo suficientemente rápido. El famoso gestor de fondos de cobertura, Bill Ackman, hizo una gran apuesta por los rendimientos del Tesoro de EE. UU. que siguen subiendo al 5,5 %, y hasta ahora está ganando de manera espectacular.

Entonces, ¿por qué están subiendo tanto las tasas de interés? ¿Y qué significa para la economía y los mercados financieros? Vamos a profundizar en ello.

Las tasas de interés cero no eran sostenibles

La década de 2010 fue una época única en la historia económica. Debido a la crisis financiera de 2008 y a la posterior crisis de la deuda europea, los bancos centrales mundiales mantuvieron las tasas de interés en cero (o menos) durante aproximadamente 14 años. Los EE. UU. aumentaron las tasas de interés durante un par de años de 2017 a 2019, pero terminaron reduciéndolas a cero debido al COVID. Además, los bancos centrales aplicaron políticas de flexibilización cuantitativa para reducir las tasas de interés de las hipotecas por debajo de la tasa de libre mercado. Esto tuvo un efecto aún mayor en la economía.

Mantener las tasas de interés en o cerca de cero tuvo efectos sutiles pero profundos en la economía en la década de 2010.

1. Tuvo el efecto de hacer que las viviendas sean artificialmente baratas.
2. Permitió que las empresas de capital riesgo/tecnología perdieran miles de millones persiguiendo cuota de mercado.
3. Y permitió que Wall Street experimentara un mercado alcista monstruoso debido a que no había alternativas reales a las acciones.

Esto también hizo que ciertos modelos de negocio fuera inusualmente rentables. Mis amigos se enriquecieron al no hacer mucho más que pedir dinero prestado barato y comprar bienes raíces. La ejecución decente de modelos de negocio estándar como BRRR o el alojamiento de Airbnb hizo que ganar dinero fuera fácil. Incluso simplemente comprar una propiedad por una hipoteca fija del 3,5 % en la década de 2010 y ponerle pintura, alfombra y un inquilino era lo suficientemente bueno. Durante este tiempo, las casas vacías en California ganaban tanto dinero con la apreciación de los precios (solo por existir) como un hogar típico que vivía allí trabajando.

Las Crypto es otro modelo de negocio que despegó gracias a este modelo denominado ZIRP. Con los insumos económicos de las tasas de interés a cero, la inflación en el 2-3% y el préstamo del gobierno un poco insostenible, poner parte de su dinero en otra moneda como Bitcoin (BTC-USD) en realidad tiene mucho sentido.

Por supuesto, la teoría económica convencional aquí es que al fijar los precios de los préstamos a un nivel tan bajo, la Reserva Federal iba a crear escasez. Por ejemplo, QE creó una escasez artificial de viviendas, a pesar de que había una cantidad similar de viviendas per cápita en los EE. UU. que antes del colapso de 2008. Aún así, la inflación de los precios al consumidor era baja y todo estaba bien, al menos hasta alrededor de 2019. Y las tasas bajas fueron populares entre la clase media alta, que vio aumentar su plusvalía de la vivienda y aumentar sus 401k. Pero, al igual que la obsesión de Estados Unidos con Ozempic fuera de la etiqueta, era demasiado bueno para ser verdad.

Los Vigilantes De los Bonos Están De Vuelta

El caos de la pandemia puso fin rápidamente a estas políticas. El aumento de la inflación del 2 % a casi el 10 % anual rompió la confianza del público en la estabilidad de los precios. El público comenzó a entrar en pánico comprando bienes, hubo escasez de todo tipo de bienes y servicios necesarios en la economía, y las alternativas al dólar estadounidense se convirtieron en una conversación de cóctel. Esto obligó más o menos a la Reserva Federal a actuar aumentando las tasas de interés y revirtiendo sus políticas de expansión y respuestas a la información. Si no hubieran hecho nada, la inflación probablemente habría seguido aumentando, como lo hizo en la década de 1970.

Hoy en día, la inflación todavía está significativamente por encima del objetivo, y la confianza pública en la moneda aún no se ha restablecido por completo. El gobierno de EE. UU. tiene niveles de déficits presupuestarios sin precedentes, y cada vez menos inversores están dispuestos a comprar deuda pública. Fitch rebajó recientemente la calificación crediticia de EE. UU. debido a una «erosión de la gobernanza» y a la falta de voluntad para aumentar los impuestos. Después de quemarse por la inflación, el mercado está retroiciando.

Hasta este punto, el mercado ha castigado severamente los precios de los bonos a largo plazo emitidos anteriormente con tasas de cupón bajas. Los bonos del Tesoro a largo plazo (NASDAQ:TLT) se han caído por el precipicio.

Esto es simple oferta y demanda. El Tesoro necesita vender billones de dólares en bonos para cubrir sus déficits presupuestarios, y el mercado no ha estado muy interesado en comprarlos. Mientras los déficits del gobierno no se controlen, las tasas de interés seguirán aumentando. Los llamados «policías de los bonos» de Beijing a Riad y Nueva York están amenazando con humillar al Tesoro de los Estados Unidos, votando con sus teclados para dejar de financiar niveles insostenibles de gasto. A menos que el Tesoro aumente los impuestos o reduzca drásticamente el gasto, el tren de carga no se detendrá. Si bien es teóricamente posible que la Casa Blanca pueda obligar a la Reserva Federal a imprimir dinero para comprar la deuda de EE. UU., esto enviaría un mensaje inconfundible a nuestros acreedores extranjeros de que es hora de apagar motores. Los bonos a largo plazo en realidad no son un valor tan malo si confías en la capacidad del gobierno para aumentar los impuestos y mantener una inflación del 2 %, pero eso requeriría algún tipo de señal de que primero se van a tomar en serio los déficits.

¿Qué significa el aumento de las tasas de interés para la economía?

Básicamente, el crédito se está volviendo más caro y más difícil de conseguir. Dado que las tasas de ahorro de los hogares están cerca de mínimos históricos, ese es un gran problema para los prestatarios. Por industria:

Inmuebles

A una tasa hipotecaria del 3 %, un pago inicial del 20 % y un DTI estándar del 36 %, un comprador de vivienda con 100.000 dólares en ingresos puede calificar para una casa por valor de 721.000 dólares. Al 4 %, son 649.000 dólares. Al 5 %, son 587.000 $. Al 6 %, son 533.000 dólares. Al 7 %, son 486.000 dólares. Con un 8 %, son 445 000 $. Finalmente, a tasas hipotecarias del 9 %, un hogar con 100.000 dólares en ingresos puede calificar para una casa que cuesta 410.000 dólares, que es un 43 % menos de lo que podría con la tasa de interés del 3 %. Esto es puramente mecánico por el cambio en los costos de financiación, no debido a la opinión o el sentimiento. Para mantener el equilibrio a las tasas hipotecarias del 9 %, los precios de las viviendas tendrían que caer un 43 %.

Esto no es solo teórico. Las tasas hipotecarias han sido del del 3 % al 7,5 %, por lo que el 9 % ni siquiera es algo tan raro dado donde ya estamos. Este interés se sume a los grandes aumentos de los precios de las viviendas durante la pandemia. El hogar típico que busca comprar una casa ahora con una hipoteca está tomando una decisión casi existencial al inscribirse para pagar precios de burbuja al 7-8% de interés. No va a terminar bien, y las proporciones de DTI están en o por encima de sus máximos anteriores en 2006-2007. Si estás en el 1% superior de los ingresos, haz lo que quieras, pero si estás buscando comprar una casa y formar una familia, estás haciendo una apuesta mucho más grande de lo que crees.

Va a ser difícil que las tasas de interés bajen con los déficits que está ejecutando el gobierno, por lo que el resultado más probable aquí es algún tipo de crisis de vivienda más temprano que tarde. No es realmente una cuestión de si, es más bien una cuestión de cuándo. Los consumidores no están mostrando suficiente elasticidad para las tasas de interés debido a su sesgo en contra del alquiler, y les va a costar. El hecho de que debas hacer una apuesta general por 20 dólares no significa que debas pedirla por 2.000 dólares. Es lo mismo con las hipotecas: la vivienda fue una gran inversión a los precios de 2016 y a las tasas de interés de 2016, pero terrible a las tasas y precios de hoy.

Autos

La historia no es muy diferente para los fabricantes de automóviles. Debido a que la gran mayoría de los compradores necesitan financiar sus coches, el fuerte aumento de las tasas de interés es una mala noticia para los fabricantes de automóviles. Si bien los fabricantes son libres de ofrecer financiación con descuento, reduce sus márgenes. Muchas menos personas pueden pagar 90 000 $ por un camión al 6 % o al 7 % por un préstamo a 5 años de lo que podría pagar al 2 % o al 3 %.

Finanzas/Bancos

La crisis bancaria de marzo fue provocada por el debido a que los bancos regionales aso demasiado riesgo de tasas de interés, y luego el aumento de las tasas los quemó. Ahora, las tasas están de vuelta en nuevos máximos de 52 semanas. ¿Dónde están todos estos bancos ahora y cuántas pérdidas han sufrido? La crisis hizo que las tasas caieran, lo que permitió a los bancos inteligentes salir de las apuestas al revés. Para cada banco que tomó medidas decisivas para reducir la exposición a las tasas de interés esta primavera, es probable que haya varios que pongan la cabeza en la arena. Si bien los grandes bancos están bien, espero que docenas más de estos bancos más pequeños terminen siendo tomados a bajo precio por los competidores o cerrados por la FDIC durante los próximos 12-18 meses. Las malas apuestas en bienes raíces comerciales y activos de larga duración prácticamente lo garantizan. ¡Esto no será lo último que oigas sobre los bancos regionales!

Dicho esto, el desgaste en la industria bancaria podría ser una oportunidad para los bancos bien administrados como JPMorgan (JPM).

Capital de riesgo/tecnología

Los días de perder miles de millones para obtener cuota de mercado han terminado efectivamente ahora que el capital tiene un precio. Si bien la década de 2010 trajo ganancias en innovación, también trajeron a cientos de empresas respaldadas por capital riesgo con modelos de negocio endebles. Espere que muchas de estas empresas se queden sin negocio en los próximos 12-18 meses. Esto es solo sentido común.

El S&P 500

Las valoraciones de gran capitalización están en máximos y casi en modo burbuja a pesar de que los rendimientos de los bonos aumentan rápidamente. Con la economía siendo «revolucionada» por el aumento de las tasas de interés, vale la pena considerar si puede cumplir sus objetivos financieros asumiendo menos riesgo en bonos y efectivo. Para cada nube, hay un lado positivo y las malas noticias para los prestatarios son buenas noticias para los prestamistas.

Además, no es muy conocido, pero las tasas de interés se fijan en futuros y opciones, lo que significa que las ofertas y los futuros a largo plazo se hacen más caros, mientras que las ofertas y los futuros a corto se hacen más baratos. Las tasas de interés más altas también se acumulan a los vendedores en corto que tienen acciones en corto, lo que hace cumplir cierta disciplina en el mercado al canalizar el capital de las empresas basura a empresas rentables de mayor calidad.

Las valoraciones actuales de las acciones grandes son sospechosas. El S&P 500 (SPY) se encuentra actualmente en aproximadamente el percentil 95 en términos de sus ganancias. Acciones como Apple (AAPL) y Microsoft (MSFT) se cotizan por 30 veces sus ganancias o más, mientras que acciones como Tesla (TSLA), Amazon (AMZN) y Nvidia (NVDA) se cotizan por 50-100 veces. Históricamente, este tipo de valoraciones no funcionan. Por otro lado, puede obtener aproximadamente el 5,5 % en fondos del mercado monetario (VMFXX), el 5,5 % en bonos a corto plazo (VFSUX) y el 4,4 % libres de impuestos en bonos municipales (VWALX). ¿Las acciones serán más baratas de lo que son ahora? Dado que las acciones casi nunca han sido más caras de lo que son ahora desde una perspectiva de valoración, parece probable que vuelvan a la media con bonos y efectivo ofreciendo cada vez mejores rendimientos. Una vez más, creo que esto sucederá más temprano que tarde.

¿Las tasas de interés bajarán?

La historia de episodios de inflación en varios países nos dice que es probable que las tasas más altas y la inflación se mantengan durante 5-10 años. Si bien una recesión severa podría devolver el equilibrio a la economía, esto es difícil de explotar porque los activos que se beneficiarían de tasas más bajas (acciones, bienes raíces) probablemente tendrían que ser completamente aplastados primero para establecer las condiciones para otro mercado alcista desde el suelo.

Pagar de más por los activos con tasas a estos niveles y apostar a que bajarán es algo que ha arruinado a millones de personas en el pasado. Esta vez probablemente no sea diferente. La historia también muestra que las tasas hipotecarias gigantes, en particular, tienden a subir en tiempos de estrés económico.

Esto también se aplica a la afirmación popular de que la economía nunca se ralentizará porque el desempleo es actualmente bajo. El consumo de alimentos y servicios no se derrumbará per se debido a las tasas de interés más altas, pero el préstamo para comprar cosas se derrumbará. La vivienda y los automóviles son parte del ciclo económico para los consumidores, y los cambios en estos son la forma en que comienza y termina cada ciclo económico. Los trabajadores de estas industrias son la fuente original de los choques de desempleo, y la inversión empresarial opera en un ciclo similar. Esto finalmente se reduce al consumo, pero es un proceso lento. Los préstamos estudiantiles pueden tener un impacto más inmediato en el gasto, ya que el servicio de la deuda de los préstamos estudiantiles es alrededor del 1% de los ingresos nacionales después de impuestos de los Estados Unidos.

Balance final

Deberías preocuparte por el aumento de las tasas de interés porque afecta en gran medida al valor razonable de los activos. Si entiende cómo las tasas de interés afectan a los precios de los activos, puede ser más «flexible» a los cambios en las tasas de interés y usar esto para ganar dinero para usted y reducir su riesgo. Si eres demasiado emocional o dogmático, es más probable que termines pagando los precios equivocados por los activos equivocados. Hasta este punto, el aumento de las tasas es a la vez una gran oportunidad y una gran amenaza para los inversores. En un mundo menos disfuncional, las tasas de interés no deberían haber aumentado tanto, y los déficits presupuestarios del gobierno no serían tan atroces. Pero tenemos que arreglarnos con el mundo que tenemos, así que así es como veo que es probable que las cosas se desarrollen en el futuro.

¿Seguirán subiendo las tasas de interés? Si es así, ¿cuáles serán los efectos en la economía?

Sistema de trading a largo plazo por Massoud Metghalchi Ph.D.

• En este artículo, analizamos posibles reglas técnicas de trading para EWP, el ETF iShares MSCI Spain que busca rastrear los resultados al invertir en un índice (MSCI Spain 25/50 Index) compuesto por acciones españolas. 
• Artículo publicado en Hispatrading 55.

EWP comenzó a cotizar el 3/12/2006 en el U.S. NYSE Arca.  Este ETF permite a los inversores participar en la bolsa española.  A continuación se muestra el gráfico EWP desde su inicio.

Veamos las reglas de compra que podrían superar la estrategia de comprar y mantener (Buy&Hold o B&H). Utilizamos datos mensuales y diarios tomados de Yahoo / Finance y aplicamos una docena de indicadores  técnicos como el de Fuerza relativa (RSI),  MACD, media móvil (MA) y algunos otros indicadores generados por el software TraderCode y proporcionamos los resultados de nuestras reglas de compra. Después comparamos estos resultados con el riesgo y el rendimiento de la estrategia B&H. 

ANÁLISIS A LARGO PLAZO

A largo plazo, utilizamos la función Rate en Excel para estimar el rendimiento geométrico de la estrategia de B&H para EWP de la siguiente manera:

Rentabilidad B&H = Tasa (N, PMT, -PV, FV) = -0,23 %                                                              (1)

Donde N = el número de períodos, o 24.33 años, PMT es cero, PV es el precio de cierre de EWP el 12/1/1998, que fue de $ 29.875, y FV es el precio de cierre de EWP el  4/1/2023 que fue de $ 28. 24. Tenga en cuenta que aunque el ETF EWP comenzó a operar en marzo de 2006, debido a la estimación de una media móvil de 40 meses, nuestro inicio lo situamos en el 12/1/1998, ya que el uso de una MA 40 requiere 40 meses de promedio del precio del EWP. Suponiendo una rentabilidad por dividendo del 2 %, concluimos que a largo plazo la estrategia de B&H implicaría una rentabilidad del 1,77 %.                                                             

Diseñamos las reglas técnicas de compra en combinación con algunas estrategias para superar el rendimiento de la estrategia de B&H, que fue  del 1,77 %.  Las cuatro estrategias son las que expliqué en la revista Technical Analysis of Stock and Commodities. Allí expliqué lo siguiente 1) Largo/efectivo, 2) Largo/Corto, 3) Apalancamiento/efectivo y 4) Apalancamiento/Corto. Para Largo/Efectivo, un trader que siga esta estrategia comprará el ETF EWP cuando nuestra regla de compra emita una señal de compra. Cuando la regla emite una señal de venta, el trader venderá EWP e invertirá los fondos en  el mercado monetario ganando la tasa del mercado monetario.  Un operador que siga la estrategia 2, Long/Short, comprará EWP cuando nuestra regla de compra emita una señal de compra y un EWP corto cuando nuestra regla emita una señal de  venta. Para la estrategia 3, Apalancamiento/Efectivo, un trader comprará EWP con apalancamiento e invertirá en  el marcador de efectivo cuando la regla emita una señal de venta. La rentabilidad de los días de compra para esta estrategia será dos veces  el rendimiento de EWP menos el rendimiento del mercado monetario. Finalmente, para la estrategia 4, Apalancamiento/Corto, un operador comprará EWP con apalancamiento cuando la regla emite una señal de compra y EWP corto cuando la regla emite una señal de  venta. 

Nuestro enfoque del riesgo es muy diferente de la mayoría de la literatura sobre las compensaciones riesgo/rendimiento. A largo plazo, el riesgo para la  riqueza de un trader es casi cero.  Por ejemplo, el riesgo asociado con la riqueza (no rendimientos periódicos) para el S&P 500  después de 15 años de comprar y mantener el S&P 500 es casi cero, como se puede ver en la  Figura 2:

Dado que a largo plazo (20 años) la  mayoría  de  los activos como el mercado de valores español no pierden su valor y el riesgo de un rendimiento negativo después de 20 años es cercano a cero, solo observamos los rendimientos de varias reglas de trading que pueden superar el rendimiento de B&H. A corto plazo, cuando utilizamos datos diarios, comparamos tanto los riesgos como los rendimientos de varias reglas de trading con el riesgo y los rendimientos de la  estrategia de B&H. Para el largo plazo, nos fijamos únicamente en las rentabilidades, ya que después  de 20 años el valor de un índice bursátil como el MSCI Spain 25/50 estaría por encima de su  precio de hace 20 años. 

En la tabla 1 los rendimientos promedio mensuales y anuales de nuestras 4 mejores reglas de trading a largo plazo basadas en datos mensuales, un total  de 293 meses que pueden superar generosamente la estrategia de B&H para EWP. El promedio anual se determina de la siguiente manera:

Rendimiento anual = Exponencial (rendimiento mensual promedio  *  1 2) -1  (2)

El rendimiento anual en la ecuación 2 se basa en la composición geométrica de los rendimientos promedio mensuales. 

Tabla 1: Reglas de trading a largo plazo para el  EWP: 1/12/1998 a 4/1/2023 

Los resultados de las 4 reglas de compra  mejorados en Tabla 1 están cerca uno del otro. Comencemos analizando la estrategia que usa una MA10 creciente combinada con un MACD creciente. Usando  el software TraderCode calculamos el MACD (12,26) y una MA simple de 10 meses de EWP. 

Un trader que siga esta regla de trading de MA10 creciente y MACD creciente con la estrategia 1 comprará EWP si la MA10 está aumentando y si el MACD es mayor que cero, ambas condiciones deberían mantenerse.  El trader permanece invertido en EWP hasta que se violen una o ambas condiciones,  en este momento el trader venderá el EWP e invertirá los fondos en el mercado monetario. Esto se repetirá  durante todo el período del 12/1/1998 al 4/1/2023, lo que implica un total de 35 operaciones dentro y fuera de EWP durante todo el  período,  o 1,44 operaciones por año. Dado que el costo de transacción de operar EWP es cero, no hemos considerado los costos de transacción.  Un operador que siga esta regla con la estrategia 2 comprará  EWP cuando la regla emita una señal de compra (ambas condiciones se mantienen), y EWP corto  cuando la regla  emite una señal de venta. Para la estrategia 3, cuando la regla emite una señal de compra cuando ambas condiciones se mantienen, un trader pide prestado al tipo del mercado monetario y dobla (margen del 50 %) la inversión en EWP y deposita los fondos en el mercado monetario cuando la regla emite una señal de venta (se violan una o ambas condiciones). Esta regla con la estrategia 4 implica comprar EWP con margen cuando la regla emite una señal de  compra y en corto sobre EWP cuando la regla emite una señal de venta. Para esta regla de compra, las estrategias 2 y 4 son inferiores a las estrategias 1 y 3, lo que implica que vender en corto EWP no es una buena idea para los indicadores combinados.  Los rendimientos medios anuales  de las estrategias 1 y 3 son del  32,24 % y del 36,33 %, respectivamente,  y estos rendimientos deben compararse con el rendimiento de B&H del 1,77 % estimado anteriormente.  

La segunda mejor regla de trading a largo plazo es la referente a la MA40 creciente combinada con + DI y – DI del Average Directional Movement Index. Para esta regla y estrategia de trading, un trader comprará EWP si  la MA de 40 meses está subiendo y si + DI es mayor que – DI.  Si una o ambas condiciones no se cumplen,  el trader depositará los fondos en el mercado monetario. La estrategia 2 es como la estrategia 1, excepto que cuando la regla emite una señal de venta (se violan una o ambas condiciones) el  trader venderá en corto el EWP. Las estrategias 3 y  4 son similares a las estrategias 1 y 2, excepto cuando la regla emite una señal de compra (ambas condiciones se mantienen), el trader comprará EWP con apalancamiento. Una vez más, para  esta regla de trading, las estrategias 2 y 4 son inferiores a las estrategias 1 y 3, lo que implica que es mejor depositar los fondos en el mercado monetario en lugar de vender EWP cuando esta regla emite una señal de venta. Los rendimientos promedio anuales para esta regla y las estrategias 1 y 3 son 31. 48 y 34. 77 %, mucho mejor que el B&H del 1,77 %. Esta regla de trading ejecuta 13 operaciones entrando y saliendo del EWP durante todo el período, o 0,54 operaciones por año.  La tercera mejor regla de compra de la  Tabla 1 la estrategia que tiene en cuenta un MACD creciente con un  RSI > 50, para la estrategia 1, un trader comprará EWP cuando el MACD suba y si el RSI de 14 días es mayor que 50. El trader estará fuera de EWP si el MACD está bajando o si el RSI es inferior a 50, en este caso, el trader depositará los fondos en el mercado monetario. Para la estrategia 2, cuando el trader tiene una señal de venta (una o ambas condiciones no se cumplen), el trader vende el EWP.  Las estrategias 3 y 4 son como las estrategias 1 y 2, excepto cuando la regla emite una señal de compra, el trader compra EWP con margen. Una vez más, para estas reglas combinadas, las estrategias 2 y 4 son inferiores a las estrategias 1 y 3, lo que implica que es mejor depositar los fondos en el mercado monetario en lugar de vender en corto el EWP cuando la regla emite una señal de venta. Los rendimientos medios anuales para esta regla de de trading con las estrategias 1 y 3 son el 28,58 % y del 28,88 %, respectivamente. Estos rendimientos anuales a largo plazo deben compararse con el rendimiento de B&H del 1,77 % estimado anteriormente. La cuarta regla de trading solo utiliza un único indicador, a saber, el RSI (14). Para la estrategia 1, abriremos una operación en el mercado (comprar EWP) si el RSI es mayor que 50 y permaneceremos fuera del mercado (en el mercado monetario) si el RSI es inferior a 50. La estrategia 2 es como la estrategia 1, excepto en la señal de venta, el operador venderá en corto el ETF. Las estrategias 3 y 4 son como 1 y 2, excepto cuando se genera una señal de compra, un trader comprará EWP con margen. El rendimiento medio anual de nuestra cuarta regla para las estrategias 1 y 3 es del 25,20 % y del 22,04 %, respectivamente. Dado que el apalancamiento generalmente aumenta el riesgo, un operador con baja tolerancia al riesgo debe aplicar estas reglas de trading con la estrategia 1 y los operadores con mayor tolerancia al riesgo deben usar una de estas reglas con la estrategia 3. 

Todas las operaciones para las cuatro reglas anteriores se realizan el último día de cada mes. Suponemos que, unos minutos antes del cierre del mercado en el último día de cada mes, un operador puede estimar el precio de EWP que activará una señal de compra o venta y abrir una orden tipo límite. En caso de que el operador no pueda estimar el precio al cierre del mes, puede abrir la orden al día siguiente en la apertura. La ejecución de la orden en la apertura del día siguiente no afectaría nuestros resultados y eliminaría el sesgo de no sincronicidad. En conclusión, para el trading a largo plazo, sería más beneficioso que un trader utilice una de nuestras cuatro reglas de trading, combinando la estrategia 1 (bajo riesgo) o la estrategia 3 (alto riesgo), en lugar de optar por comprar y mantener EWP a largo plazo.

ANÁLISIS A CORTO PLAZO

Desde Yahoo/Finance, utilizamos el precio de cierre diario de EWP del 20/03/1996 al 1/04/2023. Dado que la estimación de una MA200 días requiere datos de días anteriores, todas las estimaciones y operaciones técnicas se realizan desde  el 1/13/1997 hasta el 4/1/2023, 6591 días de precios diarios.  Estimamos varias estadísticas de la siguiente manera:

Retorno diario = Log (P t  / P_t-1) (4)

Rendimiento anual = Exponencial (Rendimientos diarios promedio   * 252) -1 ( 5)

σ_A = σ_d *                                                                                                                     (6)

Donde σ _A  y σ_d son la desviación estándar (DE) anual y diaria de los rendimientos diarios de EWP.  Suponemos que hay 252 días de trading en un año. Generamos una docena de indicadores técnicos utilizando el software TraderCode y mostramos las mejores reglas técnicas de compra con combinaciones de las cuatro estrategias anteriores. Comparamos el riesgo-rendimiento de  las mejores reglas y estrategias de compra con el riesgo-retorno de comprar y mantener EWP. En la Tabla 2 presentamos las cuatro mejores reglas de compra con diferentes estrategias.

Tabla 2: Estadísticas de trading a corto plazo  para el EWP:  1/1 3/1997 a 4/1/2023

Nota: SD significa desviación estándar, y el rendimiento anual se basa en la exposición (promedio diario * 252) -1. 

Las reglas de compra de la Tabla 2 con la estrategia 1 tienen rendimientos anuales de entre 4.5% y 3.44%, mientras que comprar y mantener tiene un rendimiento anual de 1.59%. El riesgo de las cuatro mejores reglas de trading está entre el 6,66 % y el 14,13 %, mientras que el riesgo de B&H es del 33,40 %. Por lo tanto, nuestras cuatro mejores reglas de trading tienen rendimientos más altos y mucho menos riesgo que la estrategia de B&H. La mejor regla de trading de riesgo/recompensa con la estrategia 1 es MA50>MA200 y RSI>65; un trader que siga esta regla con la estrategia 1 comprará EWP si la MA50 de EWP es mayor que la MA200 de EWP y si el RSI (14) de EWP es mayor que 65, cuando se violan estas dos condiciones, el trader venderá todas las posiciones en EWP y depositará los fondos en el mercado monetario. La estrategia 2 es como la estrategia 1, excepto cuando se viola una de las dos condiciones, el operador vende todas las posiciones en EWP y utiliza los ingresos y el EWP corto. La estrategia 2  no mejora el rendimiento promedio anual, pero aumenta el riesgo para el riesgo del Buy and Hold, por lo tanto, concluimos que la estrategia 1 es mucho mejor que la estrategia 2, lo que significa que cuando la regla genera una señal de venta, es mejor estar en el mercado monetario en lugar de vender en corto EWP.

Las cuatro reglas de trading con la estrategia 3 tienen rendimientos anuales de entre el 7,57 % y el 6,02 % y un riesgo de entre el  13,32 % y el 28,26 %, y estos deben compararse con el rendimiento anual de B&H del 1,59 % y el riesgo del 33,40 %.  Una vez más, las mejores reglas de trading con la estrategia 3 tienen un mayor rendimiento y menor riesgo que la estrategia de B&H.

Dos reglas de trading con la estrategia 3 parecen buenas para los traders con mayor tolerancia  al riesgo, pueden tener un rendimiento anual de alrededor del 6% con un riesgo de alrededor del 13,5%, mejor que la compensación riesgo-rendimiento de la estrategia B&H. La estrategia 3 es mejor que la estrategia 4, lo que implica que es mejor depositar los fondos en el mercado monetario cuando la regla emite una señal de venta que vender en corto el ETF.

Veamos la regla de trading de MA50>MA150 y RSI>65 con la estrategia 3, un trader que siga esta regla pedirá prestado en el mercado monetario y duplicará la inversión en EWP si MA50 es mayor que MA150 y si RSI es mayor que 65. Este trader permanecerá invertido en EWP hasta que se viole una de estas dos condiciones, MA50>MA150 y RSI>65, en ese momento el trader venderá para salir de EWP e invertirá los fondos en el mercado monetario. Una vez más, si se cumplen estas dos condiciones, el trader comprará el EWP con margen y este proceso se repetirá durante todo el período.  

Dado que los costos de transacción de operar EWP son cero en los Estados Unidos, no hemos considerado los costos de transacción. Todas las operaciones para las reglas anteriores se realizan al final de cada día. Unos minutos antes del cierre  del mercado, un operador puede estimar  el precio de EWP que activará una señal de compra o venta e iniciar una orden de límite condicional justo antes de que el mercado cierre al final de cada día.  Si un operador no puede estimar el precio de EWP que activa una señal de compra / venta al cierre del  día, el trader puede abrir la orden de compra / venta al día siguiente en la apertura. En resumen, para un operador de baja tolerancia al riesgo, recomendamos una de estas 4 reglas de trading con estrategia  1 y para un operador más tolerante al riesgo, recomendamos una de estas 4 reglas de trading con la estrategia 3. En ambos casos, los operadores tendrán rendimientos anuales más altos  y  un riesgo mucho menor que la estrategia de B&H.

ROBUSTNESS y CONTROL DE DATOS

Un método para comprobar que los resultados son sólidos es dividir todo el período de muestra  en subperíodos. Si  los resultados en cada subperíodo  son similares a los resultados de todo el período, podemos concluir con alta confianza que nuestra metodología es robusta, y nuestros resultados no son el resultado de la causalidad. En la Tabla 3, proporcionamos los  resultados para MA50>MA150 Y  MACD>0 y los resultados para MA50>MA200 Y RSI>65 PARA CADA SUBPERÍODO. Los resultados para las otras dos reglas de trading están muy cerca de estas dos reglas de trading y, para no extender más el presente estudio, no las mostraremos. (Si los lectores lo solicitan, proporcionaremos  eso).  Los dos subperíodos iguales son del 1/1 3/1997 al 2/12/201 0 y del  2/1 3/2  10  al 3/21/2023, lo que implica  3296 días para  el subperíodo 1 y 3295 días para  el subperíodo 2. Como se puede ver en la Tabla 3, las reglas y estrategias de trading que superan la relación recompensa/riesgo de la estrategia B&H en toda la muestra también superan a la estrategia B&H en cada subperíodo. Por lo tanto, podemos concluir razonablemente que nuestras reglas de trading son sólidas. Tomemos la regla de compra de MA50 mayor que MA150 y MACD mayor  que cero con estrategia1,  en el subperiodo 1, esta regla de compra tiene un rendimiento anual del 7,63 % y un riesgo del 15,97 %, por lo tanto, una recompensa al riesgo de 0,48; estos deben compararse con el rendimiento y el riesgo del B & H en el subperíodo 1 o 6,52 % y el 33,57 % implicando una recompensa al riesgo de 0,19 mucho menor que la recompensa a Riesgo de nuestra regla de compra, 0.48. Esta regla de trading con la estrategia 3 en el subperíodo 1 tiene una recompensa al riesgo de 0.44, nuevamente mucho más alta que el B&H de 0.19.  Esta regla de trading  con la estrategia 1 en el subperíodo 2 tiene una recompensa al riesgo de 0,12 y con la estrategia 3 una recompensa al riesgo de 0,06, de nuevo mucho más alta que la recompensa al riesgo del B&H de -0,09 en el subperíodo 2.

Tabla 3: Prueba de robustez: rentabilidad-riesgo para dos períodos de ejecución iguales

Nota: SD significa Desviación estándar, y el rendimiento anual se basa en exponencial (promedio diario * 252) -1.  

Además, hicimos la misma comprobación de solidez para las otras dos reglas de compra en la Tabla 2 y encontramos resultados similares; aquellas reglas y estrategias de trading que superaron la relación recompensa/riesgo de B&H en toda la muestra también lo hicieron en cada subperíodo. (Si se solicita, podemos proporcionar el riesgo/rendimiento de las otras dos reglas de trading). 

CONCLUSIONES

EWP es un fondo cotizado que busca realizar un seguimiento de los resultados de inversión de un índice (MSCI Spain 25/50 Index) compuesto por renta variable española con exposición a grandes y medianas empresas. Los operadores pueden comprar y vender su ETF en muchas firmas de corretaje con cero comisión. En este estudio, sugerimos algunas reglas técnicas de compra que podrían superar la estrategia de B&H tanto a corto como a largo plazo.  Para los operadores a largo plazo, utilizando datos mensuales, sugerimos cuatro reglas técnicas de trading que se pueden utilizar con varias estrategias con mejor rendimiento que el B&H, como se muestra en la Tabla 1. Además, para los operadores a corto plazo, proporcionamos en la Tabla 2 otras cuatro reglas de trading con varias estrategias que pueden superar el rendimiento ajustado al riesgo de la estrategia de B&H. En general, los operadores con una baja tolerancia al riesgo podrían elegir una de estas reglas de trading con la estrategia 1, y los operadores con una alta tolerancia al riesgo pueden elegir una de estas reglas de trading con la  estrategia 3. 

Referencias.

Metghalchi, M., y Cloninger, P. [2022], “Trading Natural Gas Using UNG”, Technical Analysis of Stocks and Commodities, Vol.  40, septiembre, pp. 20-25.

El enigma del sector energético por Sentimentrader

• El sector energético está mostrando fortaleza, generando señales favorables durante 6 a 12 meses a partir de varios indicadores útiles de amplitud.
• Sin embargo, un indicador de amplitud da un aviso de sobrecompra.
• Además, la estacionalidad sigue siendo un motivo de potencial preocupación hasta finales de octubre.

La fuerza a menudo genera fuerza en XLE… pero no siempre de inmediato

El ETF Energy Select Sector SPDR (ticker XLE) ha subido un 17% desde finales de mayo. Esta fortaleza ha atraído mucha atención y hace que muchos inversores se pregunten si es hora de comprarlo o si ya es demasiado tarde. En resumen, los datos son contradictorios.

En el lado positivo, varios indicadores de amplitud han dado señales favorables. El siguiente gráfico muestra los momentos en los que la media móvil de 10 días del indicador XLE Breadth (% > 50 Day Avg) superó el 99%. La señal más reciente se dio el 3 de agosto de 2023.

Lo que nos dice el estudio

Teniendo en cuenta los dos primeros indicadores anteriores, un inversor que esté deseando abrir una posición en el sector energético no debería dudar en hacerlo. La única pregunta es qué tan grande es el compromiso a asumir.

Según los dos segundos indicadores anteriores, los demás podríamos luchar contra la tentación de perseguir el repunte actual y estar atentos a una oportunidad de compra más cercana a finales de octubre de 2023.

Mercado Débil: ¿qué Viene Después? por Brett N. Steenbarger, Ph.D.

Hemos visto un mercado de valores que ha sido bastante débil en las últimas dos semanas. Las tasas de interés más altas a largo plazo han afectado particularmente a los sectores sensibles a las tasas, como los servicios públicos y los bienes raíces, y han proporcionado apoyo a las operaciones relacionadas con el dólar estadounidense. La especulación ha pasado de una recesión inminente a un entorno de inflación «pegajosa» y tasas que es probable que sean «mayores durante más tiempo». Entonces, ¿es el reciente retroceso de las acciones una oportunidad para participar en la tendencia alcista a más largo plazo, o es una advertencia para preservar el capital?

Vamos a dar un paso atrás.

Observo dos problemas entre los participantes del mercado. El primero es construir operaciones sin ideas sólidas subyacentes. Los traders que buscan en los gráficos «setups» son particularmente culpables de este error. El segundo problema es generar un panorama general, narrativas de arriba hacia abajo basadas en datos fundamentales, pero no anclar estos temas en operaciones bien analizadas que proporcionen una recompensa favorable en relación con el riesgo en un período de tiempo más corto. Mi experiencia con participantes exitosos en el mercado es que son tanto inversores como traders. Generan ideas sólidas y generales a través de análisis únicos y rigurosos y luego traducen esas ideas en buenas operaciones evaluando rigurosamente la recompensa del riesgo a corto plazo.

En los términos de Daniel Kahneman, el éxito en los mercados requiere un pensamiento más profundo y lento y un pensamiento más rápido y flexible. En la práctica, esto significa tener estrategias consistentes pero adaptar de manera flexible la implementación de esos marcos en función de las condiciones actuales.

Así que ahora echemos un vistazo al mercado actual:

Me doy cuenta de que, en todo el universo de la Bolsa de Nueva York, hemos visto más de 1500 acciones que alcanzan nuevos mínimos mensuales y menos de 1000 registrando nuevos mínimos de tres meses. Eso es lo que esperaríamos durante una corrección en un mercado en alza. Cuando los mínimos de un mes *y* los mínimos de tres meses son ascendentes (mercado bajista), los siguientes rendimientos de diez días desde 2010 han sido negativos. Cuando los mínimos de un mes han sido altos y los mínimos de tres meses no se han elevado significativamente, los rendimientos de los próximos diez días han sido claramente alcistas, significativamente por encima de la media.

En resumen, el contexto importa.

Al analizar los rendimientos del mercado, no es suficiente examinar un marco de tiempo. Queremos ver cómo el marco de tiempo más corto encaja en el panorama más amplio del mercado.

Vamos a tomar un segundo ejemplo. La semana pasada, mirando a través del universo de la Bolsa de Nueva York, hemos visto muy pocas acciones que dan señales de compra en dos sistemas técnicos de trading, el Wells Wilder Parabolic SAR y el Bollinger Bands. Estos sistemas evalúan la fuerza y la debilidad en marcos de tiempo más cortos (SAR) y medianos (Bollinger). Cuando el número de acciones que proporcionan señales de compra en el SAR ha sido débil, pero el número de acciones que dan señales de compra en la medida de Bollinger ha sido relativamente fuerte, los rendimientos de los próximos diez días desde 2019 han sido de estables a negativos. Cuando hemos tenido pocas señales de compra en ambos sistemas técnicos simultáneamente, los rendimientos de los próximos diez días han sido sólidamente alcistas.

Una vez más, el contexto importa.

A través de una serie de este tipo de análisis, vemos rendimientos medios favorables a corto plazo después de las ventas en los mercados en alza. Esa es la perspectiva de los análisis más lentos y profundos. Ahora, en el futuro, si vemos una presión de venta que no puede resultar en precios más bajos, podemos especular que los osos están atrapados, tendrán que cubrirse, y podríamos apostar por precios más altos en el futuro. Por el contrario, si vemos que la presión de compra es limitada y/o no podemos aumentar el precio significativamente, podemos considerar la idea de que esta vez, de hecho, puede ser diferente y seguir con más análisis y posiblemente con apuestas muy diferentes.

Los traders con más éxito con los que trabajo miran cosas nuevas y diferentes y las ven de maneras nuevas y diferentes. Con el tiempo, los retornos únicos no pueden venir del pensamiento consensuado.

¿Son importantes las valoraciones para el mercado de valores? por Ben Carlson

Robert Shiller tiene una base de datos en línea gratuita de datos históricos del mercado de valores que he estado usando durante años.

Se remonta a 1871, Shiller tiene datos sobre tasas de interés históricas, dividendos, ganancias, inflación y valoraciones.

Su medida de valoración preferida es el ratio precio/ganancias ajustada cíclicamente (CAPE)

La relación media de CAPE que se remonta a 1871 es 17,4 veces la de los 10 años anteriores de ganancias ajustadas a la inflación para el mercado de valores de EE. UU.:

Estamos hablando de más de 150 años de datos, así que este es el muy largo plazo cuando se trata de promedios.

Si nos ceñimos a las valoraciones que se remontan a 1990, de poco más de 400 datos mensuales, el ratio CAPE ha estado por debajo del promedio a largo plazo durante solo 22 meses. Eso es alrededor del 5 % del tiempo.

Eso sí, estas no son valoraciones a niveles de compra muy evidentes, justo por debajo de la media.

Hubo un período de 12 meses de múltiplos por debajo de la media en 1990-91. Las valoraciones no volvieron a estar por debajo del promedio a largo plazo hasta un período de 10 meses en 2008-09.

Así que si esperabas comprar acciones hasta que las valoraciones fueran razonables, tuviste exactamente dos oportunidades en las últimas más de tres décadas.

Y desde 2010, no ha habido una sola lectura mensual que esté por debajo de la media. De hecho, no ha habido una sola lectura mensual por debajo de 19,6 desde finales de 2009.

Después de 2009, no tuviste la oportunidad de comprar cuando las valoraciones estaban por debajo de la media.

Ya en 2010, la gente ya estaba haciendo sonar las alarmas sobre que las valoraciones eran demasiado altas:

Aquí está Henry Blodget en ese momento:

Como muestra la última actualización del ratio PE ajustado cíclicamente del profesor Robert Shiller, las acciones estadounidenses están ahora más del 30 % sobrevaloradas, con 21 veces las ganancias. Eso es más razonable que la sobrevaloración del 100 %+ en 2000, pero se está acercando al nivel de los otros tres picos de burbujas del siglo XX: 1901, 1929 y 1966.

No estaba solo.

Es gracioso mirar hacia atrás en el período de bajas tasas de interés de la década de 2010. Pero en ese momento la gente decía que esas bajas tasas iban a ser la causa de los bajos rendimientos (porque todo tenía un precio de 10 años).

Y la Reserva Federal iba a causar hiperinflación, no un mercado alcista de acciones.

¿Recuerdas la nueva normalidad de PIMCO de bajas tasas, bajo crecimiento y bajos rendimientos del mercado financiero?

Bueno, acertaron dos de tres.

Asistí a innumerables presentaciones en la primera parte de la última década de inversores profesionales que me dijeron que las valoraciones de las acciones de EE. UU. estaban en el percentil 97 o algo así de normas históricas y que deberíamos esperar rendimientos mucho más bajos en el futuro.

Diablos, escribí sobre la psicología de los rendimientos más bajos en 2014.

El mercado de valores de EE. UU. ha estado sobrevalorado el 95 % del tiempo desde 1990, pero ha subido más del 10 % al año en ese momento:

En la década de 2010, el S&P 500 hizo casi un 14 % al año en rendimientos, a pesar de que la gente gritaba sobre lo sobrevalorado que estaba todo:

Y en la década de 2020, una década en la que hemos experimentado una pandemia, un máximo de inflación a 40 años, dos mercados bajistas y uno de los ciclos de aumento de la Reserva Federal más agresivos de la historia, el S&P 500 ha subido más del 11 % al año:

Sé lo que estás pensando: ¡Ben, estás loco! ¿No has leído el informe de investigación de 40 páginas del Financial Analysts Journal que muestra lo importantes que son las valoraciones?

Sí, probablemente lo haya leído. Conozco los datos. He escrito sobre ello muchas veces antes.

No estoy diciendo que esto continúe. No soy ingenuo.

En algún momento, los rendimientos superiores a la media conducirán a rendimientos inferiores a la media. Así es como funcionan los promedios a largo plazo en el mercado de valores.

Mi punto aquí es que nosotros en la comunidad de inversión, incluido yo mismo, probablemente prestamos demasiada atención a las valoraciones.

Comprender la historia del mercado financiero es absolutamente un requisito previo cuando se trata del éxito de la inversión.

Pero convertirse en un esclavo de los datos no conduce a nada si no lo pones en contexto.

Lo curioso es que esos promedios históricos que ahora usamos con fines de comparación eran completamente desconocidos para el 99 % de los inversores que vinieron antes que nosotros en el mercado de valores.

O bien no tenían los datos o el conocimiento o el cuidado para entender esos fundamentos. Conocer las valoraciones probablemente ha llevado a perder más dinero a la gente a lo largo de los años de lo que les ha hecho ganar.

No estoy diciendo que las valoraciones no importen en absoluto. Probablemente importan más para las acciones individuales que para el mercado en general, pero las valoraciones sí importan en los extremos (como en 1999, por ejemplo).

Es solo que los mercados rara vez llegan a los extremos. La mayoría de las veces estamos en medio de una locura barata e increíblemente cara.

La gente presta demasiada atención a las valoraciones del mercado de valores.

Hay muchos otros factores que importan más que las valoraciones. Cosas como la demografía, las decisiones de asignación de dinero, el apetito por el riesgo de los inversores, la prevalencia de los vehículos de jubilación con impuestos diferidos, los billones de dólares controlados por los asesores financieros, cómo se posicionan las instituciones y más.

Los últimos 15 años de rendimientos del mercado de valores de EE. UU. son un maravilloso ejemplo de lo difícil que es predecir lo que va a pasar a continuación.

Claro, nadie podría haber sabido que la Reserva Federal mantendría las tasas al 0 % durante tanto tiempo. Nadie esperaba que las acciones tecnológicas crecieran a niveles gigantescos. Y nadie tenía ni idea de que una pandemia haría que los gobiernos de todo el mundo gastaran billones de dólares.

Pero tal vez ese sea el punto.

Predecir el futuro es difícil, especialmente cuando se trata de los mercados.

Al mercado de valores no le importan mucho los promedios históricos la mayor parte del tiempo.

¿Importan las valoraciones?

La mayoría de los inversores probablemente estarían mejor si las ignoraran la mayor parte del tiempo.

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

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

Las peores caídas o crash de un solo día y los mayores eventos geopolíticos del siglo pasado por Quantpedia

Dedicamos varios artículos a cómo crear un histórico de 100 años para bonos, acciones y materias primas. Ahora analizaremos las 50 peores caídas o crash producidos en un solo día y los días siguientes en cada una de las clases de activos mencionadas anteriormente. Además de eso, también observamos cómo se comportó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Además, la segunda parte de este artículo se centrará en algunos eventos geopolíticos críticos (el comienzo de grandes guerras, crisis internacionales y el deterioro de la salud de los presidentes de EE. UU.) y su efecto en los bonos, las acciones, las materias primas y la estrategia de seguimiento de tendencias de activos múltiples.

Las peores caídas de un solo día

Caídas de un día en los mercados de bonos

En primer lugar, ordenamos los rendimientos diarios de peor a mejor. Luego tomamos los 50 peores retornos de un día y analizamos las próximas dos semanas después de crash de un día.

La siguiente figura representa las curvas de equidad de los bonos durante un mes después del crash de un día. La figura también muestra el rendimiento promedio y el percentil 10 y 90.

La tabla anterior muestra la distribución del rendimiento durante el crash de un día (columna del primer día), el rendimiento del mercado de bonos una semana y un mes después del crash, la duración promedio de la caída después del crash (#días hasta la recuperación) y el drawdown máximo durante el período que viene después del crash (min hasta la columna de recuperación). La distribución del rendimiento es interesante, ya que muestra que el mercado de bonos, en promedio, se recuperó después del crash de un día (percentil 50). Pero hay un número significativo de eventos en los que el mercado de bonos siguió cayendo incluso un mes después del crash de un día (percentiles 0 a 25). Así que seguramente no podemos contar con un fuerte giro a la media después de los crashs de un día.

En segundo lugar, analizamos cómo se comportó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Y como podemos ver, la estrategia funcionó mucho mejor en comparación con los bonos. La estrategia de tendencia está diversificada y no está significativamente influenciada por el impacto negativo de un día en los bonos.

Crash de un día en acciones

Nuevamente, el primer paso fue clasificar 100 años de rendimientos diarios de peor a mejor. Luego tomamos los cincuenta peores rendimientos de un día y analizamos el mes siguiente al impacto de un día.

La siguiente figura representa las curvas de equidad de las acciones durante un mes después del crash de un día. La figura también muestra el rendimiento promedio y el percentil 10 y 90.

Una vez más, la distribución del rendimiento muestra que el mercado de valores, en promedio, se recuperó después del crash de un día (percentil 50). Pero al igual que en los bonos, hay un número significativo de eventos en los que el mercado de valores continuó cayendo incluso un mes después del crash de un día (percentiles 0 al 25).

Y también analizamos cómo se desempeñó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Como antes, la estrategia de tendencia está diversificada y no está influenciada significativamente por el impacto negativo de un día en las acciones.

Crash de un día en materias primas

Por último, ordenamos los rendimientos diarios de las materias primas de peor a mejor. Tomamos los cincuenta peores rendimientos de un día y analizamos el mes siguiente al crash de un día.

La siguiente figura representa las curvas de renta variable de las materias primas durante un mes después del crash de un día. La figura también muestra el rendimiento promedio y el percentil 10 y 90.

En promedio, las materias primas son el activo con las características de reversión a la media más débiles. En la mayoría de los casos (percentil 50), las materias primas continúan cayendo incluso un mes después del crash de un día.

Y también analizamos cómo se desempeñó la estrategia de seguimiento de tendencias de activos múltiples durante los mismos períodos. Como muestra la siguiente tabla, la estrategia tiene una rentabilidad media positiva durante los períodos que siguen a las mayores perturbaciones de las materias primas.

Los mayores eventos geopolíticos del siglo

De manera similar a las figuras que ilustramos arriba, también analizamos períodos de tiempo posteriores a los eventos más significativos del siglo. Los clasificamos en tres categorías:

• grandes guerras,
• crisis internacionales,
• Mercado de valores y salud del presidente de EE. UU.

Analizamos el desempeño del mercado estadounidense (acciones) y la estrategia de seguimiento de tendencias de activos múltiples durante los períodos mencionados anteriormente.

Guerras mayores

En esta sección, analizamos nueve guerras y observamos el desempeño del mercado estadounidense y la estrategia de seguimiento de tendencias de múltiples activos durante los períodos posteriores a estos eventos. Las guerras que examinamos son:

• Pacto Ribbentrop-Molotov (preludio del inicio de la Segunda Guerra Mundial) – 23.8.1939
• Alemania ataca a Francia en la Segunda Guerra Mundial – 10.5.1940
• Ataque de Pearl Harbor en Japón – 7.12.1941
• Comienzo de la Guerra de Corea – 25.6.1950
• Comienzo de la Guerra de Suez – 29.10.1956
• Comienzo de la guerra árabe de Israel – 29.10.1973
• Irak invasión de Kuwait – 2.8.1990
• Comienzo de la Guerra de Irak – 20.3.2003
• Rusia ataca Ucrania – 24.2.2022

La siguiente figura muestra el rendimiento de las acciones durante los períodos posteriores a los principales eventos, así como el rendimiento promedio (línea negra) y los percentiles 10 y 90 (línea roja discontinua).

Un análisis rápido muestra que el desempeño del mercado de valores después del comienzo de la guerra no es uniforme. Algunas guerras impactan el mercado de valores más que otras. En promedio, el riesgo máximo hasta un mes es -17%. En promedio (línea negra en el gráfico), el mercado de valores no se ve muy afectado.

Como muestra la siguiente figura, el desempeño promedio de la estrategia de seguimiento de tendencias de múltiples activos fue positivo incluso durante guerras importantes.

Crisis Internacionales

En segundo lugar, ampliamos nuestro estudio de crisis de la guerra fría y observamos los factores desencadenantes de quince crisis internacionales, que incluyen:

• Bloqueo de Berlín – 18.6.1948
• Primera bomba atómica soviética – 23.9.1949
• Primera bomba de hidrógeno soviética – 20.8.1953
• Revolución húngara de 1956 – 4.11.1956
• Sputnik 1 – 4 de octubre de 1957
• Cuba – Bahía de Cochinos – 17.4.1961
• Crisis del Muro de Berlín de 1961 – 13.8.1961
• Crisis de los misiles cubanos – 22.10.1962
• Ofensiva del Tet (parte de la Guerra de Vietnam) – 30.1.1968
• Masacre de los Juegos Olímpicos de Munich – 5.9.1972
• Crisis de los rehenes iraníes – 5.10.1979
• Comienzo de la Guerra Irak-Irán – 22.9.1980
• Bombardeo de Kosovo – 23.3.1999
• 9/11 – 11.9.2001
• Primavera Árabe (Egipto) – 25.1.2011

La siguiente figura muestra el desempeño de las acciones durante los períodos posteriores a los principales eventos, así como el rendimiento promedio (línea negra) y el percentil 10 y 90 (línea roja discontinua). Podemos ver que el período de crisis suele ser de corta duración, con una reducción máxima promedio el octavo día después del inicio de la crisis y una recuperación casi completa un mes después de la crisis.

Como muestra la siguiente figura, el desempeño promedio de la estrategia de seguimiento de tendencias de activos múltiples fue nuevamente positivo durante las crisis internacionales.

Mercado de valores y salud del presidente de EE. UU.

Por último, examinamos cómo la salud de los presidentes estadounidenses afectó al mercado estadounidense durante los últimos 100 años. Analizamos los siguientes eventos:

• Ataque al corazón de Eisenhower – 25.9.1955
• Asesinato de Kennedy – 22.11.1963
• Intento de asesinato de Reagan – 30.3.1981
• Trump dio positivo por COVID19 – 2.10.2020

Sorprendentemente, la salud del presidente estadounidense no afecta tanto al mercado como se podría pensar. La siguiente figura muestra el desempeño de las acciones durante los períodos antes mencionados, así como el rendimiento promedio y el percentil 10 y 90. Podemos ver que, en promedio, el mercado de valores se vio afectado por los problemas de salud del presidente de EE. UU. solo durante dos días hábiles.

¿Stops basados en dólares o en el ATR? por Kevin Davey

• Al programar una estrategia o usar un sistema, hay multitud de variables que debemos elegir con cuidado si queremos tener los mejores resultados. Uno de ellos tiene que ver con el uso de los stop loss. ¿Cómo determinar los stop loss de mi estrategia? En este artículo veremos varias formas de hacerlo.
• Artículo publicado en Hispatrading 55.

Recuerdo cuando me metí por primera vez en el mundo del trading y el trading algorítmico. Todo era un misterio:

• ¿Qué tipo de señales debo usar para entrar?
• ¿Qué tipo de stop loss?
• ¿Qué método de dimensionamiento de posición es mejor?

La lista seguía y seguía. ¡Tanto que aprender!

Pero para cada una de esas preguntas, la respuesta que escuché una y otra vez fue clara:

“Para detener las pérdidas, SIEMPRE use stops de volatilidad usado el rango real promedio (ATR), en otras palabras, un stop loss de pérdidas ATR. ¡Solo los tontos y los traders poco sofisticados usan stops basados en dólares!”

Entonces, por supuesto, usé stops basados en ATR. Tenía sentido, después de todo. El stop loss se basaba en las condiciones del mercado: stops más grandes en condiciones más volátiles, stops más pequeños durante tiempos de poca volatilidad.

Nunca lo cuestioné.

Tal vez debería haberlo hecho.

¿Qué es el rango real promedio?

Mucha gente se confunde con el término “average true range” o «rango real promedio», pero en realidad es bastante simple.

En primer lugar, todos deberíamos saber qué es el «rango». Es simplemente el máximo de una barra menos el mínimo de la barra.

El rango real promedio (o ATR para abreviar) es una modificación de esto, para tener en cuenta la barra donde el precio de cierre de la barra anterior estaba fuera del rango de la barra actual.

Esto puede sonar un poco complicado, pero afortunadamente cada plataforma de trading tiene un rango real incorporado. El rango real promedio es solo el promedio de los valores pasados x rango real.

El rango real promedio resulta ser un buen indicador de la volatilidad de un mercado: valores más altos del rango real promedio apuntan a un mercado más volátil.

Stop Loss ATR

Mucha gente piensa en el stop loss en cantidades en dólares, como un stop loss de $ 1.000. Pero el rango real promedio se puede usar en su lugar.

Por ejemplo, el stop loss podría establecerse en 2 veces el rango real promedio de las últimas 14 barras.

ATR de divisas

Dado que ATR es una medida de volatilidad basada únicamente en los precios de las barras, puede usar este indicador para acciones, futuros, divisas e incluso criptomonedas.

Bien, una vez visto lo más básico sobre este tema, volvamos a nuestro debate sobre los stops loss ATR.

A decir verdad, siempre me disgustaron los stops basados en la volatilidad (ATR). A veces, el stop fue enorme en términos de dólares. Otras veces, era minúsculo. A veces no me parecía bien.

Aquí hay un ejemplo de lo que quiero decir. La «sabiduría popular» decía «establezca su stop en un múltiplo de 3 veces el rango real promedio de 14 períodos». Veamos un ejemplo para el futuro del petróleo crudo, el oro y el mini S&P:

Lo siento, pero el resultado en dólares, destacados en amarillo, me asustan muchísimo. Incluso los valores mínimos son algo altos.

Cómo usar el indicador ATR

Aquí hay otro buen ejemplo del problema con los stops ATR. Suponga que tiene una cuenta de $ 20K y negocia 1 contrato del futuro del SP500, el ES. Utiliza un stop loss ATR con un multiplicador de 0,5. Entonces, a mediados de octubre tienes una señal. Su stop es 0,5*9,41*50 = $235, que es el 1,2 % de su cuenta. ¡Este es un cálculo bastante simple!

Ahora avance rápido 4 meses. Obtienes una señal. El stop ATR ahora es 0,5*77,39*50 = $1935, o el 9,7 % de su cuenta. ¡En 4 meses su stop se multiplicó por 8!

Stops en dólares

No obstante un día decidí probar los stop loss basados en dólares. $ 500, o $ 1000 por límite de pérdida de contrato. Una locura, según todo lo que leo.

¿Pero adivinas qué? De hecho, mi rentabilidad mejoró. Estos stops basados en dólares «irracionales» en realidad funcionaron mejor que los stop loss ATR.

Recuerdo tener miedo de mencionar esto a otros traders, por miedo al ridículo. Así que seguí adelante, usando mis stops basados en dólares. Incluso gané un campeonato de trading por el camino.

Mucho después. Un día del 2016, estaba en Nueva York con mi amigo (y colega trader) Andrea Unger. Compartí mi profundo y oscuro secreto con él.

Esperé el inevitable menosprecio. Lo que dijo en cambio me sorprendió.

“Claro, también los uso. Los stop loss basados en dólares pueden funcionar muy bien”.

Me quedé boquiabierto. ¿Era incorrecta la sabiduría popular con la que me habían alimentado? Si es así, ¿qué pasa con todas las demás «verdades» del trading, como «corte sus pérdidas, deje correr sus ganancias», «nunca permita que una operación ganadora se convierta en perdedora» y «siempre opere con un stop loss»?

Por eso, de ahí la pregunta. Qué es mejor: ¿los stop loss basados en dólares o los stop loss basados en volatilidad (rango real promedio)?

Analicemos esto en 4 partes:

Parte 1: Ejecuto pruebas para comparar, en varios mercados, con 4 estrategias diferentes.

Parte 2: Presento algunas ideas nuevas y formas de incorporar las mejores características en stops basados en dólares y stops ATR.

Parte 3: Proporciono todo el código y los espacios de trabajo para que pueda duplicar y ampliar mi estudio.

Parte 4: Doy un código de recursos extra, útil para todos.

¡Pasemos a la Parte 1!

Consejo de trading algorítmico

Parte 1: Stops en dólares vs. Stops basados en ATR

Hagamos algunas pruebas, en 3 mercados diferentes:  Petróleo

crudo Mini S&P (ES) Oro (GC).

Y probemos 4 estrategias diferentes (entradas largas y cortas simétricas, solo se muestran las reglas para las posiciones largas):

Estrategia 1: impulso simple (si cierra > cierra [x], entonces compra)

Estrategia 2: RSI de 2 períodos (si RSI (2) > comprar por encima)

Estrategia 3 – Contratendencia a corto plazo (si close<close[long length] y close>[short length] comprar)

Estrategia 4 – Estrategia de Bollinger (si el cierre cruza por debajo de -1 Std Dev BB, comprar. Vender cuando cruza por encima de la línea 0 de Bollinger)

Esta es una combinación de estrategias de seguimiento de tendencia y reversión a la media. Solo seleccioné al azar algunas estrategias simples, para ver el impacto de varios stops. No digo que estas sean estrategias viables.

Así es como se ve mi espacio de trabajo de prueba: 12 combinaciones de estrategias y mercados.

Para esta prueba, usaré barras diarias y haré pruebas durante 5 años. Incluyo valores representativos de deslizamiento y comisión en los resultados (¡siempre es una buena práctica!). Para simplificar, operaré 1 contrato siempre, sin piramidación.

¿Cómo analizo el rendimiento?

Cuando evalúo una estrategia, uso la métrica de retorno/drawdown de mi hoja de cálculo del simulador de Monte Carlo. Pero para hacerlo sencillo, solo usaré el factor de beneficio como el criterio objetivo de «bueno». Se correlaciona positivamente con el retorno/drawdown y es mucho más simple de obtener. Por lo tanto, es una buena métrica para usar.

Primero, veamos los resultados de referencia para cada estrategia, sin stops (aparte de las salidas y las condiciones de stop e inversión descritas anteriormente).

Con el escenario de referencia, tenemos una buena variedad de factores de beneficio. Algunas estrategias son francamente malas (Oro #2, Oro #4, Mini S&P #2) y otras son realmente buenas (Crudo #3, Mini S&P #3). Entonces, esto nos dará una buena combinación de resultados para evaluar la efectividad del stop loss.

Stop Loss simple en dólares

En Tradestation, el código para este stop loss simple basado en dólares es:

SetStopLoss(XX); //XX es en dólares por contrato.

Probaré 3 valores de stop loss: $500, $1250 y $2000. Estos valores son bastante razonables para muchos mercados. Para el informe, promediaré los resultados juntos, en lugar de elegir un resultado optimizado.

Es posible que se sorprenda de tan grandes pérdidas en dólares. A muchas personas les gusta tener un stop loss de $100, con la idea errónea de que un stop loss pequeño es mejor. El problema es que el stop loss de $100 se ejecuta con MUCHA más frecuencia que el stop loss de $500, y cualquier beneficio de una pequeña pérdida se contrarresta con la frecuencia con la que son alcanzados los stop loss.

En Tradestation, el código para este stop loss simple basado en dólares es:

SetStopLoss(XX * AvgTrueRange(14)*BigPointValue); //XX es el multiplicador ATR (resultado en dólares por contrato).

Probaré 3 valores del multiplicador ATR: 1, 2 y 3. Estos valores son bastante razonables para muchos mercados. 3 parece ser especialmente popular. Una vez más, al igual que con el stop loss en dólares, cuanto menor sea el número, menor será la pérdida, pero con más frecuencia se alcanza.

A modo de comparación, la pérdida máxima en dólares para el supuesto de 3x ATR podría ser de $ 10,000 o más por contrato (en comparación con el máximo de $ 2,000 para el caso de stop en dólares).

En caso de que no entienda realmente el rango real promedio (que es diferente del rango normal alto menos bajo), aquí hay una buena explicación gráfica:

Sin embargo, no se preocupe: casi todas las plataformas de trading incluyen «Rango real» y «Rango real promedio» como cálculos estándar, ya integrados.

El rango real promedio de 14 períodos es solo el promedio de los 14 valores anteriores de rango real.

Resultados

Aquí están los resultados. Para cada estrategia, he comparado la estrategia basada en stops en dólares y en el rango real promedio. En la Figura 11, el cuadro sombreado en verde tiene el factor de beneficio más alto.

Como verificación de los resultados, decidí realizar ejecuciones adicionales en la estrategia n.° 2 para el oro, donde los stop loss basado en dólares y los stop loss basados en ATR eran casi iguales. En una amplia gama de variables de entrada y variables de stop loss (más de 500 iteraciones para cada caso), la distribución de los factores de beneficio en cada caso es bastante similar. Esto es lo que se esperaba.

El mejor Stop Loss basado en ATR

Mis observaciones

El escenario «No Stop» es mejor que el ATR Stop o el Dollar Stop.

El Stop basado en ATR o ATR Stop supera al Stop basado en dólares o el Dollar Stop el 66% de las veces, aunque muchos de los factores de beneficio resultantes son extremadamente similares entre sí.

Hay 4 de 12 casos en los que el stop basado en ATR es mejor que el stop basado en dólares en un 10% o más. Esto tiene sentido, ya que los stop loss usando ATR en términos comparativos en dólares suelen ser más grandes que los stop loss en dólares.

Conclusiones

El pensamiento popular “siempre use un stop loss basado en ATR, nunca use un stop loss basado en dólares” no está respaldado por los resultados. Para los casos que ejecuté, el stop basado en ATR fue mejor que un stop loss en dólares en la mayoría de los casos, pero en un tercio de los casos el stop en dólares fue mejor. Tal vez un es más acertado decir «los stop loss basados en ATR son mejores que los stop loss basados en dólares», ¡pero no de forma tan dogmática!

Cómo puede usar estos resultados

Entonces, ¿qué le dice este estudio y cómo puede usar los resultados?

Bueno, en primer lugar, tenga en cuenta que el dicho «siempre use stops ATR» es más una tontería que un consejo útil. La verdad es que los stop loss en dólares y los stop loss ATR pueden ser útiles.

La clave en cualquier caso es probar su enfoque a fondo. No haga suposiciones sobre lo que es mejor: ¡pruébelo!

También tenga en cuenta que ambos enfoques tienen inconvenientes.

Inconvenientes con los stop loss en dólares

Con stop loss en dólares es bueno saber, por ejemplo, que puede perder solo $ 1000 por operación.

Pero los stop loss en dólares no son buenos cuando el mercado se vuelve muy volátil. El petróleo crudo durante la crisis financiera de 2008 fue un buen ejemplo. Los movimientos diarios de $ 6,000 no eran infrecuentes. Tales movimientos simplemente diezmarían una estrategia con stops de $ 1000.

Inconvenientes con los stop loss de ATR

Si los stop loss de ATR parecen la respuesta a los mercados volátiles, es porque es en parte cierto. Eso es, por supuesto, si está dispuesto a aceptar grandes pérdidas. Muchos de nosotros no podemos. Tal vez la solución sea simplemente mantenerse al margen si la volatilidad se vuelve demasiado extrema.

Mi mayor problema con los stop loss de ATR es que para algunas operaciones mi stop loss (en cantidades en dólares) es razonable, y otras veces no lo es. He visto stops ATR demasiado elevados y también demasiado pequeños.

Lo bueno de los stop loss ATR es que cambian con la volatilidad. Es posible que no funcionen bien en situaciones de volumen extremadamente alto o bajo.

Conclusión

Para resumir, tanto los stop loss en dólares como los stop loss en ATR pueden ser útiles. Y ambos pueden ser terribles. Una buena idea podría ser probar ambos y ver cuál funciona mejor (y cuál te gusta más) para tu situación particular.

Tengo estrategias que usan stops ATR. Y tengo incluso más estrategias que usan stops en dólares, que prefiero personalmente.

Es una lástima que no haya una manera de incorporar las mejores partes de ambos stops.

O…

Tal vez haya formas de conseguir “lo mejor de ambos mundos”. Ofreceré algunas sugerencias en la Parte 2.

Parte 2: Mejorar los stop loss en dólares y los stop loss ATR

En la Parte 1, realicé un estudio sobre el viejo adagio «siempre use stops basados en ATR”.

Mis conclusiones:

• Los stop loss ATR pueden ser mejores que los stop loss en dólares en muchos casos.
• Los stop loss de ATR pueden ser muy grandes en términos de dólar por contrato.
• Los stop loss de dólares no pueden reaccionar fácilmente a los cambios rápidos en la volatilidad del mercado.

Cuando los stop loss de ATR son muy amplios, es casi como no tener ningun stop loss, especialmente si el ATR cambia rápidamente de grande a pequeño.

Debe tener cuidado con los stop loss de ATR en la parte alta, ya que las pérdidas pueden ser enormes. Y en el lado bajo, las pérdidas pueden ser rápidas y frecuentes.

Del mismo modo, los stop loss en dólares también pueden causarle problemas. Lo que podría ser un stop en dólares realista y razonable para usted (digamos $500) podría ser totalmente irreal para el mercado en el que está operando. ¡El ruido aleatorio en el mercado podría eliminarlo muy rápidamente!

Por lo tanto, sería bueno tomar las mejores características de los stop loss en dólares y los stop loss ATR, y ver si se pueden usar juntas para mejorar la situación.

Podemos hacerlo de tres maneras diferentes:

1.  Tener un límite inferior, establecido como una cantidad en dólares, hasta el stop ATR. Por ejemplo, use un stop loss 1x ATR, pero asegúrese de que sea de al menos $ 500 dólares. Esto evitará problemas de baja volatilidad, donde el stop se vuelve bajo porque la volatilidad es realmente baja. Esto se denominará «Stop mínimo en dólares/ATR». También se le llamará el enfoque de «suelo».

2.   Tener un límite superior, establecido como una cantidad en dólares, hasta el stop ATR. Por ejemplo, use un stop loss 3x ATR, pero asegúrese de que nunca supere los $2000 dólares. Esto evitará problemas de volatilidad alta/extrema, donde el stop se convierte en demasiado alto en términos de dólares. Esto se denominará «Max Dollar/ATR Stop». También se le llamará el enfoque de “techo”.

3. Tener un límite superior e inferior, expresado en dólares. Por ejemplo, use un stop loss 2x ATR, pero con un mínimo de $500 y un máximo de $2000. Esto se denominará «Stop mínimo-máximo en dólares/ATR». Esto también se denominará el enfoque de «suelo y techo».

¿Cómo sabemos cuál elegir? Simple, como siempre, ¡tienes que probar!

Entonces, realicé pruebas con la misma configuración que en la Parte 1. El monto mínimo siempre se establece en $500 para que coincida con la prueba de la Parte 1, y el límite máximo se establece en $2000.

Para cada estrategia y cada mercado, ejecuté los 3 casos mencionados anteriormente.

Resultados

Los resultados se muestran a continuación. Se comparan con el mejor de los casos ATR/Dollar Stop (columna verde). El “ganador” general en cada caso está resaltado en amarillo.

Mis observaciones:

Ese sonido de «ruido sordo» que escuchas son estos resultados que se desploman. A veces, añadir un suelo y/o techo a el stop es útil, otras veces no. Pero en la mayoría de los casos, el cambio en los resultados es bastante pequeño. El suelo y el techo no degradan los resultados, pero tampoco ayudan mucho.

Sinceramente, esperaba una mayor diferencia al añadir estos stops. Pero en lo que respecta al rendimiento, ¡estaba equivocado!

Sin embargo, el resultado es una lección interesante para todos. No importa cuánto le guste algo (entrada, salida, enfoque de gestión de dinero, lo que sea), y no importa cuánto PIENSE que algo debería funcionar, su opinión NO (y no debería) IMPORTAR.

Entonces, ¿vale la pena usar este nuevo stop compuesto? Basado solo en los números, tendríamos que decir que no.

Pero, usar el enfoque de suelo y techo todavía tiene un gran beneficio psicológico. Con el suelo, es bueno saber que una estrategia no tomará stops excesivamente pequeños, en caso de que la volatilidad caiga en picado.

Y con el techo, me gusta saber que mi pérdida máxima está básicamente limitada (ignorando el deslizamiento excesivo del stop) en un valor que yo elija.

Entre el suelo y el techo, el stop real se basa en la volatilidad reciente, que también es reconfortante saber.

Conclusiones

Al concluir las partes 1 y 2, está bastante claro que los stop loss en dólares son una alternativa decente a los stop loss ATR. A veces, los stop loss en dólares son mejores y otras veces pueden ser significativamente peores.

Mi estudio encontró los fallos del dicho popular «siempre hay que usar stops basados en ATR, no stops en dólares».

Si se añaden suelos y techos al nivel del stop, el rendimiento no cambia drásticamente. Muchos traders encontrarán útiles estos límites inferiores y superiores, al menos mental y emocionalmente.

Encontrar y seguir tu voz interior en el trading por Brett N. Steenbarger, Ph.D.

En el último artículo eché un vistazo al desarrollo de la singularidad como trader, centrándose en el desarrollo de nuevas fuentes de datos y nuevas formas de ver los mercados. Sin embargo, hay muchas formas en las que podemos acercarnos a los mercados de manera única. Un gestor de dinero con mucho éxito compartió recientemente conmigo formas en las que la IA puede mejorar el riesgo/recompensa del trading. Otro operador está haciendo uso de estructuras de opciones complejas para superar el ruido del mercado y aprovechar las tendencias a largo plazo. Pero un trader que me escribió me hizo una pregunta única sobre la singularidad: ¿Podemos encontrar una ventaja única en la forma en que abordamos nuestra psicología del trading? Específicamente, él pregunta, ¿hay formas de que podamos ser mejores escuchando nuestra voz interior?

Esta es una pregunta y un problema muy complicados. Por un lado, podríamos ver nuestra conversación negativa como una voz interna y permitir que nuestros peores patrones emocionales controlen nuestro trading. Por otro lado, sabemos que el reconocimiento de patrones de la intuición a menudo se manifiesta como una voz interior. ¿Cuándo escuchamos esa voz? ¿Cuándo desafiamos esa voz y la reemplazamos por una que sea más útil? Piense en el ejemplo del arrepentimiento. ¿Es ese un producto útil que nos permite aprender de nuestros errores, o está conduciendo por el espejo retrovisor e interfiriendo con lo que está sucediendo aquí y ahora?

¿Cómo podemos innovar para abordar nuestra psicología del trading?

Considere la cita anterior de Craig Revel Horwood, coreógrafo y juez de espectáculos de baile. Lo que está diciendo no es simplemente seguir tu voz interior, sino escuchar esa voz si llega mientras sigues tu pasión. En otras palabras, es la absorción de estar en el estado de flujo durante una actividad que nos apasiona lo que lleva a las intuiciones de la voz interior. Si no tenemos pasión por algo, no llegaremos a ninguna intuición significativa sobre eso que hacemos. ¿Tengo alguna intuición sobre cómo ser un buen fontanero? ¿Cómo cultivar sandías? Nunca he estado involucrado en ninguna de estas actividades y ¿adivina qué? No tengo ninguna intuición sobre cómo hacerlas bien.

Cuando estamos absortos en algo que nos apasiona, experimentamos las cosas de nuevas maneras y generamos nuevas perspectivas. Es la profundidad de la participación lo que genera la amplitud de la visión. Cualquier cosa que hagamos para absorbernos más completamente en los mercados nos permitirá ver cosas nuevas e innovar. Encontramos nuestra voz interior, no escuchando lo que nos dice y el diálogo interno del ego, sino involucrando plenamente lo que habla a nuestra alma. La autoconversación del ego es algo que hacemos en modo piloto automático. La verdadera intuición viene a nosotros.

¿Y los sentimientos de arrepentimiento? Cuando estamos completamente inmersos en los mercados y nos arrepentimos, hay muchas probabilidades de que podamos convertir lo que hicimos mal en una lección de aprendizaje y un verdadero crecimiento. Puede que el arrepentimiento no nos haga sentirnos bien, pero es un camino hacia el crecimiento en casi todas las tradiciones espirituales. El proceso de quedarse corto y arrepentirse es bastante diferente de la autocrítica automática y sin sentido. Uno es un camino hacia el crecimiento; el otro interfiere con nuestro rendimiento.

Podemos encontrar y seguir nuestra auténtica voz interior solo en la plena participación de una actividad que nos apasiona. Nos encontramos con nuestra singularidad como traders cuando estamos más absortos y fascinados por los mercados.

Cinco argumentos bajistas que no han funcionado hasta ahora por Ed Yardeni

Revisemos nuestra respuesta optimista a las razones citadas con más frecuencia para preocuparse por una recesión:

(1) Indicadores adelantados a la baja y M-PMI. El índice de principales indicadores económicos (LEI) alcanzó un máximo histórico durante diciembre de 2021 (Fig. 7). Ha bajado un 9,4% desde entonces hasta mayo. El LEI anticipó correctamente las ocho recesiones anteriores con un tiempo de espera promedio de 12 meses.

Hemos demostrado anteriormente que el LEI está sesgado, dando más peso a la fabricación que a los sectores de servicios de la economía. El cambio porcentual interanual en el LEI (que bajó un 7,9 % en mayo) sigue de cerca al M-PMI (que cayó a 46,0 durante junio) (Fig. 8). Ambos son consistentes con nuestro escenario de recesión, con la recesión actualmente afectando al sector de bienes. Eso se confirma por la debilidad en el índice de tonelaje de camiones ATA y las cargas de contenedores intermodales en vagones de ferrocarril durante el año pasado (Fig. 9).

(2) Curva de rendimiento invertida. Melissa y yo «escribimos el libro» sobre la curva de rendimiento en 2019. Se titula The Yield Curve: What Is It Really Predicting? Llegamos a la conclusión de que las curvas de rendimiento invertidas indican que los inversores creen que el endurecimiento continuo de la política monetaria de la Reserva Federal daría lugar a una crisis financiera, que podría convertirse en una contracción del crédito y una recesión en toda la economía. Son las crisis crediticias las que causan las recesiones, no las curvas de rendimiento invertidas las que anticipan estos eventos.

Esta vez, la curva de rendimiento se invirtió el verano pasado. Una vez más anticipó correctamente una crisis bancaria, que se produjo en marzo. Lo que es diferente esta vez, hasta ahora, es que la Fed respondió muy rápidamente con una línea de liquidez bancaria de emergencia, que hasta ahora ha funcionado para evitar una quiebra de bancos en toda la economía y una contracción del crédito (Fig. 10).

Así que no ha habido recesión, hasta ahora. Todavía podría haberla si la crisis bancaria se convierte lentamente en una crisis crediticia. Es por eso que Melissa y yo estamos monitoreando de cerca los datos de los balances de los bancos comerciales semanales (Fig. 11). Muestran que los depósitos bancarios alcanzaron un máximo de $18,2 billones durante la semana del 13 de abril de 2022 y cayeron a $17,3 billones durante la semana del 21 de junio de 2023. Sin embargo, los préstamos bancarios se mantuvieron en un máximo histórico de 12,1 billones de dólares durante la semana del 21 de junio. Los bancos mantuvieron un récord de $5,8 billones en valores durante la semana del 13 de abril de 2022. Esta suma se redujo en $645 mil millones a $5,2 billones a medida que los valores vencieron. Los bancos están utilizando los ingresos para compensar la debilidad de sus depósitos y para otorgar préstamos.

(3) M2 decreciente. Los monetaristas parecen estar regresando y están haciendo sonar la alarma de que la reciente debilidad en la medida del dinero M2 está confirmando que la política monetaria ya es lo suficientemente estricta como para provocar una recesión. Hemos abordado este problema en el pasado y todavía no estamos asustados.

La oferta monetaria medida por M2 subió $130.9 mil millones en mayo después de caer los nueve meses anteriores en $1.0 billón (Fig. 12). Ha bajado 897.000 millones de dólares desde que alcanzó un máximo histórico en julio de 2022. Ha bajado un 4,0 % interanual. Sin embargo, la caída de M2 sigue a un aumento de 6,3 billones de dólares (41 %) desde enero de 2020 (justo antes del comienzo de la pandemia) hasta su máximo histórico. ¡M2 aún permanece alrededor de $ 2 billones por encima de su tendencia alcista previa a la pandemia!

Como señalamos anteriormente, la debilidad de los depósitos bancarios se ha visto compensada en parte por los ingresos por vencimiento de los valores en poder de los bancos. Por su parte, los depósitos a la vista en M2 hicieron un total de $5,0 billones durante mayo. Consideramos que es $ 1.5 billones por encima de la línea de tendencia previa a la pandemia en depósitos. Los depósitos a la vista representan actualmente el 24% del M2, frente al 10,3% durante enero de 2020 (Gráfico 13).

(4) Quedarse sin exceso de ahorro. El cambio anual en M2 ha estado siguiendo de cerca la suma móvil de 12 meses de los ahorros personales, lo que sugiere que todavía queda mucho ahorro en exceso según nuestro análisis de M2 anterior (Fig. 14).

Esta conclusión se ve confirmada por los datos de la Fed sobre la propiedad de depósitos más fondos del mercado monetario por grupos generacionales. Estas son sus posiciones del primer trimestre y los aumentos desde el cuarto trimestre de 2019 en estos activos líquidos: Silent ($2,6 billones, -$65 mil millones), Baby Boomer ($8,9 billones, +$2,5 billones), GenX ($3,9 billones, +$1,1 billones) y Millennial ($ 1,6 billones, + $ 625 mil millones) (Fig. 15).

Nuevamente, consideramos que el exceso de activos líquidos en poder de los Baby Boomers solo osciló entre $ 1.0 y $ 2.0 billones al final del primer trimestre.

(5) Política monetaria restrictiva. La política monetaria es restrictiva, especialmente considerando el endurecimiento de los estándares de préstamo en reacción a la crisis bancaria de marzo, así como el programa QT en curso. Sin embargo, la estricta política monetaria se ha visto compensada en parte por una política fiscal muy laxa. En el pasado, el estímulo fiscal generalmente se producía al final de las recesiones o incluso una vez que habían terminado. Esta vez, se han promulgado muchos estímulos fiscales antes de la próxima recesión. Esa es otra razón por la que la próxima recesión por ahora no ha aparecido.

Gráfico de performance por Jonathan Jacob Attia

• En este artículo hablaremos de la detección mejorada de activos financieros con alto potencial de retorno en un momento dado del mercado. 
• Artículo publicado en Hispatrading 17.

Ya sea en el mercado de acciones o en el mercado de Forex, anticipar en tiempo real la rentabilidad de un activo financiero en relación con otros activos, presupone un análisis del tipo “Top-Down” del mercado en cuestión, y necesariamente implica la utilización de  herramientas matemáticas y computacionales especiales. El objetivo es entonces, seguir en un período de tiempo determinado y para un número específico de activos, el movimiento de flujos de capitales que se dan entre estos activos específicos, especialmente en aquellos donde se acumulan nuevos flujos (alto rendimiento) y en donde otros se distribuyen (bajo rendimiento).

El interés de un Grafico de Performance (GdP)

La ventaja de en este tipo de herramienta de ayuda a la decisión es múltiple.  

En primer lugar, un GdP Highwave360 ofrece en un solo grafico la visión instantánea de un mercado financiero y permite de seguir en tiempo real la actividad de sus flujos de capitales (compra, venta…) y por lo tanto de anticipar el comportamiento de los operadores frente a ciertos activos (acciones, divisas, metales preciosos…). 

Esta anticipación es posible, principalmente, a través del análisis de los patrones observados en los GdP (ver Tipología de Figuras y Movimientos), los cuales permiten al Trader, en un tiempo mínimo y limitado, determinar la mejor oportunidad de activos a operar. 

Por último, el GdP también permite establecer un tiempo de entrada ideal y una salida optima de la posición. De esta manera, se mejora la relación «riesgo/retorno» y por lo tanto el Money Management.

Tomar en cuenta que un Grafico de Performance (GdP) es similar a un Indicador Técnico de Mercado (ITM) de dimensión 3: (i) ITM de Análisis Técnico (ver Tipología simplificada), (ii) ITM de Tendencia y (iii) ITM de Profundidad (ver Tipología avanzada).

Morfología de un Gráfico de Performance

Un GdP es una representación simbólica (nube de puntos, curvas…) del “rendimiento relativo” entre varias variables aleatorias en función del tiempo. El rendimiento (o performance) de una variable aleatoria se mide en relación a un “punto de referencia” (valor real de la variable establecida en base 100, de un momento dado) y varía en función de dos parámetros: (i) el tiempo y (ii) el punto de referencia (variación expresada en porcentaje). 

Por lo tanto, en el caso del Forex, una variable aleatoria corresponderá al índice de una «divisa de referencia» y constará de varios pares de divisas teniendo en el numerador o en el denominador  la «divisa de referencia».

Tenga en cuenta que entre más se incluya, en un índice, un numero importante de divisas involucradas, este índice será mas representativo del rendimiento (performance) realizado por la “divisa de referencia”.  

En seguida, para cada par de divisas utilizados en la construcción del índice es necesario realizar todos los cálculos basados ​​en los «puntos de referencia» de dichos pares, siendo el índice la media aritmética de todos los valores de rendimiento (expresados en porcentaje) relativos a dichos pares de divisas en un momento dado del mercado.

Así, como se muestra en la Figura 1, el índice EURO estará compuesto de los pares de divisas siguientes: EUR/AUD, EUR/CAD, EUR/CHF, EUR/GBP, EUR/JPY, EUR/NZD, EUR/USD. Todos estos pares de divisas tienen como numerador al euro (EUR/XXX) y son correctos para el índice EURO.

Tenga en cuenta que esta composición del índice EURO ya esta predefinida por Highwave360: Uno podría bien reemplazar el par EUR/AUD (en primera posición) por EUR/CAD o EUR/NZD, así como la ponderación de cada uno de los pares de divisas utilizados para construir el índice.

La Figura 2 ilustra como el Grafico de Performance de los Índices EURO y USD muestra, al momento de la redacción de este articulo, un rendimiento (performance) relativo de 100.08% del Índice EURO y de 99.73% para el Índice USD. El “punto de referencia” utilizado para este calculo es el siguiente : El martes 27 de agosto 2013 a 13h00 (GMT +01 00), los dos índices se inicializan en 100.00 a partir de esta fecha (estos datos se pueden encontrar en la parte superior izquierda de la Figura 2). 

La Figura 3 muestra con mayor precisión que a 17h15, el índice EURO sobrepasaba su «punto de referencia » por +0,08 puntos, y al mismo tiempo mostraba un rendimiento superior al índice USD de +0,35 puntos. En otras palabras, a 17h15 el índice USD tenia un rendimiento inferior respecto a su “punto de referencia” de -0,27 puntos y al mismo tiempo un rendimiento inferior respecto al índice EURO de -0,35 puntos. 

Por lo tanto, para el par EUR/USD, ¿hubiera sido conveniente comprar (a corto plazo) el Euro (y vender el USD) a las 17h15 en función de los rendimientos relativos identificados en este grafico?

La respuesta es NO, y la explicación radica en lo que se explica a continuación.

Tipología simplificada de Figuras y Movimientos

Hay muchas formas de analizar un grafico de performance. La primera, y la más inmediata, consiste en comprobar visualmente la brecha que separa dos curvas, después, y es el punto clave, seguir la evolución de esta brecha en el tiempo: un brecha que aumenta o disminuye significativamente genera un potencial de trading interesante entre los diferentes Índices, en este caso las diferentes divisas. Por el contrario, si la brecha entre las dos curvas es constante, entonces no existe ningún potencial de trading. 

La Figura 4 muestra perfectamente el caso de una brecha o diferencia (cuasi) constante entre las curvas: a las 21h00 el par EUR/USD no ofrecía ningún potencial de trading interesante a corto plazo (la misma brecha medida a 17h15 en la Figura 3 se encuentra en el centro de la Figura 4).

Implícitamente, la medida de la brecha entre las dos curvas y especialmente su variación en el tiempo expresan una noción de movimiento propio de dichas curvas. Sin embargo, para todas las curvas, existen tres movimientos posibles: (i) ascendente, (ii) descendente y (iii) neutral.

Asimismo, en el caso de un GdP, son necesarias mínimo dos curvas (movimiento relativo), para determinar el rendimiento (performance) de un Índice respecto al otro. La pregunta que uno se debe hacer es la siguiente: ¿si cuando una curva sigue un movimiento ascendente, la otra curva realizara al mismo tiempo un movimiento similar (alcista), opuesto (bajista) o neutral?

Por consiguiente, el total de las figuras y movimientos posibles es igual a nueve (9) : Tres movimientos construidos en pares. 

Adicionalmente, hay que incluir a este total la hipótesis donde una curva puede estar bien por encima o por debajo de la otra curva, lo que da un (nuevo) total de 18 figuras y movimientos posibles: 

3² x 2 = 18 correspondientes a 3 movimientos construidos 2 a 2 (pares), multiplicados por el numero de posiciones verticales posibles de las curvas que es igual a 2, para un total de 18. 

Dentro de la tipología llamada simplificada que se muestra a continuación, para el Trader, solo será cuestión de memorizar visualmente todos estos patrones para desarrollar los reflejos necesarios de análisis de mercados; y ser capaz de determinar las posibles operaciones a realizar entre los diferentes índices considerados. 

IMPORTANTE: Tenga en cuenta que, las líneas continuas presentes en los patrones denotan una figura observada (un movimiento pasado), mientras que las líneas punteadas esquematizan un movimiento extrapolado (futuro) y esperado del mercado. En la Figura 5 se muestran, de forma esquemática, las curvas de dos variables aleatorias X (en negro) e Y (en rojo). En el artículo y de manera general, la variable X representa el Índice EURO y la variable Y el Índice USD (o AUD).   

Es interesante notar que los patrones DA1, DA2 y AD1, AD2 de la Figura 5 poseen el mayor potencial de trading. Esta afirmación se explica por el hecho que un aumento (disminución) del valor de una variable aleatoria conduce a una disminución (aumento) del valor de la otra variable aleatoria: se dice entonces que las variables X e Y son linealmente dependientes y que la correlación es negativa [en estos patrones, el coeficiente de correlación ρ_XY es negativo (-1)].

Asimismo, los patrones DD1, DD2, AA1, AA2 y NN1, NN2 tienen el potencial de trading más bajo: X e Y son linealmente dependientes pero sin ningún interés en nuestro caso ya que  un aumento (disminución) del valor de una variable aleatoria conduce un aumento (disminución) del valor de la otra variable aleatoria. Se habla de una correlación positiva [en estos patrones, el coeficiente de correlación ρ_XY es positivo (+1)].

Tabla 2: Tipología simplificada y Valores del coeficiente de correlación

La tabla 2 resume, de acuerdo a una estructura idéntica a la tabla 1, los diferentes valores de los coeficientes de correlación relacionados con las Figuras y Movimientos posibles de las curvas en un GdP. Se observara en el eje de simetría representado por la diagonal DD, AA y NN, la presencia de dos valores negativos en AD y DA, tres unos (1) en DD, AA y NN y de cuatro ceros (0) en ND, NA, DN y AN.

Para terminar, las ilustraciones ND*, NA*, AN* y DN* tienen un coeficiente de correlación nulo, lo que supondría que el potencial de operación es irrisorio debido a que X e Y son variables aleatorias independientes.  No obstante, como muestra la Figura 6, el potencial de operación para tales patrones es significativo, aunque menor comparado a DA* y AD*, pero todavía satisfactorio en el contexto de una operación de trading. 

La figura 6 muestra una síntesis de lo que se ha venido indicando. En ella se superponen dos gráficos (GdP + Precio) y proporciona la secuenciación de un GdP a partir de la Figura 5. El interés de un PdG es evidente cuando se constata la formación del patrón ND1 sincronizado con el gráfico de precios: Mientras que el Índice EURO es cuasi-constante, el Índice AUD es bajista. Lo que produce una apreciación indirecta o pasiva del Índice EURO por el movimiento bajista (descendente) del Índice AUD.

Mientras que la tipología simplificada permite de detectar visualmente el potencial optimo de un par de divisas, el estudio de la correlación, que expresa el grado de conexión entre dos variables determinadas, no es suficiente en algunos casos.

En efecto, para un mismo valor del coeficiente de correlación negativo (ρ_XY = -1, el mayor potencial en AD* y DA*), existe una infinidad de profundidades/fuerzas aplicables al movimiento observado. ¿Cómo estimar entonces esta profundidad a partir de la secuenciación presentada en la Figura 6?

Asimismo, ¿cómo explicar la presencia de un potencial de trading cuando la correlación entre las dos variables es cero ( ver ND*, NA*…)? 

Si hasta ahora, la tipología simplificada se ha basado en una geometría analítica bidimensional (la abscisa y la ordenada), la tipología avanzada se basara, a su vez, en un sistema de tres dimensiones (la abscisa, la ordenada y la cota).

Tipología avanzada de Figuras y Movimientos

Más que una simple lógica de clasificación, la tipología avanzada es un método de análisis que permite una detección de oportunidades en un conjunto de configuraciones posibles de un GdP.

Este método se basa en el circulo trigonométrico presentado en la Figura 7.

Especificamente para un Gráfico de Performance (ver Figura 7), el dominio de definición de este método incluye:

• Cuatro zonas distintas A (ascendente), B (descendente), C (ascendente), D (Descendente); 
• Dos semicírculos verticales correspondientes a las zonas A-D y B-C; 
• Dos semicírculos horizontales excluidos correspondientes a las zonas A-B y C-D [zonas no aplicables, ya que un GdP compara siempre dos valores de rendimiento (performance) en un solo punto en el eje X, de tiempo]. 

Por consiguiente, el metodo consiste en medir el angulo (ver Figura 8):

• entre una curva y el vector de referencia (e₁), llamado α (alfa) ;
• entre dos curvas, llamado ϴ (theta).

Ahora que el dominio de definición se estableció, conviene enumerar las reglas aplicables, en todas las circunstancias, para dos variables aleatorias llamadas X e Y:

1. Para todo angulo medido dentro de la zona A o C, el angulo ALFA más grande implica el mejor rendimiento relativo (ver Figura 8: Y posee un rendimiento superior a X);
2. Para todo angulo medido dentro de la zona B o D, el angulo ALFA más pequeño implica el mejor rendimiento relativo (ver figura 9: X posee un rendimiento superior a Y);
3. Para todo angulo medido entre dos curvas, entre más grande el angulo THETA, mayor sera la profundidad/la fuerza del movimiento (ver Figuras 8 y 9: la profundidad del movimiento es mas importante en la Figura 9 que en la Figura 8); 
4. Para todo angulo medido dentro de la zona A-D (semicírculo vertical derecho) o B-C (semicírculo vertical izquierdo), entre más grande es el angulo THETA mayor e importante será la profundidad de los movimientos opuestos [ver Figura 10: Y supera a X (en el caso dinámico) e Y presenta una rapides de progresión mas  importante puesto que Tan (α_Y) > Tan (α_X)].

La Regla 4 y la Figura 10 responden a las preguntas anteriores relativas a la medicion de la profundidad de una parte y el potencial oculto de los patrones ND* NA* AN* DN* mediante el valor cero (0) del coeficiente de correlacion de la otra parte.

En realidad, según el metodo actual (tipología avanzada), lo esencial del analsis del rendimiento (performance) se basa en la medición del angulo THETA y que, indiferentemente del patron de referencia en la Figura 5: El patron ND1 est finalmente comparable al AD1  desde el aspecto particular del angulo THETA. 

Simplemente, la tipología simplificada aporta una información diferente: en ND1, la varible X supera Y de manera positiva (indirectamente), mientras que en AD1, la variable X supera Y a través de su dinamica interna, ademas del movimiento bajista de Y.

Previamente, en secuenciación de la Figura 6, para el segundo bloque se identificaba el patrón ND1. En nuestro caso preciso, y como lo muestra la Figura 11, la oportunidad se detecta mediante la medición del angulo THETA: 75,4°, este valor da un excelente potencial, el cual sera confirmado por la curva de precios. 

Tenga en cuenta que los patrones DD*, AA* y NN* tienen un THETA nulo (0°, por lo tanto ningun potencial). 

Conclusión

Utilizar un Gráfico de Performance (GdP) en una actividad de análisis de activos financieros, revela indudablemente, las mejores oportunidades en el mercado que poseen “un alto potencial de trading”. Una de las principales cualidades de un GdP es su simplicidad de lectura: es esencialmente, visual e intuitivo. Sin embargo, era importante introducir en este artículo algunos conceptos fundamentales para la comprensión de un GdP (lógica de construcción, detección de patrones, medidas de los ángulos alfa y theta de los índices,…) precisamente con el objetivo de apreciar su simplicidad. Finalmente, un GdP se puede igualmente combinar y/o asociar con otros Indicadores Técnicos del Mercado (métodos tradicionales  de Análisis Técnico) para aumentar la nitidez de la señal: aspecto particular del GdP que será tratado y desarrollado posteriormente.