Atención a la plata [DIRTY DOZEN] por Alex Barrow

“Hay tiempo en toda la vida del guerrero, en su prosperidad y decadencia, en su armonía y discordia. De manera similar, hay tiempo en el Camino del mercader, en el auge y caída del capital. Todas las cosas implican tiempos de subida y bajada. Debes ser capaz de discernir esto. En la estrategia, hay varias consideraciones de tiempo. Desde el principio debes conocer el tiempo aplicable y el tiempo inaplicable, y entre las cosas grandes y pequeñas y los tiempos rápidos y lentos encuentra el tiempo relevante, viendo primero el tiempo de distancia y el tiempo de fondo. Esto es lo principal en la estrategia. Es especialmente importante conocer el tiempo de fondo, de lo contrario, su estrategia se volverá incierta”. ~ Miyamoto Musashi

En Dirty Dozen [PACK DE GRÁFICOS] de esta semana,  analizamos más datos contradictorios, análogos del mercado bajista, indicadores de recesión, péndulo narrativo de la Reserva Federal y expectativas de inflación, dislocaciones en el mercado hipotecario y un setup incipiente en los metales preciosos, y más… 

1. @QuantifiablEdgs sobre el Zweig Breadth de la semana pasada: «Solo ha habido 10 ocasiones que se remontan a 1928, y la ocasión actual es la primera desde 1943… En promedio, el mercado bajó un 2,5 % cinco días después, una baja de 4,3 % diez días después, un 7,1% un mes después, un 7,3% tres meses después y un 7,7% seis meses después.» No pondré mucha fe en una señal que no se ha disparado en casi 80 años. Pero el hecho de que hayamos visto un colapso de amplitud tan extrema en los últimos días parece notable.

2. En caso de que no sea bajista, le traigo algo de @michaelbatnick para confirmar su sesgo alcista: 

“El S&P 500 cayó > 1% en cada uno de los últimos tres días. La última vez que llegó a cuatro seguidos fue en diciembre de 2018.»

“Las otras veces que esto sucedió, con la excepción de 2008, fue en el suelo o cerca de él.”

3. Le muestro los «diez mercados bajistas altamente correlacionados más recientes» a través de SentimenTrader. 

4. Stifel publicó un excelente paquete de gráficos la otra semana ( enlace aquí , h/t @tom_morganKCP )

5. @ukarlewitz compartió este gráfico y estudio sobre el sentimiento del consumidor de la U de M y los rendimientos futuros de SPX. 

6. La herramienta FedWatch de CME muestra que el mercado ofrece aproximadamente un 28 % de probabilidades de un aumento de 75 pb esta semana. 

7. La mediana de la inflación pronosticada y las expectativas de inflación de la UdeM que saltan a nuevos máximos significan que todavía no estamos en el punto máximo de la postura agresiva de la Fed dentro de la oscilación del Péndulo Narrativo. 

8. Le muestro el desglose de los componentes que impulsan los números del IPC a través de Prometheus Research.  Recomiendo registrarse. 

9. Le sugiero que lea esto del veterano del mercado hipotecario, Louis Barnes ( enlace aquí )… “Durante los últimos cuarenta y cuatro años, mis días comenzaron y terminaron con el mercado hipotecario. Se destacan cuatro momentos dolorosos. Hoy ya son cinco.

10. Todavía es demasiado pronto para anunciarlo, pero podríamos tener una gran trampa para los bajistas en la plata en el gráfico mensual. Necesito ver más de los alcistas, pero los precios de los metales preciosos continúan mejorando y la tendencia macro está a punto de pasar de viento en contra a viento de cola. 

11. El posicionamiento y el sentimiento tanto en el oro como en la plata se han eliminado por completo y respaldan una base duradera. La plata también está saliendo de niveles profundamente sobrevendidos (vea los gráficos de distribución MA en la parte inferior derecha), por lo que el giro está funcionando a su favor.

12. Endeavour Silver Corp (EXK) es una minera que hemos tenido y operado en el pasado. A continuación se muestra su gráfico mensual que muestra que la acción giró a un nivel significativo el mes pasado. No es un mal punto para comenzar a construir una posición inicial y esperar la confirmación alcista antes de añadir más posiciones. 

Gracias por leer.

¿Es mejor invertir en un determinado sector? Hablemos del S&P 500 por Ben Carlson

En Portfolio Rescue de esta semana, nos hicieron una pregunta sobre cómo invertir una buena parte del dinero de la cuenta de ahorros para la salud (HSA) en el sector de atención médica como protección contra el aumento del coste de la atención médica en el futuro.

En teoría, esta idea tiene sentido.

Nunca hemos tenido una generación tan grande como la de los baby boomers que vivan tanto tiempo como ellos. Supondría que los más de 70 millones de baby boomers eventualmente ejercerán presión sobre el sistema de atención médica, donde los precios ya están aumentando más rápido que la mayoría de las categorías a largo plazo:

Entiendo la idea, pero sería negligente si no mencionara algunos de los riesgos involucrados.

Puede echar un vistazo a los rendimientos de los sectores del S&P 500 desde 2009 clasificados de mejor a peor cada año:

Lo más importante que salta a la vista de estos números es cuán aleatorios son los rendimientos de un año a otro.

Elegir los sectores con mejor y peor rendimiento en un año determinado no es tarea fácil.

Por ejemplo, tomemos los sectores con mejor y peor rendimiento cada año y calculemos la diferencia de rendimiento de mayor a menor.

El rango promedio entre los sectores superior e inferior desde 2009 es del 40 %, lo que significa que el mejor supera al peor en un promedio del 40 % en un año determinado.

Realmente puede tener una idea de los extremos al observar los rendimientos del sector hasta la fecha para 2022.

El mejor rendimiento este año es la energía, que ha subido más del 60%. El peor rendimiento lo han protagonizado las acciones de consumo discrecional, con una caída de más del 29%.

¡Eso es una extensión del 90%!

Elija bien y podrá superar al mercado por un amplio margen. Pero elija mal y puede tener un rendimiento inferior en una cantidad incómoda.

Si bien las acciones de energía lo han hecho muy bien en los últimos dos años, no fue así de 2014 a 2020. La energía fue el sector con peor desempeño en 6 de 7 años.

En este período de 7 años, las acciones de energía cayeron un 44 %, mientras que el S&P 500 ganó más del 130 % en total.

¿O qué hay de las acciones financieras? Desde 2006 hasta 2016, el sector financiero cayó un 4 % en total, mientras que el S&P 500 subió casi un 100 %.

Por supuesto, también puede tener suerte eligiendo el sector con mejor rendimiento.

En ese mismo período de 2014 a 2020, cuando las acciones de energía cayeron un 44 %, el sector tecnológico subió más del 300 %.

La concentración conduce a resultados más amplios, tanto al alza como a la baja.

Una de las principales razones por las que puede ver tal divergencia en el desempeño del sector es porque están mucho más concentrados que el mercado en general.

Aquí hay un vistazo a la cantidad de participaciones para cada sector ETF:

Casi la mitad de estos sectores tienen 32 empresas o menos.

Curiosamente, la concentración en los sectores del S&P 500 es similar al perfil de otros mercados bursátiles desarrollados fuera de los Estados Unidos.

Este es el número de participaciones en algunos de los mercados bursátiles desarrollados extranjeros más grandes:

El MSCI Japan Index es el único con más de 90 acciones.

El mercado de valores de EE. UU. representa aproximadamente el 55 % del mercado de valores mundial, por lo que tiene sentido que muchos de los sectores sean similares en términos de tamaño y concentración a muchos de los otros mercados del mundo.

Como era de esperar, el espectro de rendimientos del mercado de valores del país se parece mucho al gráfico de rendimiento del sector:

Elegir los mejores sectores o países es probablemente más fácil que elegir las mejores acciones, pero no por mucho.

Hay muchos beneficios de invertir en fondos indexados más amplios.

Son de bajo costo, baja rotación, transparentes, fiscalmente eficientes y costes de mantenimiento bajos.

Una de las mejores cosas de la inversión indexada es que lo libera de la necesidad de elegir el sector o país con mejor desempeño.

Si está ampliamente diversificado, invertirá automáticamente tanto en los mejores como en los peores, pero los mejores compensarán con creces a los peores a largo plazo.

El oro como parte de una cartera diversificada por Greg Placsintar

• En el artículo de hoy hablaremos a grandes rasgos de lo que supone la diversificación y del Oro como parte de una cartera diversificada. Finalmente analizaremos el oro, qué ha pasado estos últimos meses y que esperamos de él en los próximos meses.
• Artículo publicado en Hispatrading.

Si queremos definir la diversificación podríamos hacerlo como la forma de invertir en diferentes activos con el objetivo de reducir el riesgo de la cartera. Hay diferentes teorías y fórmulas, pero lo importante es entender que los activos en que se invierte tienen que estar total o parcialmente descorrelacionados. De poco sirve invertir en BBVA y en Telefónica a nivel de descorrelación. Obviamente supone una pequeña diversificación (aunque solo sectorial), pero son activos bastante correlacionados. Si la bolsa baja o sube, como la beta de las dos es muy similar, las dos subirán y bajarán. Como podemos presuponer, esta no es la mejor forma de reducir el riesgo ni la volatilidad. Lo mismo sería extensible, por ejemplo, al caso de comprar bolsa americana: dentro de estar diversificando (geográficamente), lo estaríamos haciendo con un producto altamente correlacionado.

Para hacer una diversificación efectiva y real tenemos que hacerlo invirtiendo en activos que tengan una correlación cercana a 0, tanto positiva como negativa. Para diversificar se pueden combinar muchos activos, pero hay un límite después del cual, incluso subiendo la cantidad de los activos de una cartera, no se reduce el riesgo (Se llama riesgo sistémico).

Dicen algunas teorías que este número varia entre 8 y 12 activos, pero depende mucho de si son activos separados, fondos o índices sectoriales. 

Para construir una cartera eficiente, tenemos que conocer la volatilidad (varianza de los activos que lo componen), y sus correlaciones. Así podemos estimar la diversificación optima de una cartera (también llamada frontera eficiente).

En la “Figura 2” podemos ver un supuesto de cartera diversificada con 4 activos (renta fija USA, renta variable USA, oro, REIT).

Es importante señalar que las correlaciones de estos activos, que componen una cartera, varían con el tiempo. Por esta razón, la composición de la cartera tiene que ir ajustándose si queremos tener una diversificación optima y eficiente.

Una de las grandes virtudes del Esfera Seasonal Quant Multistrategy, FI es precisamente que no está correlacionado con ningún otro activo ya que desarrolla una estrategia única basada en las estacionalidades de las materias primas. Por esta razón  puede perfectamente formar parte de la diversificación de cualquier cartera eficiente, más cuando tiene una volatilidad realmente baja y, por tanto, es apto para la gran mayoría de inversores.

Oro como parte de una carretera diversificada

Se escucha mucho últimamente a quienes hablan de las carteras permanentes, que proponen estar siempre en el mercado, pero pensamos que en el caso del oro esto no es del todo cierto. Hay que saber elegir el momento, como en muchas otras inversiones, ya que el oro puede aportar rentabilidad negativa a la cartera en ciertas épocas e incluso aumentar la volatilidad. Vamos a verlo.

Para empezar, vamos a comparar el comportamiento a largo plazo de oro con el índice SP500 y los bonos americanos a 10 años (treasuries). Cogemos el VOO (ETF del SP500), el GLD (ETF de oro) y el TLT (ETF de bonos a largo plazo). La comparación empezó en el año 1974, después de que terminara el patrón oro con Nixon en el 1971. Coincide que es el primer año que tiene datos de bonos a largo plazo. “Mucho gasto por la guerra de Vietnam” 

Como se puede ver en la imagen anterior, el oro es el que peor se comporta tanto en términos de rentabilidad a largo plazo como en términos de volatilidad. Durante el periodo calculado solo sube un 5,6% anual comparado con el 10,70% del SP500 y 8,24% de los bonos.

Por supuesto tiene sus momentos, en el 1974 sube un 72%, mientras que el SP500 baja un 26%. Durante la burbuja de las punto.com el oro subió un 21% (2000-2002) mientras que el SP500 cayó un 38% y en la ultima crisis 2008, el SP500 bajó un 38% mientras que el oro solo subió un 8%. En el año 1980 el oro cotizó a 590/oz y en 2005 llegó a valer lo mismo.

En la siguiente tabla se puede ver la correlación de los tres activos. Como era de esperar la correlación con el SP500 es de solo -0,19% y con los bonos (renta fija) es de solo -0,08.

Combinar un activo siempre con otro con el que tiene una correlación casi nula o negativa no ayuda mucho si el activo en cuestión no es de retorno absoluto. Y tiene sus épocas tan malas, como el oro. Es decir, hay que saber el momento para tenerlo en cartera. 

Dejamos una tabla con los resultados de todos los años hasta el 2019.

Podemos ver la comparación de los tres productos desde inicio del año 2020 en la “Figura 6”.

Se puede observar que la renta variable, como todos conocen, ha bajado mucho. El GLD (oro) y el TLT (bonos) sí que han tenido un rendimiento positivo.

El oro puede ser una moneda refugio, incluso parece que bate a la inflación durante el periodo de comparación, pero al no tener mucha más utilidad no se debería añadir a una cartera permanente como inversión a largo plazo, ya que en muchos casos tiene rentabilidades muy negativas y añade volatilidad a la cartera. Además, muchas veces no sirve como cobertura en épocas malas, según se ha demostrado.

Por ejemplo, si nos fijamos en los datos de marzo, vemos que todos han bajado, el oro, la renta variable y los bonos. Algo increíble. A esto lo llamamos correlación total. Unos activos que a priori no se deberían mover en tándem, lo hacen y esto destroza cualquier cartera. Esta es la razón por la cual el equipo gestor del Esfera Seasonal Quant Multistrategy, FI pensamos que hay que tener oro en cartera, pero de forma selectiva y puntual. Nosotros ya hemos tomado una posición y seguiremos ponderándola mientras los factores externos nos indiquen que es razonable tenerlo porque puede aportar rentabilidad y control del la volatilidad. 

Qué ha pasado estos últimos meses y qué esperamos del ORO en los próximos meses

¿Qué pasó en marzo para que todo se correlacione?

Para poder determinar el momento adecuado para tener oro en cartera creemos que es importante saber lo que pasó en marzo y los meses anteriores con el oro.

Hay dos razones principales para esta bajada de marzo. La primera la encontramos en el mercado de futuros.

En la siguiente imagen podemos ver la posición que tenían los especuladores en marzo 2020:

Datos COT de CME: 

Barras Azules: posición de los especuladores. Podemos ver que esta posición era muy alta en estos últimos meses. 

La posición de los especuladores en este mercado está en máximos. Muchos comprados. Importante tener en cuenta que la mayoría operan apalancados, depositan una pequeña cantidad de dinero para tener una exposición al mercado mucho más alta. Un contrato de oro son 100 onzas, que a precio de mercado vienen a ser 100×1720=172.000 dólares; pero el mercado solo te pide unos 14.000 dólares de garantía para mantener una posición en el mercado de 172.000 dólares. Una barbaridad.

Línea Amarilla: el precio del oro. Se puede observar que en mayo de 2016, con una posición de los especuladores similar, el precio no pudo seguir esta subida. Lo mismo pasó en el verano de 2017 y en el primer trimestre de 2018.

El hecho de que los especuladores estén fuertemente posicionados largos a las manos fuertes no le gusta. Lo bueno de estar todos apalancados es que con un movimiento pequeño se limpia el mercado y esto es, precisamente, lo que pasó. Las manos fuertes sacuden un poco el árbol para que los que no puedan mantener garantías cierren (ya comprarán de nuevo en máximos y ayudarán a subir más el precio cuando las manos fuertes se salgan.).

Y llegó la limpieza del mercado:

Hemos visto la bajada más rápida del mercado de renta variable en años, incluso creo que podemos decir la más rápida de la historia (en días). Se ha reducido la liquidez incluso en el mercado de bonos de alta calidad y todo acompañado con una subida de volatilidad bestial.

Una subida de volatilidad conlleva la subida de los márgenes de garantías de los participantes, es decir, del dinero que todos los días deben tener en cuenta para poder tener abiertas sus posiciones apalancadas. Y como muchos operadores perdían en renta variable y en renta fija la escasez del volumen les hizo vender a peores precios, pues muchos optaron vender lo que aún estaba en beneficios y tenía liquidez. Esto arrastró al mercado en el momento en que todo fue mal. Pocas veces pasa, pero alguna vez ocurre, por esto es importante diversificar con activos adecuados un portfolio. Volviendo al tema, a finales de mayo veíamos en el oro la siguiente situación. 

Si lo comparamos con la imagen anterior del COT podemos ver que las barras azules, que representan las posiciones largas de los especuladores, estuvieron en máximos en enero y febrero. Nosotros pensábamos que el alza de precios no podía seguir. Además, se necesitaba limpiar el mercado par que ocurriera algo fuera de lo común y el mercado pudiera volver a máximos. Podemos observar que durante las liquidaciones masivas del mes de marzo, mas o menos 100.000 contratos (100000x100x1720= unos 17,2MM (mil millones nominales) han salido del mercado, dando así luz verde a que veamos nuevos máximos. Además, se han producido dos eventos más, el Coronavirus (Covid-19) que es un evento no esperado por nadie  (que además hemos visto como ha puesto contra la pared a las economías mundiales) y por supuesto, como era de esperar, los bancos centrales poniéndose todos de acuerdo en imprimir masivamente dinero (más que nunca) como remedio teóricamente infalible para salir de la crisis. Veremos en unos años cómo termina el experimento.

Además, si miramos el mercado de opciones podemos ver que incluso hay gente apostando a que el oro se vaya a 4000 $.

En el gráfico siguiente se ve que, estando el precio actual del futuro del oro sobre 1.720 $, un volumen importante de posiciones abiertas en call 2.500 de diciembre de este año, pero también en call 3.000, e incluso en call 4.000. Además, sigue habiendo un interés muy fuerte para la call 3.500 y call 4.000 de junio del 2021. Por ello, y aunque sabemos que las posiciones en opciones muchas veces suelen ser parte de una cartera más completa, combinadas con futuros o con spreads en opciones, concluimos que hay una apuesta alcista muy fuerte en el oro por parte del mercado.

En un gráfico de barras también se ven las posiciones alcistas del vencimiento de diciembre del GC (futuro del oro), con un dato también importante, un ratio Put/Call de 0,31, afianzando más aún la idea de un escenario alcista:

Y después de ver todo esto observamos el gráfico del Gold (ORO) y vemos como está acercándose a los máximos del año 2011. Pensamos que es sólo cuestión de tiempo que los sobrepase.

Un marco para el Trading y la psicología del trading por Brett N. Steenbarger

Si escucharas la conversación de un entrenador de baloncesto con un jugador, escucharías cosas sobre cómo jugar. El entrenador podría hablar sobre volver a la defensa o trabajar más duro para obtener una posición en los rebotes o tomar un alto porcentaje de tiros, pero la conversación sería sobre jugar mejor. Lo que fuera necesario abordar en términos de psicología se incluiría en el entrenamiento con respecto al juego.

Por ejemplo, si el jugador no está acertando sus tiros, el entrenador abordará la psicología dejando muy claro que él cree en ti y que nunca se te culpará por fallar un tiro. El entrenador también podría incluir una cantidad ridícula de tiros en los próximos entrenamientos. Tal entrenamiento *en gran medida* aborda la psicología, pero en el contexto del juego real.

Curiosamente, la psicología del trading rara vez se aborda de esa manera. Me parece refrescante (y desafortunadamente raro) escuchar a un entrenador de trading hablar sobre el trading real. Es como si el juego dentro de la cabeza del trader estuviera completamente separado del juego de trading y de alguna manera, mágicamente, se supone que los dos deben converger. No puedo pensar en ningún otro campo de actuación donde la psicología esté tan completamente descontextualizada.

En las próximas semanas, regresaré al trading regular y, sí, revisaré mi rendimiento y me entrenaré a mí mismo. Puede estar seguro de que no me exhortaré a realizar afirmaciones positivas; ni me diré a mí mismo, de manera genérica, que siga mi proceso y opere con disciplina. Revisaré cada operación como un entrenador de baloncesto revisa la película del juego con un equipo. Al hacerlo, la psicología se abordará dentro del contexto de lo que se hizo bien y lo que necesita mejorar. De eso se trata la práctica deliberada.

Mi marco para operar es dividir el mercado en tres componentes:

• Tendencia
• Ciclos a más largo plazo
• Ciclos de menor duración

Las transacciones se colocan en base a la suposición de que la tendencia y los componentes cíclicos que caracterizan la acción del mercado más reciente continuarán en el futuro inmediato. Esa suposición de lo que se llama estacionariedad se basa en una evaluación de la estabilidad de la participación en el mercado de un período de tiempo al siguiente. Es por esa razón que opero en ciertos momentos (que, históricamente, tienden a ser estacionarios/uniformes) y evito operar en otros.

La serie de tiempo de la acción del mercado se basa en eventos, no en el tiempo. Cuando observamos las barras en un gráfico que están denominadas por volumen, operaciones, ticks, etc., creamos más series de tiempo estacionarias y podemos encontrar un comportamiento cíclico más uniforme dentro de los mercados.

Al final del día, busco comprar valles de ciclos en mercados alcistas y vender máximos de ciclos en mercados bajistas. No tengo macrohistorias particulares que contarme a mí mismo o diagramas de patrones para adivinar.

Espero poder ilustrar mi trading y mi psicología del trading. Lo más importante no es el marco temporal que utilizo, sino la integración de la psicología con el trading real. Nos desarrollamos psicológicamente haciendo las cosas de manera diferente. No hay desarrollo psicológico significativo aparte del hacer.

Bitcoin: julio podría ser uno de los meses más críticos de su historia por Logan Kane

• Julio será uno de los meses más importantes en la historia de Bitcoin.
• Se espera que la SEC tome una decisión sobre si permite que Grayscale Bitcoin Trust se convierta en un ETF de Bitcoin al contado, lo que podría desbloquear miles de millones en valor para los titulares de GBTC.
• Un voto de aprobación legitimará a Bitcoin como una clase de activo y allanará el camino para que los hogares compren Bitcoin con una relación de gastos baja y unos pocos clics.
• GBTC cotiza con un 30 % de descuento respecto al NAV, lo que ofrece una operación al alza con un plazo de 4 a 6 semanas. O el mercado sabe algo que nosotros no sabemos, o la falta de capital de arbitraje tradicional en el criptomercado hace que esta sea una oportunidad atractiva.
• Qué hay de nuevo en criptomonedas, desde la sacudida de altcoin hasta una posible represión de las monedas estables.

¿Qué está pasando con Bitcoin?

Bitcoin se encuentra en una encrucijada. Contra todo pronóstico, una moneda digital respaldada por unos pocos excéntricos libertarios se convirtió en un fenómeno global y acumuló más de medio billón de dólares en capitalización de mercado. Durante la última década, Bitcoin convirtió a decenas de miles de soñadores en multimillonarios. $ 10.000 invertidos en Bitcoin en 2015 ahora valdrían aproximadamente $ 1.4 millones, si aguantó la quiebra en 2018.

Pero en el camino, los tiburones y los estafadores vinieron a alimentarse, acuñando miles y miles de monedas de imitación, muchas de las cuales ahora están perdiendo valor. Los gobiernos han estado aceptando notablemente el Bitcoin, gravándolo como propiedad a tasas de ganancias de capital a largo plazo en lugar de tasas más altas como coleccionable. Pero la sacudida en curso con altcoins y stablecoins pondrá a prueba esta determinación, al igual que una campaña regulatoria clave de Grayscale Investments para obtener la aprobación del primer ETF de bitcoin ( OTC:GBTC ). Se espera que Grayscale obtenga una decisión sobre su conversión a ETF antes del 6 de julio, lo que desbloquearía miles de millones en valor para los accionistas de GBTC si se aprueba.

Lo bueno: una posible aprobación de ETF de Bitcoin al contado

Grayscale Investments fue uno de los primeros players que entró en el mundo de las criptomonedas. Con sede en la ciudad de Nueva York, su modelo de negocios era bastante simple: brindar a los inversores e instituciones de alto valor neto una forma de invertir en criptomonedas al tiempo que garantiza la seguridad física de la inversión contra problemas como piratas informáticos y claves perdidas. Lanzaron el fondo GBTC en 2013 e hicieron muchas ofertas privadas a lo largo de los años. Obtuvieron la aprobación para operar en 2015.

Durante la locura del Bitcoin, el precio OTC se negoció con una gran prima en comparación con los precios de las ofertas privadas, lo que les dio a los inversores inteligentes una forma de ganar dinero comprando acciones en ofertas privadas, esperando de 6 a 12 meses para cumplir con el bloqueo y vendiendo en el mercado abierto, embolsando enormes primas a NAV además de la apreciación masiva de Bitcoin.

Más recientemente, estas grandes primas se han convertido en un descuento NAV: GBTC ahora cotiza por menos que el Bitcoin subyacente en el fideicomiso. Grayscale ha tratado de arreglar esto con la recompra de acciones (que en realidad no funcionó), pero el plan final es convertirse a un ETF abierto que les permitirá comprar acciones y canjearlas inmediatamente por BTC, lo que hace que el precio de mercado de $ 20 por acción pueda ser aproximadamente de $ 29.

¿Cuál es el truco? Bueno, el problema es que tienen que obtener la aprobación de los reguladores para convertir a un ETF de bitcoin al contado, que ha sido un proceso de aproximadamente 9 meses. GBTC presentó su solicitud el año pasado, y se espera que la SEC se pronuncie antes de la fecha límite del 6 de julio. La propuesta cuenta con un amplio apoyo público, como lo demuestran las miles de cartas que el público ha enviado a la SEC. Además, hay registros de varias reuniones que Grayscale ha tenido con la SEC, y el medio de comunicación hermano de Grayscale, CoinDesk , lo calificó de «productivo«.

Si compra GBTC ahora y se aprueba, obtendrá aproximadamente el 45% de su inversión. Si la SEC niega la petición, todavía tiene $ 1 de Bitcoin por ~ 70 centavos, menos la tarifa de administración anual del 2% que paga mientras tanto, además Grayscale probablemente apele a la corte federal.

No sé si esto será aprobado, pero creo que la probabilidad es algo más que 50/50 y probablemente más cerca a 75/25. Los precios de mercado no reflejan mucho las probabilidades reales en el mercado de criptomonedas porque simplemente no hay mucho capital de arbitraje circulando para suavizar las disparidades. También correría un riesgo de precio en BTC al realizar esta operación, pero con solo un mes hasta la decisión, creo que el riesgo no es demasiado grave. El talón de Aquiles de las operaciones de valor relativo que he realizado en el pasado es tener dinero inmovilizado: el valor sigue ahí, pero las cosas se prolongan y mi capital ha estado inmovilizado durante más tiempo del que quería, reduciendo los rendimientos con el tiempo. Aquí, se trata de un mes, ganes o pierdas, y si pierdes, hay alguna posibilidad de que puedas volver y ganar más tarde.

Veremos qué pasa. Marque sus calendarios para el 6 de julio y, si es valiente, compre Grayscale para obtener un rendimiento potencial del 45 % en un mes. Si se aprueba, algún día estará en los libros de texto de finanzas como un momento crucial en la historia de Bitcoin. Es posible que el mercado sepa algo que nosotros ignoramos, pero las señales apuntan a que se aprobará la conversión del ETF.

Lo malo: el caos de las altcoins

Escribí en la última sección que los precios no reflejan mucho las probabilidades en el criptomercado.

Bueno, luego está Luna ( LUNC-LUNA-USD ) y su moneda estable hermana TerraUSD, que colapsó espectacularmente el mes pasado, acabando con decenas de miles de millones en capitalización de mercado.

LUNA Colapso

¿Quieres otra vuelta al tiovivo? Luna está de vuelta ahora como Luna 2 ( LUNA2-USD ). Hasta ahora ha bajado otro 50%, pero nunca se sabe lo que depara el futuro.

En otras noticias, Bloomberg ha informado que Binance está siendo investigado por su oferta de Binance Coin ( BNB-USD ) en 2017. Binance también está siendo investigado por uso de información privilegiada y, potencialmente, por no ofrecer a los clientes los mejores precios para sus criptoórdenes. Esto se suma a una investigación existente sobre lavado de dinero que Bloomberg informó anteriormente.

Hay personas muy conocidas en el mundo de las criptomonedas que han acumulado grandes fortunas. Pero los nerds idealistas que iniciaron la criptocomunidad fueron rápidamente desplazados por tiburones que hablan rápido. Dogecoin ( DOGE-USD ) fue la más triste de todas, con un cofundador vendiendo todo lo que tenía en la moneda para comprar un Honda Civic, mientras que los estafadores y vendedores capitalizaron su éxito.

Stablecoins como Tether ( USDT-USD ) y USCoin ( USDC-USD ) han sido objeto de mucha especulación (especialmente Tether). Es muy difícil saber con certeza quién no dice la verdad sobre sus activos y qué tan cortos están, pero los mercados bajistas tienen una manera de forzar la verdad a la vanguardia, y la industria colectivamente está en muchos problemas.

Línea de fondo

Creo que el impacto en Bitcoin de la reorganización en curso será algo, en última instancia, temporal pero caótico. Si BTC cae un 30% en un día en algún momento porque colapsa alguna moneda estable, creo que debería comprar la caída. Aquellos de nosotros que compramos antes tenemos una visión diferente del riesgo porque nuestra base de costos es generalmente baja y hemos cobrado más dinero del que hemos puesto, pero los nuevos inversores deben saber que Bitcoin podría alcanzar fácilmente los $ 10,000 y los $ 100,000 en los próximos años y prepararse en consecuencia.

De repente, todos se fijan de nuevo en este sector por Sentimentrader

Tal vez la larga pesadilla finalmente haya terminado para las acciones de tecnología china…

El cambio de humor entre los inversores y los medios de comunicación es pronunciado. No hace mucho tiempo, se creía que estas acciones no eran invertibles (lo mismo que dijeron sobre las accione de energía hace dos años). Estos son todos los titulares de los principales medios desde mediados de marzo hasta principios de abril:

Ahora, está comenzando a descongelarse a medida que los medios se enfocan en los cambios de política y el aumento de los precios de las acciones. Cada vez más, vemos un impresionante interés de compra en estas acciones. Es cierto que hemos tenido otros comienzos en falso en los últimos seis meses, pero ninguno provino de una caída tan espectacular como la que vimos a mediados de marzo.

Por primera vez en lo que parece una eternidad, las acciones «más que cero» han subido por encima de sus medias móviles de 200 días. Eso es un poco exagerado ya que no todas las acciones se han fijado por debajo de su media a largo plazo. Pero ha estado cerca.

Esta es la primera vez en casi un año que incluso el 15% de las acciones en el CSI China Overseas Internet Index han subido por encima de sus medias, mucho más que cualquiera de las otras caídas que han sufrido estas acciones.

No hay un gran histórico, solo unos 15 años. Por lo tanto, el tamaño de muestra para casi cualquier extremo será pequeño, y esta no es una excepción. Las otras tres ocasiones precedieron a ganancias de dos dígitos en los siguientes meses.

¿Nos dirigimos hacia una recesión de resultados empresariales? [DIRTY DOZEN] por Alex Barrow

Conozca sus fortalezas cognitivas por Brett N. Steenbarger

¿Cómo procesa mejor la información?

¿Alguna vez se ha tomado el tiempo necesario para comprender cuáles son sus fortalezas cognitivas?

¿Qué tan consistentemente juega con sus fortalezas de procesamiento de información en sus operaciones?

Cuando estudias tu mejor aprendizaje, cuando estudias tus mejores operaciones, puedes descubrir tu mejor procesamiento de información.

Actualmente estoy escribiendo un nuevo libro. Para escribir cada capítulo, leo varios libros al mismo tiempo sobre el tema que quiero cubrir. De los muchos autores que leo, algunos temas comunes saltan a la vista, me golpean temas particulares. Esos son los que luego escribo. Mi mayor fortaleza en el procesamiento de información es sintetizar mucha información y encontrar hilos comunes.

Durante mis mejores operaciones, observo múltiples fuentes de información, múltiples marcos de tiempo y múltiples mercados y espero que se destaquen los patrones. Esos son los que opero. Mi peor trading se produce cuando analizo una o dos cosas en lugar de sintetizar muchas.

Muchos traders afirman que necesitan cambiar sus personalidad. En realidad, solo necesitan cambiar sus cerebros.

Para los inversores en acciones, 2022 ha sido horrible por Sentimentrader

Ha sido aún peor para los tenedores de bonos, que se acostumbraron a ganancias lentas y constantes. Los bonos generalmente sirvieron para compensar las pérdidas en las acciones, pero no este año.

Ha sido brutal, y las pérdidas han pesado sobre el estado de ánimo de los inversores. Ahora, con un ritmo constante de noticias sobre la caída de acciones, bonos y criptomonedas, el pesimismo de los inversores se ha extendido a los hogares estadounidenses en general.

En los EE. UU., los hogares ahora odian las acciones en un nivel que rara vez se ha igualado en 35 años. Según el Conference Board, el porcentaje neto de consumidores que esperan que las acciones suban frente a que bajen es el más bajo en más de una década.

Pero odian los bonos aún más…

Si combinamos el sentimiento de acciones y bonos, ahora es el más bajo de la historia. Nunca antes en 35 años más consumidores habían esperado que cayeran tanto las acciones como los bonos.

Cada vez que el sentimiento combinado llegó casi tan bajo en el pasado, tanto las acciones como los bonos se recuperaron. Todos esos inversores 60/40 que se vieron atraídos por las ganancias constantes en las últimas décadas esperan que la historia se repita.

Los peores años para una cartera 60/40 por Ben Carlson

En un artículo reciente analicé los peores años en la historia del mercado de valores porque, bueno, hasta ahora este es uno de los peores años en la historia del mercado de valores.

Si el año terminara ahora, estaríamos entre 1973 y 1941.

Como señalaron muchos de mis astutos lectores, el seguimiento lógico aquí es mirar los peores años para una cartera más diversificada para ver el peor de los escenarios para una cartera 60/40.

Veamos los peores rendimientos anuales para una cartera 60/40 de EE. UU. ¹ que se remonta a 1928:

Muchos de los peores años para una cartera 60/40 son los mismos que los peores años para el mercado de valores de EE. UU., lo cual tiene sentido ya que el 60 conlleva mucho más riesgo que el 40 en esta ecuación.

Y mientras que el 13% actual y la pérdida por cambio en el S&P 500 hasta la fecha sería el octavo peor rendimiento del año calendario desde 1928, es aún peor para la cartera 60/40 en este momento.

Si el año terminara hoy, el rendimiento actual hasta la fecha de -12,1 % para una cartera 60/40 sería el sexto peor rendimiento anual de los últimos 100 años aproximadamente.

Dado que los bonos están pasando por un mal momento durante una corrección en el mercado de valores, este año está actualmente a la par con 60/40 de rendimiento en 2008 y 1930.

No es el tipo de compañía que quieres tener.

Por supuesto, llevamos sólo 5 meses completos en el año. E incluso si el año terminara donde estamos ahora (o peor), es solo un año.

Debe esperar tener malos años al invertir porque invertir no siempre es fácil a corto plazo.

¿Qué pasa con los rendimientos a más largo plazo (los únicos que realmente importan)?

Estos son los peores rendimientos a 5 años para una cartera 60/40:

Así que estamos viendo cuatro veces durante un período de 5 años cuando la cartera 60/40 fue negativa durante 5 años y todos se dieron durante o alrededor de la Gran Depresión.

Ahora vamos a analizar una serie de 10 años:

Según mis cálculos, nunca ha habido un rendimiento negativo durante 10 años para una cartera 60/40 al final de un año calendario.

¿Podría pasar?

Por supuesto.

No existe tal cosa como siempre o nunca en los mercados financieros.

Aún así, ese es un historial bastante decente.

¿Qué tal uno más?

Aquí están los peores rendimientos de 20 años:

Al igual que con la mayoría de los peores números de rendimiento histórico, el punto de partida para la parte inferior del estudio fue 1929.

Es interesante que los años que terminan en 2018 y 2019 estén en esta lista. El punto álgido de la burbuja de las puntocom tampoco fue un gran punto de entrada.

Vale la pena señalar que el rango de rendimientos anuales para los peores 20 años enumerados aquí para una cartera 60/40 es de 3,4% a 6,0%.

No estoy teniendo en cuenta las comisiones, los impuestos o la inflación, pero esto sigue siendo bastante bueno para el peor de los casos, ¿verdad?

Me pregunto cuántos inversores se inscribirían en un 6% garantizado por año durante las próximas 2 décadas en este momento.

El rendimiento pasado no es indicativo de rendimientos futuros, pero a veces es útil alejarse un poco cuando se está en medio de un año terrible.

Extender su horizonte temporal sigue siendo una de las estrategias de inversión más poderosas cuando todo lo demás falla.

¹ La cartera 60/40 es 60 % en el S&P 500 y 40 % en bonos del Tesoro a 10 años según datos de NYU que uso regularmente. Todos los rendimientos en este artículo son números de rendimiento de fin de año calendario.

Introducción y ejemplos de la simulación de Monte Carlo [Estudio] por Quantpedia

El método de Monte Carlo (simulaciones de Monte Carlo) es una clase de algoritmos que se basan en un muestreo aleatorio repetido para obtener resultados de varios escenarios. Las simulaciones de Monte Carlo se utilizan para predecir la probabilidad de diferentes resultados cuando sería difícil utilizar otros enfoques, como la optimización. El objetivo principal es crear escenarios alternativos, que den cuenta de los posibles riesgos y ayuden a la toma de decisiones. Las simulaciones se utilizan en varios campos, desde las finanzas y el análisis cuantitativo hasta la ingeniería o la ciencia. Planeamos presentar nuestro nuevo informe «Monte Carlo» para los clientes de Quantpedia Pro en los próximos días, y este artículo es nuestra introducción a las diferentes metodologías que se pueden usar para el cálculo de Monte Carlo.

Las simulaciones de Monte Carlo son una herramienta útil tanto para la gestión de riesgos como para la gestión de carteras. Los gestores de riesgos pueden calcular un presupuesto adecuado para una posible estrategia de inversión cuantitativa, mientras que los gestores de cartera pueden establecer sus expectativas con mayor precisión y realizar fácilmente un análisis de sensibilidad de sus estrategias. Las simulaciones de Monte Carlo son una opción para crear un sinfín de escenarios alternativos en los que probar tus estrategias. Su principal ventaja es que van más allá de los datos históricos y más bien alteran la historia de forma artificial.

Estrategia subyacente

En nuestro análisis, aplicamos simulaciones Monte Carlo a una estrategia de inversión cuantitativa. Más específicamente, utilizamos una estrategia de trading denominada factor de inversión de asimetría de retorno en futuros de materias primas . La estrategia se basa en la idea de que a mayor (menor) asimetría alcista se asocia una menor (mayor) rentabilidad esperada, analizada en numerosos estudios teóricos.

La estrategia de futuros de materias primas de Quantpedia tiene como objetivo examinar la asimetría de rendimiento en los futuros de materias primas de una manera un poco menos tradicional. En lugar de utilizar la asimetría como indicador de la asimetría de retorno, nos basamos en una nueva medida asimétrica IE propuesta por Jiang et al. (2020), que utiliza la diferencia entre las probabilidades de retorno al alza y a la baja para aprovechar el grado de asimetría.

En cuanto al universo de inversión, la estrategia sigue a Padyšák y Vojtko (2019). Su conjunto de datos de materias primas ofrece una amplia exposición al mercado de materias primas. La cartera se construye sobre la medida asimétrica de la siguiente manera. Al comienzo de cada mes, la asimetría de cada producto (IE) se calcula utilizando los últimos 260 rendimientos diarios. Después, las materias primas se clasifican de acuerdo con su IE. La cartera se coloca en largo en las cuatro materias primas inferiores con el IE más bajo en el mes anterior y en corto en las cuatro materias primas principales con el IE más alto en el último mes (los empates en los rangos pueden cambiar esto).

Tipos de simulación de estrategia de Monte Carlo

Hay varios tipos de aplicaciones de Monte Carlo en estrategias de trading cuantitativas. Nos centraremos en las diferentes formas de aleatorizar los rendimientos de la estrategia. En este artículo cubrimos los más prácticos y más utilizados:

• Muestreo de Monte Carlo sin reemplazo
• Muestreo de Monte Carlo con reemplazo
• Alteraciones de retorno de Monte Carlo
• Comparación con estrategias aleatorias

Ahora, podemos (y lo hacemos) aplicar cada uno de estos a:

• Rentabilidades periódicas de la estrategia (p. ej., rentabilidades mensuales) o
• Retorno comercial de la estrategia

Con rendimientos de período es más un enfoque de serie de tiempo, mientras que con rendimientos es más un punto de vista clásico de P&L de negociación.

Análisis

Como ya mencionamos, aplicamos simulaciones de Monte Carlo a una estrategia ya existente. La siguiente figura muestra el rendimiento acumulado de la estrategia original inalterada y también sus características de riesgo y rentabilidad.

Nuestro análisis consta de tres partes, cada una de las cuales incluye múltiples enfoques para las simulaciones de Monte Carlo:

• La primera parte analiza los rendimientos mensuales de la estrategia y aplica los tres primeros métodos Monte Carlo mencionados anteriormente.
• La segunda parte hace lo mismo, pero utilizando devoluciones comerciales.
• Finalmente, la tercera parte presenta la comparación de la estrategia original contra estrategias aleatorias

Simulaciones de Monte Carlo de los rendimientos mensuales de la estrategia

En la primera sección, analizamos los rendimientos mensuales de la estrategia subyacente. En primer lugar, creamos un vector de rendimientos mensuales. Luego tomamos tres enfoques de las simulaciones de Monte Carlo para crear nuevos vectores.

Muestreo de Monte Carlo sin reemplazo

Este método de Monte Carlo solo cambia el orden de las rentabilidades, es decir, “reorganiza” las rentabilidades. La suposición principal detrás de este método es que los rendimientos permanecerán iguales (o similares) pero su orden de ocurrencia puede cambiar.

Técnicamente estamos hablando de un muestreo aleatorio simple sin reemplazo (reorganización de los datos). Creamos 100 nuevas muestras de la misma longitud aplicando aleatorización sin reemplazo. Básicamente, reorganizamos los datos 100 veces para crear 100 vectores nuevos y calculamos los rendimientos acumulativos de las estrategias simuladas. Para una mejor claridad visual, la siguiente figura muestra solo 50 de las 100 simulaciones.

Al utilizar el muestreo aleatorio de Monte Carlo sin reemplazo, la volatilidad de las estrategias simuladas será siempre la misma que la de la estrategia original. Además, el rendimiento acumulado será lógicamente muy similar, porque solo cambiamos el orden de los rendimientos y la única forma en que el rendimiento puede diferir es debido a la capitalización. El atributo más interesante de observar en este método de Monte Carlo es la reducción. El drawdown puede cambiar (y también cambia en nuestro caso) significativamente cuando cambiamos el orden de los rendimientos.

La figura anterior presenta varias realizaciones aleatorias de reorganización de órdenes de rentabilidad. La figura también muestra que la estrategia original se encuentra aproximadamente en el medio de las estrategias simuladas la mayor parte del tiempo, exactamente como se esperaba. Calculamos los percentiles 95, 75, 50, 25, 10, 5, 1 y 0 de la característica de riesgo y rendimiento para ver exactamente qué tan bien se desempeña en comparación con las simulaciones.

Curiosamente, más del 95% de las realizaciones aleatorias tienen una cifra de drawdown más baja (mejor) que la estrategia original. Esto sugiere que el drawdown de la estrategia original puede ser una cifra un poco conservadora.

Además, la siguiente figura presenta un conjunto de histogramas que muestran la frecuencia de las características individuales de riesgo y rendimiento en nuestras 100 simulaciones. Solo hay un valor único para la volatilidad porque aplicamos el muestreo aleatorio sin reemplazo.

Muestreo de Monte Carlo con reemplazo

Este método de Monte Carlo no solo cambia el orden de las rentabilidades, sino que también omite o repite aleatoriamente las rentabilidades de la estrategia original. La suposición principal detrás de este método es que la distribución de la rentabilidad permanecerá igual (o similar), pero la rentabilidad puede cambiar de manera más significativa.

Técnicamente, estamos hablando de un muestreo aleatorio con reemplazo. Creamos 100 nuevas muestras de la misma longitud que el vector original de retornos aplicando aleatorización de retornos con reemplazo. Luego calculamos los rendimientos acumulados de las estrategias simuladas. Para mayor claridad, la siguiente figura muestra nuevamente solo 50 de las 100 simulaciones.

El muestreo de Monte Carlo con reemplazo crea mucha más variedad en los retornos de estrategias simuladas. Es lógico que la aleatorización con reemplazo pueda dar lugar a la repetición de varios meses sin éxito, así como a varios meses con éxito seguidos. Con este método también simulamos cambios en la volatilidad y en los rendimientos acumulados.

Una vez más, como era de esperar, la mayor parte del tiempo la estrategia original parece estar en medio de las estrategias simuladas. Nuevamente, calculamos los percentiles 95, 75, 50, 25, 10, 5, 1 y 0 de la característica de riesgo y rendimiento para ver qué tan bien funcionó la estrategia original.

Al observar el rendimiento acumulado, la volatilidad y la relación de Sharpe, el rendimiento de la estrategia original se encuentra entre el percentil 25 y el 50. Esto indica que más de la mitad de las alteraciones aleatorias de la estrategia son finalmente mejores que la estrategia original. Cuando observamos el drawdown máximo o el drawdown del 95 %, una vez más son mejores que la estrategia original en más del 95 % de los escenarios. Esto definitivamente es alentador para la estrategia original. Además, presentamos un conjunto de histogramas que muestran la frecuencia de las características individuales de riesgo y rendimiento.

Alteraciones de retorno de Monte Carlo

Este método de Monte Carlo cambia los rendimientos elegidos al azar en una dirección aleatoria en una cantidad preestablecida. La suposición principal detrás de este método es que los rendimientos pueden simplemente volverse más pequeños o más grandes en el futuro. Es útil observar la sensibilidad de la estrategia a tal escenario.

Técnicamente, cambiamos X% de los datos por Y% . Entonces, en el primer paso, elegimos aleatoriamente el X% de los rendimientos, y luego agregamos al azar Y% o restamos Y% del rendimiento mensual elegido en el segundo paso.

Por ejemplo, si las rentabilidades mensuales fueran (0,5%, 1%, -2,5%, -3%, 0,5%, 1,5%), X = 0,5 (50%) e Y = 0,02 (2%). Una de las simulaciones podría ser (2,5%, -1%, -2,5%, -5%, 0,5%, 1,5%). El proceso se repite 100 veces con los mismos X e Y para todas las simulaciones y se calculan los rendimientos acumulativos.

Usamos X = 0.5 (50%) e Y = 0.02 (2%) en todas nuestras simulaciones. Para mayor claridad, la siguiente figura muestra solo 50 de las 100 simulaciones.

Lógicamente, al cambiar la mitad de los rendimientos, solo aumentamos la volatilidad de las simulaciones la mayor parte del tiempo. Esto también se puede observar en los resultados empíricos. Lo mismo se aplica al drawdown. Por otro lado, los retornos oscilan alrededor de la estrategia original, como se esperaba.

Una vez más, el rendimiento de la estrategia original está en el medio de las estrategias simuladas, esta vez exactamente como se esperaba. A continuación, calculamos varios percentiles de la característica de riesgo y rendimiento para ver qué tan bien se desempeñó la estrategia original en comparación con las simulaciones de Monte Carlo.

Por último, presentamos un conjunto de histogramas que muestran la frecuencia de los valores individuales de las características de riesgo y retorno.

Simulaciones de Monte Carlo de las operaciones

En la segunda sección, aplicamos los 3 métodos analizados anteriormente, sin embargo, no a simples rendimientos mensuales como los anteriores, sino a los resultados de las operaciones individuales de nuestra estrategia. Por «una operación» entendemos el retorno de una posición larga o corta para cada producto individual. Es interesante observar las diferencias entre observar únicamente los rendimientos mensuales agrupados de la estrategia y observar los rendimientos de operaciones individuales.

Muestreo de Monte Carlo sin reemplazo

Analizamos los mismos tres enfoques para las simulaciones de Monte Carlo. El primero es un muestreo aleatorio simple de transacciones sin reemplazo. Para mayor claridad, la siguiente figura muestra solo 50 de las 100 simulaciones:

Al muestrear los rendimientos de las operaciones sin reemplazo, la volatilidad de las estrategias simuladas puede o no ser la misma que la de la estrategia original. Esto depende de la construcción de la estrategia. En nuestro caso varía ligeramente. Lo mismo se aplica a los rendimientos generados por estas simulaciones comerciales de Monte Carlo. Drawdown es lógicamente completamente diferente por definición.

La siguiente tabla muestra los percentiles de las características de riesgo y retorno de las simulaciones y las características de riesgo y retorno de la estrategia original.

Podemos observar el mismo fenómeno que con los rendimientos mensuales: en la mayoría de las simulaciones, la cifra de drawdown es mejor que para la estrategia original. Además, también trazamos los histogramas con las frecuencias de los valores de las características de riesgo y retorno.

Muestreo de Monte Carlo con reemplazo

En segundo lugar, muestreamos 100 matrices nuevas aplicando muestreo con reemplazo a las operaciones. Se calculan los rendimientos mensuales de cada una de las 100 nuevas estrategias y se grafican los rendimientos acumulados. Para mayor claridad, la siguiente figura muestra solo 50 de las 100 simulaciones:

El muestreo con reemplazo siempre produce una mayor dispersión en los resultados en comparación con el muestreo Monte Carlo sin reemplazo. Este es también el caso de las rentabilidades en la simulación. Podemos observar que la volatilidad de las simulaciones de Monte Carlo es notablemente mayor y existen múltiples valores atípicos en los rendimientos simulados.

La tabla muestra que la cifra de drawdown máximo aún tiende a ser mejor para la mayoría de las simulaciones.

Alteraciones de retorno de Monte Carlo

El tercer enfoque cambia el X% de las transacciones por Y% . El proceso se repite 100 veces con las mismas X (50%) e Y (2%) para todas las simulaciones y se calculan los rendimientos de las estrategias simuladas. Para mayor claridad, la siguiente figura nuevamente muestra solo 50 de las 100 simulaciones:

En nuestro caso, la alteración del rendimiento de Monte Carlo no da como resultado una gran variación de las curvas de equidad simuladas. La razón es la construcción de nuestra estrategia (operaciones de igual ponderación) que en su mayoría promedia nuestras alteraciones de retorno aleatorias.

Esta vez, la conclusión de este análisis es bastante neutral. La mediana de las simulaciones de Monte Carlo oscila aproximadamente en torno a la estrategia original en todas las métricas de rendimiento. Además, podemos analizar los siguientes histogramas que muestran las frecuencias de valores de riesgo individual y características de retorno.

Comparación con estrategias aleatorias

Este método de Monte Carlo se utiliza para crear un conjunto de estrategias aleatorias con las que comparar la estrategia original. Se basa en la suposición de que su estrategia original debería superar a la mayoría de las estrategias aleatorias .

Nuevamente utilizamos datos sobre transacciones individuales. Técnicamente, en primer lugar, elegimos al azar qué materias primas se comercializan cada mes. En segundo lugar, apostamos aleatoriamente en posiciones largas, cortas o en efectivo con cada materia prima elegida. El proceso se repite de nuevo 100 veces. Para mayor claridad, la siguiente figura muestra solo 50 de las 100 simulaciones:

Comparación de diferentes métodos Monte Carlo

Analizamos y presentamos los resultados de 4 métodos diferentes de simulación de Monte Carlo aplicados a una estrategia de trading de futuros de materias primas. Los aplicamos a ambos: rendimientos mensuales de la estrategia y operaciones individuales individuales de la estrategia.

Rentabilidades mensuales frente a operaciones individuales

La elección de utilizar rendimientos de series temporales (por ejemplo, mensuales) o rendimientos de operaciones depende en gran medida de sus necesidades. Si usted es un swing trader que se enfoca en cada operación por separado, entonces probablemente los análisis serían más adecuados para usted. Por otro lado, si usted es un inversor diversificado que promedia diferentes activos o diferentes enfoques, entonces los rendimientos de series de tiempo (rendimientos de períodos) deberían ser más fáciles de usar.

Simulaciones de estrategia de Monte Carlo sin reemplazo

Una de las simulaciones de Monte Carlo más suaves para estrategias de trading es el muestreo sin reemplazo. Este método solo cambia el orden de las rentabilidades. Por lo tanto, no cambia la volatilidad, ni el rendimiento promedio. Es principalmente útil para el análisis del drawdown y para el examen de las formas de las curvas de equidad de las estrategias. Es test de estrés para aquellos que esperan rendimientos similares para la estrategia en el futuro, simplemente ocurriendo en diferentes momentos.

Simulaciones de estrategia de Monte Carlo con reemplazo

El muestreo de Monte Carlo con reemplazo es probablemente el método más utilizado para simular escenarios hipotéticos de estrategias cuantitativas. Mediante el uso de simulaciones con reemplazo, creamos varias «nuevas historias» y aleatorizamos también el retorno y el riesgo de la estrategia. Lo utilizan aquellos que creen que los rendimientos de la estrategia se distribuirán de manera similar en el futuro, pero que no creen que serán iguales.

Alteración de retorno de Monte Carlo

La alteración de Monte Carlo de los rendimientos de la estrategia es básicamente un análisis de sensibilidad y debe usarse y percibirse como tal. Ayuda a analizar qué tan grande es el impacto de los cambios aleatorios preespecificados en una parte preespecificada de los rendimientos de la estrategia. Cuanto menos deteriorados estén los resultados de la simulación, mejor.

Comparación con estrategias aleatorias

Probablemente todo el mundo conoce al mono de Malkiel ganando a los mercados bursátiles. Siempre es útil echar un vistazo al rendimiento de su estrategia frente a estrategias aleatorias. Y este es exactamente el propósito de este método Monte Carlo. Lógicamente, uno esperaría que su estrategia supere a las variantes aleatorias de manera clara. 

Conclusión

Presentamos, explicamos y analizamos múltiples enfoques para las simulaciones de Monte Carlo. También realizamos un estudio de caso real de simulaciones de Monte Carlo aplicadas a una estrategia de negociación de futuros de materias primas.

Diferentes métodos de Monte Carlo pueden ser valiosos para diferentes usuarios finales. Es crucial entender cómo funcionan y cómo interpretarlos.

Autora:
Daniela Hanicova, analista cuántica, Quantpedia

Todos piensan que esto es solo otro repunte dentro de un mercado bajista por Sentimentrader

A finales de marzo de 2020, los impulsos en el interés de compra fueron impresionantes. A pesar de que la pandemia estaba en todo su apogeo, los inversores estaban volviendo a las acciones con una fuerza abrumadora.

Pero casi todos los técnicos se burlaron de estos impulsos como «no oficiales» porque no cumplían con algunas reglas arbitrarias, seleccionadas y demasiado optimizadas.

Pues bien. Está sucediendo de nuevo. Hay aún más escepticismo de que esto sea real. La cantidad de artículos que descartan las ganancias como otro «repunte dentro de un mercado bajista» es casi el doble del récord anterior de principios de abril de 2020.

En los tres días previos al feriado cambiario de la semana pasada, más del 80 % del volumen en la Bolsa de Nueva York fluyó hacia acciones en alza. Por lo general, no vemos este tipo de comportamiento durante los mercados bajistas… y sí generalmente al final de ellos.

De hecho, la única vez en 60 años en que hubo una racha más larga de este increíble interés de compra fue en octubre de 1982, durante la segunda fase del inicio de una de las tendencias alcistas más grandes de la historia.

Aún más importante. Este último impulso viene inmediatamente después de lo que había sido un mínimo de 52 semanas en el S&P 500. Un comportamiento similar se desencadenó solo otras tres veces. En todas las ocasiones se terminaron los mercados bajistas.

¿Es posible aprovechar los movimientos institucionales de las “Dark Pools”? por Sergio Nozal

• En este artículo hablaremos de la forma en que los grandes bancos y fondos operan en los mercados sin generar mucho ruido, a través de las “Dark Pools”. ¿Puede el inversor “retail” beneficiarse de ello? Veremos cómo hacerlo.
• Artículo publicado en Hispatrading 50.

“Dark Pools”, en castellano Piscinas Oscuras, también llamadas “Black Pools”, son foros privados o Sistemas Alternativos de Trading (ATS), donde las instituciones realizan sus grandes operaciones.

Este tipo de zonas de intercambio están cerradas al público en general, y en ellas se operan principalmente “equities”, derivados y otras inversiones alternativas.

Sus principales usuarios son bancos e instituciones, como JPMorgan, UBS, Credit Suisse entre otros. Y se caracterizan porque son poco transparentes, y eso es precisamente lo que las hace atractivas para estos grandes jugadores.

Otra de las grandes ventajas de estas “piscinas” es la liquidez. Los grandes inversores pueden hacer grandes bloques de operaciones sin apenas mover el precio de cotización. Además, hasta que la orden no está puesta en el mercado, no tienen que reportar nada.

Si este tipo de operaciones se hicieran en mercados de intercambio abiertos, como el NYSE, producirían grandes movimientos en las cotizaciones.

En cualquier caso, las “Dark Pools” son entes legales y que están reguladas por la SEC.

Un poco de Historia

Las primeras “dark pools” datan de la década de los 80. Por aquél entonces, y hasta el 2004, el volumen de operaciones a través de estos foros era mínimo, entre el 3 y el 5%.

En 2005, la SEC introdujo una regulación (Regulation National Market Systems), con la cual se busca que los inversores consigan el mejor precio posible, incentivando la competición en la industria.

Fue a partir de ese año cuando las empresas empiezan a invertir en tecnología con tal propósito, buscando la mayor velocidad de ejecución, y también dando lugar al Trading de Alta Frecuencia. Y por supuesto, en paralelo, a la creación de numerosas Dark Pools.

Actualmente, se estima que el volumen de operaciones a través de las “dark Pools” es superior al 40%, con una gran actividad de trading de alta frecuencia.

Aunque hay “dark pools” gestionadas por compañías privadas, la mayoría de ellas son extensiones de los propios bancos de inversión.

Digamos que cada banco o institución financiera de renombre tiene su propia “dark pool”, ya sea para sus propias operaciones o para buscar contrapartida con otros bancos.

Algunos ejemplos son JPMorgan, BNP Paribas, Fidelity, Goldman Sachs, etc.

Utilidad práctica para el Inversor Retail

Ya hemos visto qué son las “Dark Pools” y cómo funcionan. 

También hemos visto que la información reportada por estos inversores institucionales no se produce hasta que la orden no está en el mercado. Además, como siempre se ejecutan en el punto medio, es muy complicado discernir la dirección de la misma.

Sin embargo, existen dos indicadores que nos muestran información con la que podemos beneficiarnos los pequeños inversores: el DIX y el GEX.

Ambos indicadores están accesibles en la web SqueezeMetrics.com

The Dark Index (DIX)

El DIX es un indicador del sentimiento general de las Dark Pools, midiendo el valor agregado de diferentes indicadores de dark pools.

Cuando el DIX es más alto de lo normal, significa que el nivel de compras institucionales está siendo mayor de lo usual.

Por eso, cuando hay correcciones de mercados, el DIX tiende a incrementarse, por la propia actividad institucional de ir comprando mientras el precio cae.

En la siguiente imagen vemos un ejemplo de cómo el DIX (línea azul) se incrementa enormemente en los mínimos del S&P500 (línea verde):

También es posible sistematizar operativas basándonos en este indicador, tal y como explico en el siguiente link (video):

Sistema de Inversión basado en el DIX

Gamma Exposure Index (GEX)

El GEX es un indicador que mide la sensibilidad de las fluctuaciones de los contratos de opciones, sobre el precio del subyacente.

El valor absoluto del GEX nos muestra el número de acciones del subyacente que habría que comprar o vender para girar el precio en la dirección opuesta de la tendencia, en el evento de un movimiento del 1%.

Cuando el GEX es alto, actúa de freno en los precios, indicando un posible giro de mercado, de alcista a bajista. Cuando el GEX es bajo, actúa de acelerador del precio. Es un indicador de riesgo para posibles caídas o mercados bajistas.

En la siguiente imagen observamos los valores altos del GEX (línea violeta) coincidiendo con giros bajistas del S&P500 (línea verde).

Conclusiones

Hemos visto la importancia que tienen las “Dark Pools” para los grandes inversores institucionales, y qué indicadores podemos seguir para entender un poco más qué están haciendo los peces gordos.

Es un terreno poco explorado por el “retail” y en el cual se abren muchas posibilidades para especular o sacar partido de dicha información. Ambos indicadores pueden usarse como complemento en nuestro toma de decisiones, o directamente como información para posicionarse en el mercado.

Feliz Trading.

Rutinas y hábitos de éxito IV: El Plan de Trading

Hoy voy a escribir sobre los aspectos de un plan discrecional. Los planes discrecionales son ante todo un reflejo de nuestras creencias sobre la naturaleza y la estructura de los mercados. Alguien que cree en la teoría del mercado eficiente usará un plan diferente a alguien que cree que es caótico.

Creo que los mercados son caóticos. En consecuencia, creo que:

• Los mercados tienen una estructura discernible.
• Riman en lugar de repetirse, es decir, hay patrones que podemos explotar, pero estos patrones se repiten ‘de manera similar en lugar de exactamente’.
• El mercado rima porque los patrones son un reflejo del tira y afloja emocional entre el comprador y el vendedor.
• El contexto en el que ocurren los patrones es fundamental para el plan.

Un plan discrecional es también un reflejo de nuestra psicología, incluido nuestro apetito por el riesgo; esta reflexión se articula en nuestra filosofía de trading. En Trader Vic–Methods of a Wall Street Master de Victor Sperandeo, encontré una declaración que reflejaba mis valores:

1. Preservación del capital: este es el principio primordial
2. Consistencia de la rentabilidad: esto va de la mano con el punto (1)
3. Rentabilidad superior: solo cuando (1) y (2) se han asegurado

Mi plan y resultados reflejan las tres características; por ejemplo, uso la Regla de 3 no porque aumente mi resultado final. De hecho, en un mercado de fuerte tendencia, la regla reduce mis ganancias. Uso la regla porque suaviza mi curva de resultados.

Creo que un plan discrecional tiene ciertos elementos críticos:

• Una forma de identificar la tendencia de un período de tiempo y cuándo la tendencia cambia o es probable que cambie. Una vez que identificamos que es probable que una tendencia continúe, o que es probable que cambie, tenemos nuestra estrategia. Esa estrategia se basa en el período de tiempo que estamos operando e incluye los efectos en nuestra tendencia por períodos de tiempo más altos.
• Herramientas para identificar los niveles de precios donde se puede realizar una operación (zonas). Como mi forma de operar favorece un trading receptivo, busco comprar en soportes dentro de una tendencia alcista y vender en resistencias en una tendencia bajista. Muy rara vez compro/vendo rupturas de mi marco de tiempo.
• Patrones de gráficos que indican que una zona se ha mantenido (setups) y patrones de entrada que me dicen ‘ahora es el momento de realizar una operación’ (catalizadores). El setup y el catalizador definen la zona de mi orden limitada. Además del stop del precio, busco definir las condiciones cualitativas que me harán salir de una operación.
• Patrones de gráficos que definen el objetivo de beneficio central en la Regla de 3. Este objetivo de beneficio central frente al stop define la expectativa de riesgo: recompensa: necesito ver alrededor de 2:1 o mejor aun para realizar una operación.
• La relación entre mi orden limitada, mi evaluación de riesgo de la operación y el plan de gestión de dinero son definitivos para marcar el tamaño de mi posición. Tengo tres tamaños: normal, 1/2 por encima de lo normal y por encima de lo normal (normalmente 1,5 o 2,0 veces lo normal).
• Un conjunto de reglas (Regla de 3) que marcan mi gestión de la posición posterior, es decir, la gestión de la operación una vez que comienza a moverse a mi favor.

¿Qué herramientas uso?

• TENDENCIAS: Barros Swings y Ray Wave
• ZONAS: Estadísticas de ondas, MIDAS, y varios ratios.
• SETUPS: Desarrollo Negativo y Contracción
• CATALIZADORES: Volumen intradía en el software Market Delta
• ESTRATEGIAS DE SALIDA: Basado en Market Profile y Wyckoff
• STOPS DE PRECIO: Barros Swings y The Ray Wave

Una vez que tenga sus herramientas, necesita crear un plan. Descubrí que clasificar las reglas en ‘Comprar y vender’ y dar a un setup y catalizador un número de regla separado es la mejor manera de crear una base de datos para evaluar la eficacia de la regla.

Un par de comentarios finales. Creo que todos los traders deberían tener un conocimiento superficial de la teoría estadística y de probabilidad. Esto viene de alguien que era matemáticamente un completo tonto hasta bien entrado en sus 30 años. “Salvación” se encontró en dos libros de Derek Rowntree:

1. Statistics Without Tears
2. Probability Without Tears

Finalmente, si se ve a sí mismo como un trader serio se debe a sí mismo probar sus setups y catalizadores. En general, debido a que un trader discrecional se basa tanto en el contexto, es difícil para la mayoría de los programas de prueba retrospectiva probar las reglas de trading. Sin embargo, ciertamente puede probar sus setups y catalizadores. En las pruebas retroactivas, busca pruebas de solidez y, si carece de las habilidades para hacerlo usted mismo (como yo), busque a alguien que lo haga por usted.

La diferencia entre hacer trading e invertir ¿por qué es importante? por Brett N. Steenbarger

El trading y la inversión son actividades fundamentalmente diferentes (juego de palabras). Muchos desafíos de la psicología del trading se dan cuando los participantes del mercado no respetan las diferencias entre los dos.

El trading es una actividad ascendente en la que evaluamos la oferta y la demanda momento a momento para determinar cuándo dominan los compradores o los vendedores. Esto nos permite colocar operaciones a corto plazo con una recompensa favorable en relación con el riesgo. Por ejemplo, los lectores saben que realizo un seguimiento de las subidas y bajadas entre todas las acciones de un índice, de modo que puedo ver, minuto a minuto, si hay cambios significativos en la actividad de compra o venta. Podría ver un pico de volumen relativo (volumen como una fracción del volumen habitual para esa hora del día) y aumentos también. Eso me dice que los nuevos participantes del mercado han ingresado al mercado como compradores agresivos. En el primer indicio de caídas que no logran empujar el mercado a la baja, podría ir largo para aprovechar el impulso alcista.

La inversión, por otro lado, es un proceso de arriba hacia abajo en el que evaluamos los fundamentos de la empresa y las condiciones económicas, monetarias y geopolíticas generales e inferimos de los cambios entre ellos si las valoraciones son bajas o altas y si es probable que suban o bajen. El inversor no se enfoca en lo que está pasando momento a momento. Más bien, el inversor se preocupa por los factores fundamentales que afectan la valoración de los activos. Por ejemplo, el inversionista podría leer informes que sugieran que la inflación aumentará durante el año y podría inferir que esto presionaría a los bancos centrales para que aumenten las tasas de interés. Un análisis de los bancos centrales y las tendencias de inflación en todos los países podría dar lugar a la opinión de que las tasas de un país en particular son inusualmente bajas en relación con los aumentos de precios anticipados. Entrar en corto en el mercado de bonos de ese país podría ser una inversión que valga la pena.

Los participantes del mercado que están mejor conectados para funcionar como pensadores rápidos y reconocedores de patrones generalmente son los más adecuados como traders. Los pensadores más lentos y profundos que poseen habilidades analíticas más sólidas a menudo están idealmente conectados como inversores. Por supuesto, puede haber mezclas de los dos modos, como en el caso de los gestores de cartera de fondos de cobertura que negocian activamente. Esos inversores activos a menudo tienen procesos analíticos y de trading separados para aprovechar cada modo.

Los problemas se dan cuando los participantes del mercado se desvían de sus fortalezas y se acercan a los mercados de maneras que no les brindan ninguna ventaja. El trader a corto plazo se aferrará a una visión general del mercado y se volverá inflexible a medida que cambien las condiciones de la oferta y la demanda. El inversor macro se volverá ansioso por la acción del mercado y se encontrará mirando pantallas y gestionando posiciones basadas en el ruido. Por lo general, el trader a corto plazo se aferrará a la información fundamental superficial al ampliar su visión, convirtiéndose en un inversor pobre. De manera similar, el inversor atrapado en una acción mirándola minuto a minuto carece de herramientas analíticas para evaluar los cambios a corto plazo en la oferta y la demanda y, por lo tanto, se convierte en un trader deficiente.

Es por eso que nuestra mayor ventaja en los mercados radica en conocernos a nosotros mismos y saber cómo procesamos mejor la información. Lo que realmente vemos y entendemos en los mercados proporciona la base conceptual de nuestro éxito. Así como el velocista y el corredor de distancia no pueden ganar en los eventos olímpicos del otro, el trader y el inversor deben asegurarse de que están jugando constantemente un juego que pueden ganar.