La tormenta antes de la calma [Dirty Dozen] por Alex Barrow

“Hay un tiempo para todo, pero yo no lo sabía. Y eso es precisamente lo que le gana a tantos hombres de Wall Street que están muy lejos de estar en la principal clase de tontos. Está el simple tonto, que hace lo incorrecto en todo momento y en todas partes, pero está el tonto de Wall Street, que piensa que debe operar constantemente. ~ Jesse Livermore

¡Buenos Dias!  

Estoy escribiendo desde la playa en Dominical, Costa Rica. Internet no va muy bien por aquí, por lo que tengo problemas para acceder a mi terminal BBG, razón por la cual tenemos gráficos con diferentes estilos esta semana. 

En el Dirty Dozen [PACK DE GRÁFICOS] de esta semana, observamos la reorganización del mercado que está en curso y discutimos por qué tenemos que bajar aún más. Luego repasamos algunos gráficos mensuales, el dólar estadounidense, el petróleo y una nueva era barata de acciones que cotizan cerca de un soporte histórico, y más… 

1. Aquí está el resumen del informe Flow Show más reciente de BofA (con énfasis mío). 

2. Mirando este gráfico, creo que hay dos cosas (1) que es una liquidación bastante increíble de la deuda global considerando el contexto en relación con situaciones similares del pasado y (2) será un muy buen momento para comprar bonos pronto (los próximos 1-3 meses).

3. No puedo decidir si se trata de un crimen de gráfico o no, pero lo incluyo aquí porque es bonito con todas las anotaciones. Personalmente, creo que los inflacionarios años 70 son una mala comparación. Ahora tenemos un telón de fondo macro secular muy diferente.

4. Aquí hay un corte de un informe que se envió a los miembros del Colectivo hace dos semanas. Estamos recibiendo la sacudida ahora. Cualquiera puede adivinar cuánto durará esta sacudida. No me importa predecir sino interpretar la imagen holística tal como sucede. Y a partir de ahora, no tenemos indicios de un suelo. Así que vamos más abajo…

5. Abril ha terminado y tenemos nuevas impresiones mensuales. El gráfico mensual del Nasdaq no tiene buen aspecto para comprar. El cierre de abril cerca de sus mínimos significa que hay altas probabilidades de que bajemos en mayo.

6. En la guerra como en los mercados… Los [índices] generales suelen ser los últimos sufrir heridas. Y eso es lo que estamos viendo aquí. AMZN no es un gráfico precisamente bueno si estamos pensando en comprar. Esto parece un patrón de cobertura cíclica. 

7. Lo mismo con General Google… 

8. EL DÓLAR ESTADOUNIDENSE ESTÁ PERDIENDO SU ESTADO DE MONEDA DE RESERVA GLOBAL. COMPRE BITCOIN… Tenemos DXY en largo en el Colectivo y añadiremos posiciones según se den confirmaciones técnicas. 

9. El crudo (mirando aquí el contrato del 22 de diciembre) ha formado un patrón outside-inside o de afuera hacia adentro (oi). El gráfico mensual muestra una clara tendencia alcista, pero el impulso definitivamente se ha desacelerado. Tal vez obtengamos una mayor consolidación lateral, dándonos un patrón de ruptura mensual de oii antes de otra etapa hacia arriba, no lo sé. Tendremos que observar y dejar que se desarrolle el gráfico. 

10. Curiosamente, las cinco barras alcistas mensuales consecutivas del petróleo históricamente han llevado a rendimientos bajos. Sin embargo, cinco barras alcistas mensuales consecutivas son raras, por lo que esto solo nos da una N de 5. 

11. El gráfico mensual del USDCAD debe estar en su radar para una entrada en larga. Nuestro gráfico de oscilador diferencial de rendimiento a continuación muestra los rendimientos moviéndose a favor de USDCAD (el gráfico de rendimiento muestra CADUSD). Si bien nuestra matriz HUD muestra que el posicionamiento y la estacionalidad son muy favorables para la posición larga en USDCAD.

12. No estoy muy activo en acciones en este momento, pero una acción que planeo volver a visitar pronto es Gaia Inc, GAIA. Está de vuelta cerca de un soporte importante de 20 años, mientras que los ingresos y las ganancias continúan creciendo. La compañía tiene un balance sólido.

Gracias por leer.

Seis puntos de sabiduría del trading por Brett N. Steenbarger

Aquí hay seis puntos de sabiduría del trading de los que hablamos en un seminario reciente que impartí:

1) El ego es nuestro diálogo interno. La sabiduría surge cuando dejamos de hablarnos a nosotros mismos y dejamos que los mercados nos hablen.

2) En condiciones de mercado estables, trabajamos para perfeccionar nuestro juego. En las condiciones cambiantes del mercado, encontramos nuevas oportunidades.

3) La oportunidad es tanto una función de lo que tradeas y así de cómo lo haces.

4) Si cambias un estilo que se adapte a tu personalidad, serás un pony de un solo truco.

5) La grandeza nunca se logra en forma aislada. Los grandes artistas, en atletismo, artes visuales, teatro, medicina, música, mercados, aprenden de los demás y con los demás.

6) Si las ganancias y pérdidas P/L es lo más importante en nuestras vidas, los mercados siempre nos controlarán y dominarán nuestra psicología.

Specification Risk: Una razón más para diversificar tus sistemas por Ignacio Villalonga

• Diversifica. Este es el consejo que se repite una y otra vez en el mundo de la inversión. Ahora bien ¿qué abarca una verdadera diversificación? ¿podríamos hablar de diversificación operando un solo activo con un único sistema de trading? En este artículo, le mostraremos cómo hacerlo.
• Artículo publicado en Hispatrading 43.

De un tiempo a esta parte, he hecho una defensa férrea de los beneficios de la diversificación, más allá de la diversificación de activos. Fue justo, tras la gran caída y la posterior recuperación del 2020, cuando la gente revisa sus sistemas, se contradice y se lamenta de no haber diversificado más. Son los grandes movimientos del mercado los que hacen tambalear nuestras creencias y los que hacen que revisemos a conciencia nuestros errores y aciertos. Y no haber diversificado bien, puede haber sido uno de los grandes errores de la gran mayoría de los inversores.

Empecemos por recordar que en el artículo “Timing Luck: No es cuestión de suerte si diversificas”  hablamos como el hecho de elegir el momento de entrada en un sistema es un riesgo. Porque dos puntos de entrada diferentes para el mismo sistema podían llevar a resultados muy diferentes, a lo largo del tiempo. Por tanto, debemos diversificar también los puntos de entrada para acercarnos lo más posible al resultado esperado del sistema de inversión.

Este punto de la diversificación cobra especial importancia en los sistemas en los que se toman decisiones binarias. Es decir, en aquellos modelos en los que estás invertido, o no, en un tipo de activo en función de una señal. Muchos sistemas tendenciales y de Asset Allocation siguen esta filosofía (e.j. Dual Momentum de Gary Antonacci). 

Para poder ilustrar las grandes dispersiones que podemos ver, en relación a los puntos de entrada elegidos, analizaremos los comportamientos durante este año de un sistema tendencial muy sencillo con 2 ETFs. Si para un periodo determinado el SPY tiene momentum positivo, invertirá en el SPY, si no, en TLT. Cada 4 semanas, volvemos a medir la señal y tomamos una decisión. Este sistema representa de una forma simplificada la inversión en renta variable o renta fija en función del momentum de la renta variable medido cada mes. Empezaremos por usar 252 días (1 año) como periodo para medir el momentum.

En el gráfico 1 vemos como en función de cuándo se van realizando las rotaciones, la dispersión de los resultados aumenta. El gráfico 2 muestra la diferencia de rentabilidad respecto a un sistema que fuera la combinación de los cuatro puntos de entrada. Operar un solo punto de entrada genera resultados dispersos. 

Podríamos decir que el problema es que el sistema no es robusto. Que tendría que funcionar igual o de una forma más similar aunque variásemos los puntos de entrada. Muchos de estos sistemas están pensados, y probados, con datos a final de mes. En el artículo de Alpha Arquitect, “Tactical Asset Allocation: Does the Day of the Month Matter?”  se puede ver como un sistema muy similar al utilizado aquí, rebalanceado en días diferentes del mes, a largo plazo genera también una dispersión muy alta.

Por tanto, efectivamente, el día en el que comienzas a implementar tu sistema, afecta y mucho.

Pero hay mucho más

Sin embargo, la diversificación no termina ahí. 

Cuando empezamos a diseñar un modelo de inversión, buscamos y analizamos muchas combinaciones de parámetros con el objetivo de explotar una ventaja. Estas combinaciones se van filtrando hasta encontrar las ganadoras. Y finalmente la zona robusta, que es aquella que contiene una serie de combinaciones estables a lo largo del tiempo. Lo habitual es coger la mejor combinación de la zona robusta y operarla.

Sin embargo, estos parámetros sí que son sensibles a las variaciones. La que ha sido la mejor combinación históricamente, puede no serlo en el futuro. Que la ventaja exista y que sea robusta, dentro de una zona de parámetros, es necesario para operar el modelo. Pero la mejor combinación dentro de la zona robusta puede no serlo siempre. 

Dos combinaciones de parámetros pueden llevar a diferencias pequeñas en la operativa (una operación que no tomas, una salida que hace después, etc.) pero que a largo plazo se materializa en grandes diferencias en los resultados. Esta sensibilidad crece a medida que aumentan los parámetros descorrelacionados de un sistema. Es lo que se conoce como “specification risk”.

Esta sensibilidad está muy ligada a los tipos de sistemas. Una cartera permanente tiene muy poca sensibilidad, mientras que los sistemas de tendencia, donde se toman decisiones binarias (p.e. o estás 100% en renta variable, o estás 100% en renta fija), la sensibilidad es muy alta. Esto también es aplicable a sistemas de trading intradiarios, sistemas de inversión por factores ‘y todos aquellos que utilicen parámetros. La diferencia entre ellos será la sensibilidad que tengan los resultados a las ligeras variaciones entre los parámetros.

Esta sensibilidad puede suponer un riesgo de obtener resultados menores a los esperados por el modelo.

Cuando hemos empezado a diseñar nuestro sistema, hemos decidido utilizar 1 año como periodo para medir el momentum y rebalancear cada 4 semanas. Estos dos parámetros parecen ser muy “corrientes”, pero simplemente esa simple decisión puede llevar a resultados muy dispares a los que habría obtenido con otros parámetros cercanos. 

En el siguiente ejemplo podemos ver como utilizando las variaciones para el mismo sistema, pero usando 3- 4 semanas de rebalanceo o 10-11-12 meses de rebalanceo, las señales empiezan a desacoplarse poco a poco. Esto parece que no tiene importancia, pero a largo plazo puede llevar a grandes diferencias. Y cuanto más complejo es el sistema y más variaciones permiten los parámetros, más pueden agrandarse. Si en vez de una media, estuviera tomando 2, o las variase entre simples o exponenciales, las diferencias en la señales serían cada vez más frecuentes.

¿Y a largo plazo?

Veamos esto desde una perspectiva de más largo plazo. Como el objetivo del artículo es concienciar de la sensibilidad a los parámetros de algunos sistemas, seguiremos trabajando con un modelo muy sencillo.

El modelo evaluará el momentum a 10-11-12 meses del SPY, ignorando el último o los 2 últimos meses. Si es positivo, compra SPY; si es negativo, TLT. Cada 3-4 semanas evalúa la señal y toma posiciones. 

Por tanto tenemos 3 parámetros que varían muy ligeramente. El periodo en el que medimos el momentum (3 opciones), el número de meses recientes que ignoramos (2 opciones) y cada cuanto rebalanceamos (2 opciones). 12 combinaciones en total. 

El motivo por el que ignoramos meses a la hora de medir momentum se debe a que los activos tienen comportamientos diferentes a largo y a corto plazo. La renta variable a corto plazo puede tener un efecto de reversión a la media que puede afectar a la tendencia de largo plazo.

Y aquí vemos el punto al que queríamos llegar. 12 sistemas, 20 años, y todos ganadores. Todos mejor que el Benchmark (SPY). Mejor sharpe, menor drawdowns pero con retornos que varían desde 385% hasta 600%. Entre 2 sistemas que se diferencian en que uno rebalancea cada 3 semanas, y otro cada 4, encontramos una diferencia impresionante. 

Otra cosa a tener en cuenta es que ninguno ha sido especialmente mejor durante todo el histórico. Lo que significa que tomar una decisión a día de hoy sobre qué sistema va a funcionar en el futuro es tomar el riesgo de escoger el peor de los 12. Si lo hacemos, disminuiremos claramente la rentabilidad global.

Ya no solo hay diferencias en las rentabilidades, sino también en las máximas pérdidas. Esa pequeña diferencia en las señales, en ciertos momentos del mercado, produce efectos que son devastadores. Puede dejar a un sistema rezagado de forma permanente. Y la verdad, esta elección tiene un gran componente de azar. No se podría haber sabido de antemano qué combinación, de parámetros, habría sido la adecuada.

Este sistema no deja de estar diseñado fundamentalmente para principios educativos. Pero tiene las características básicas de los sistemas tendenciales utilizados por la industria y por muchos inversores particulares. Si hubiéramos decidido aplicar sólo la combinación de parámetros que fue ganadora, entre 1999 y 2009, bajo el pretexto de que era claramente la mejor combinación, nos hubiéramos encontrado con la combinación perdedora entre 2009 y 2019 (sistema 2, en granate en el gráfico 7). ¿Cuál habría sido nuestro error? ¿Es que acaso el sistema no era robusto? La ventaja de los sistemas tendenciales está ahí, pero la sensibilidad a los parámetros habitualmente se pasa por alto. El error no es la elección de ese set concreto de parámetros, el error es elegir exclusivamente un set y no diversificar.

A la hora de diseñar estos sistemas y darse cuenta de que la sensibilidad de los parámetros es alta, la primera medida suele ser aumentar la frecuencia de rebalanceo. Es un instinto natural, pero no solo no es beneficioso si no que es altamente perjudicial. Te encontrarás con modelos que con muchísimas más operaciones (actualmente estos modelos rebalancean entre 20 y 25 veces en 20 años) tienen la misma sensibilidad a los otros parámetros. Seguirían sin estar diversificados.

 Al igual que la solución propuesta para evitar el “Timing Luck”, la solución sería operar todos los sistemas, creando un sistema conjunto ensamblado. 

Operar el conjunto de los sistemas nos garantiza obtener las rentabilidades realmente esperadas del sistema tendencial, eliminando el riesgo de elegir el peor de todos. Además, el bajo ritmo de rebalanceo, de este tipo de sistemas, más el hecho de que gran parte se rebalancean los mismos días, hace que los costes no sean mucho mayores. Para otro tipo de sistemas habría que encontrar el equilibrio entre los costes de una mayor operativa respecto a los beneficios de la diversificación del riesgo. Esto además tiene un beneficio extra: al estar ensamblando sistemas descorrelacionados en ciertos momentos (cuando unos están largos del SPY y otros del TLT), mientras la rentabilidad sí será la media. Además la volatilidad será menor, produciendo un mejor ratio retorno-volatilidad.

Conclusiones

El propósito de este estudio es mostrar que operar una sola combinación de parámetros, de un modelo, tiene riesgo a pesar de que haya sido la mejor combinación en el pasado. Al igual que la diversificación entre activos es importante y que, como ya vimos en artículos anteriores, los puntos de entrada también afectan a los resultados de la operativa, la diversificación entre sets de parámetros, de un modelo, es también necesaria para reducir riesgos. 

En el sistema tendencial utilizado esta sensibilidad, entre valores, es muy alta puesto que el decalaje, que puede producirse de una semana entre sistemas, hace que a largo plazo los resultados difieran notablemente. No obstante, este punto es aplicable a la gran mayoría de modelos de inversión. Incluso dos sistemas idénticos que en el pasado no hayan tenido ninguna diferencia en la señal, al tener parámetros diferentes, pueden producir en el futuro resultados diferentes sin que sepamos a priori cuál habría sido la mejor combinación.

Nota: Este sistema está diseñado exclusivamente con principios educativos. No supone una recomendación de inversión. Todos los datos de los backtests han sido extraídos mediante la plataforma Portfolio123, y elaborados internamente.

Comprar barato, vender caro es más fácil decirlo que hacerlo por Ben Carlson

El 30 de julio de 1931, un joven abogado llamado Benjamin Roth escribió lo siguiente en un diario que llevó durante la Gran Depresión:

Las revistas y los periódicos están llenos de artículos que le dicen a la gente que compre acciones, bienes raíces, etc. a precios de oferta actuales. Dicen que los tiempos seguramente mejorarán y que muchas grandes fortunas se han construido de esta manera. El problema es que nadie tiene dinero.

En ese momento, el Dow ya había bajado casi un 65% desde sus máximos históricos desde el otoño de 1929. Cualquiera que intentara comprar la caída ya había agotado su dinero.

Y cuando consideras que la economía estaba en medio de la mayor contracción de la historia con una tasa de desempleo muy por encima del 20%, no sorprende que nadie tuviera dinero.

Sí, la vivienda y los bienes raíces eran baratos, pero eran baratos por una razón. Y esa razón, una depresión, hizo que fuera básicamente imposible que alguien se aprovechara de los precios tan bajos.

Este suele ser el caso cuando los activos financieros están a la venta.

Solo mire los precios de la vivienda desde el fondo del colapso inmobiliario:

Los precios subieron más del 110 % a nivel nacional desde el nivel más bajo en 2012. Y no tuvo que fijarse en el momento oportuno para experimentar ganancias masivas en bienes raíces residenciales. Prácticamente cualquier compra realizada durante la década de 2010 es sustancialmente superior a esos niveles.

George Pearkes de Bespoke Investments compartió un gráfico que muestra el índice de asequibilidad de la vivienda que se remonta a la década de 1980:

En una base trimestral, la asequibilidad de la vivienda se disparó casi un 18% en la última lectura debido al aumento vertiginoso de las tasas hipotecarias y los precios de la vivienda.

Pero mira ese canal en la década de 2010. La vivienda era ridículamente barata durante los años 10/10/10 (¿cómo llamamos a esa década?) porque los precios de la vivienda estaban bajos y las tasas hipotecarias eran bajas.

Esa es una combinación maravillosa si estuviera buscando una casa en el mercado.

Aquí está el problema: sí, la vivienda era asequible, pero mucha gente no podía permitirse el lujo de comprar una casa barata debido a la Gran Crisis Financiera.

La recuperación económica fue lenta. La tasa de desempleo comenzó la década en casi el 10%. No bajó del 6% hasta finales de 2014. Además, la gente todavía estaba reparando sus balances del colapso de 2008.

Era un buen momento para comprar una casa, pero muchos estadounidenses no podían permitirse el lujo de comprar una.

De hecho, creo que es posible que la historia tenga dificultades para juzgar la década de 2010 desde una perspectiva financiera. En muchos sentidos, fue una gran década, pero seguro que no lo parecía en ese momento.

La tasa de inflación fue baja, con un promedio de menos del 2% durante toda la década:

El crecimiento económico no se estaba convirtiendo en un gran éxito, pero hubo poca volatilidad y ni una sola recesión, junto con un crecimiento lento y constante:

Ayuda que hubo una caída gigantesca en 2008, pero el mercado de valores de EE. UU. en la década de 2010, tuvo un rendimiento de casi el 14% anual:

Y la peor recesión fue solo un poco más baja que el umbral del 20% para un mercado bajista:

El mercado de bonos no salió del parque, pero tuvo rendimientos constantes con poca volatilidad:

Ya mencioné las tasas hipotecarias, pero vale la pena señalar que el promedio del 4% es el más bajo en cualquier período de una década:

Súmelo todo y la década de 2010 se ve mucho mejor en retrospectiva, especialmente cuando se compara con el entorno actual.

El problema es que, en retrospectiva, no se tiene en cuenta el hecho de que muchos hogares todavía estaban saliendo del dolor económico de la crisis de 2008 y no podían aprovecharlo.

Desafortunadamente, la economía es así de injusta a veces.

Cuando los activos financieros son baratos, muchas personas no tienen los medios para comprarlos.

Y cuando mucha gente tiene los medios para comprar activos financieros, a menudo ocurre cuando son caros.

Comprar barato, vender caro es más fácil decirlo que hacerlo.

Michael y yo discutimos que la década de 2010 podría estar subestimada y más en Animal Spirits de esta semana:

Suscríbete a The Compound.

Cómo elegir el mejor período para los indicadores [Estudio] por Quantpedia

• La literatura académica reconoce un gran conjunto de indicadores o factores que están conectados a los diversos activos. Estos indicadores se pueden utilizar en una variedad de estrategias, lo que significa que dichos indicadores son populares entre los profesionales que buscan invertir sus fondos. Por lo general, los indicadores están relacionados con algún período de evaluación.

Por ejemplo, tenemos una estrategia de seguimiento de tendencias que utiliza un promedio móvil, ya sea simple o exponencial, y estamos creando una regla de negociación por la que compramos si el precio del activo está por encima del promedio. ¿Cuál es el período ideal para la evaluación de la media móvil?

Los artículos académicos que examinan estrategias suelen sugerir un período fijo o presentan un conjunto de períodos posibles. Es fácil sobreajustar una estrategia con algunas pruebas retrospectivas y optimizar el rendimiento. Además, es común que algún indicador tenga un período fijo para la evaluación y esto es ampliamente aceptado como algo inmutable. Por ejemplo, impulso de 12 meses en acciones, reversión a corto plazo de 1 mes, oscilador estocástico con K igual a 13 y D a 3, etc. Incluso es posible adivinar un período y hacer el backtest. Pero la pregunta clave es si el período elegido también funcionará en el futuro.

Este artículo tiene como objetivo mostrar algunos enfoques posibles para encontrar los períodos óptimos de evaluación de los indicadores. Esta es una pregunta clave entre los profesionales y, por lo tanto, consideramos crucial arrojar luz sobre este tema. Aunque nos centramos en las estrategias de impulso, la información de este artículo es aplicable también en la construcción de cualquier otra estrategia de trading en la que el inversor tiene que decidir el período del indicador: si usaría 1 mes, 2 meses, 3 meses … Además, no es necesario que sean meses, pueden ser días, años, etc.

Este documento se centra en una estrategia transversal de asignación de activos en momentum en 5 ETFs basada en las “Relative Strength Strategies for Investing” de Mebane Faber. El objetivo es encontrar los mejores intérpretes de acuerdo con los distintos períodos de impulso de 3 a 15 meses. Se elige Momentum porque es una estrategia notoriamente conocida probada por académicos y favorita entre los profesionales.

La idea es simple, se espera que aquellos activos que funcionaron en el pasado se comporten favorablemente y se espera que aquellos que no lo hicieron sigan teniendo un desempeño inferior. Cada mes, los ETF se clasifican de acuerdo con su impulso de t-meses y buscamos los 3 de mejor desempeño. La pregunta clave es que, si tenemos 13 indicadores de impulso, ¿cuál es la mejor manera de construir una estrategia de trading? O en otras palabras, ¿qué indicador es el mejor?

Dos enfoques sobre cómo elegir el período de un indicador

Es importante que el indicador o los indicadores seleccionados funcionen también en el futuro. Podemos optimizar fácilmente la estrategia y encontrar el indicador de mejor rendimiento si estamos haciendo una prueba retrospectiva, pero debemos pensar en el rendimiento en el futuro. Mostramos dos enfoques, pero no afirmamos que solo hay dos soluciones a este problema.

• En primer lugar, existe la opción de elegir un conjunto de indicadores de impulso en lugar de utilizar solo uno. Naturalmente, no todos los períodos de impulso se comportarían tan bien como durante el backtest, pero el objetivo es encontrar un conjunto de indicadores fiables que superen el rendimiento medio también fuera de la muestra. Por ejemplo, si elegimos 3 indicadores de impulso basados en la prueba retrospectiva y fuera de la muestra, un indicador no sería tan bueno, todavía hay otros dos. Como resultado, la estrategia seguiría siendo razonablemente rentable. Esto puede entenderse simplemente como una compensación, reducimos tanto el rendimiento como el riesgo de que haya un rendimiento deficiente.
• En segundo lugar, se puede optimizar el período evaluando el desempeño de cada estrategia de impulso. Este enfoque es simple, las estrategias se evalúan durante un período predeterminado y se elige la estrategia de mejor rendimiento (o el conjunto de mejor rendimiento) para negociar el mes siguiente. Este proceso se repite cada mes para encontrar la estrategia óptima.

Llamaríamos al primer enfoque como el enfoque promedio y al segundo como el enfoque de caminar hacia adelante.

Por último, pero no menos importante, los resultados de este artículo son informativos sobre la estrategia de impulso. Por lo tanto, si elegimos 3 indicadores de impulso, no significa que esos tres indicadores sean mejores que elegir una estrategia de inversión diferente, por ejemplo. Si evaluamos la estrategia durante tres años para tomar una decisión sobre qué estrategia usar en el próximo mes, no significa que este período deba utilizarse universalmente. Significa que estos números pueden ser buenas “primeras conjeturas”, pero debe entenderse como principios básicos que deben refinarse ligeramente en cada estrategia. La idea clave es elegir un mayor número de indicadores para encontrar el “promedio de buen desempeño” basado en el backtest más largo o para optimizar la elección de indicadores cada mes con base en el desempeño pasado. En resumen, este artículo debería tomarse más bien como un manual útil para encontrar la solución y no la solución universal.

Información y metodología

El universo de inversión consta de 5 ETF, a saber, Vanguard Real Estate ETF (VNQ), Invesco DB Commodity Index (DBC), iShares 7-10 Year Treasury Bond ETF (IEF), SPDR S&P 500 (SPY) e iShares MSCI ETF EAFE (EFA). Si el ETF no estaba disponible, se utilizó en su lugar el índice correspondiente.

En primer lugar, construimos factores de impulso de 3 a 15 meses. A continuación, clasificamos cada ETF de acuerdo con su impulso y fijamos un punto de corte que indica en cuántos activos invertimos. En este estudio, usaríamos 3 ETF. Por lo tanto, cada mes, se eligen 3 ganadores para una posición larga y la cartera se reequilibra todos los meses. Como resultado, tenemos 13 estrategias de impulso que son candidatas para la estrategia final.

La estrategia de referencia es una estrategia simple que pondera por igual cada ETF y se mantiene en una posición larga.

Enfoque promedio

El desempeño de la estrategia se evalúa desde el 30.4.1987 hasta el 30.9.2019. Como primer paso, dividimos la muestra en dos mitades (1987 a 2003 y 2003 a 2019) y examinamos el desempeño durante el primer semestre.

La idea es elegir algunas estrategias de alto rendimiento (3 en este estudio de caso) que superen la estrategia de referencia promedio. Podemos ver que cada estrategia de impulso supera al índice de referencia simple, pero elegimos estrategias de impulso de 8, 10 y 13 meses para construir la estrategia compuesta final. La razón es simple, queremos cubrir el área de mejor desempeño. Igualmente ponderamos estas 3 estrategias y examinamos su desempeño también en la segunda mitad. Como mencionamos anteriormente, la idea es minimizar el riesgo de que elijamos una estrategia de mal desempeño. Por lo tanto, no elegimos solo una estrategia, sino un área completa (o la parte correspondiente de esta área).

Naturalmente, en el segundo semestre (2003 a 2019), las estrategias se comportan de manera diferente. Casi todas las estrategias superan al índice de referencia, excepto por el impulso de 7 meses, pero los rendimientos son ligeramente inferiores. Además, el impulso de 10 meses no se está comportando tan bien como en el primer semestre, pero aún así, hay otras dos estrategias.

Este ejemplo es una posible solución. No elija una estrategia, no es necesario fijar un período. En lugar de encontrar un período óptimo, diversifique los períodos.

También examinamos estrategias durante todo el período de backtesting y examinamos el desempeño de la estrategia de impulso compuesto.

Naturalmente, también comparamos la estrategia con el índice de referencia simple mencionado anteriormente. La estrategia de referencia es una estrategia simple que pondera por igual cada ETF y se mantiene en una posición larga.

Caminar hacia adelante

El desempeño de la estrategia se evalúa desde el 31.5.1997 hasta el 30.9.2019. Dado que ya hemos construido las estrategias de impulso, clasificamos su desempeño durante un período fijo y elegimos a los que tienen mejor desempeño. Para ser más precisos, cada mes, evaluamos su desempeño durante los últimos 3 años, los clasificamos y las 3 estrategias principales se utilizan en el próximo mes con la misma ponderación. Por lo tanto, avanzamos cada mes cuando elegimos las estrategias de mejor rendimiento en función de los últimos 3 años. Una vez más, el período de la evaluación es otro parámetro, pero la elección no es tan crucial. Por ejemplo, comparamos 3 y 10 años y elegimos 3 años, el desempeño fue mejor, sin embargo, las diferencias fueron menores. Comparamos este enfoque con una estrategia en la que usamos las 13 estrategias. Dicha estrategia simplemente utiliza todos los factores de impulso. A continuación, también lo comparamos con la estrategia de referencia simple en la que mantenemos todos los ETF.

Además, dado que los períodos de backtesting son diferentes para ambas estrategias, también hacemos una comparación de ambos enfoques durante el mismo período. Aunque el enfoque medio es, en este caso, más rentable, no es una verdad universal entre todas las estrategias.

Conclusión

Creemos que hemos mostrado con éxito dos enfoques simples para encontrar períodos de evaluación óptimos no solo para las estrategias de impulso, sino también para cualquier otra estrategia basada en indicadores. También creemos que hemos demostrado que, aunque el impulso de 12 meses es un estándar, no tiene por qué ser el mejor. Esto puede ser ampliamente aplicable también en otras estrategias y servir como motivación para profundizar y modificar cualquier principio académico para la situación específica del practicante. Además, los resultados muestran un hecho o principio bien conocido de que un ajuste excesivo suele ser malo. Por ejemplo, en el enfoque promedio durante la primera mitad, el impulso de 10 meses es el que mejor rinde, pero en la segunda mitad, está lejos de ser el mejor. Por último, si bien no menos importante, existen otras posibilidades de evaluar períodos para tomar una decisión informada sobre cuál sería el mejor. Solo hemos analizado las devoluciones, pero la elección se hizo simplemente por simplicidad. Hemos examinado también una variante en la que utilizamos la relación de retorno a la reducción, pero los resultados fueron similares, por lo que hemos elegido la variante más simple. También se podría utilizar el índice Sharpe, el índice de información y otras métricas.

Referencias

• Faber, Meb, Relative Strength Strategies for Investing (April 1, 2010). Available at SSRN: https://ssrn.com/abstract=1585517 or http://dx.doi.org/10.2139/ssrn.1585517
• Authors:
  Radovan Vojtko, CEO, Quantpedia.com
  Matus Padyšák, Analyst, Quantpedia.com

Cómo ser un gran inversor, parte nueve: tamaño de la posición por Yuval Taylor

• Este artículo es el octavo de una serie de diez que se basa en el libro de Michael J. Mauboussin “Thirty Years: Reflections on the Ten Attributes of Great Investors” (Treinta años: reflexiones sobre los diez atributos de los grandes inversores). Le animo a leer “Cómo ser un gran inversor, primera parte: piense en números”, “Cómo ser un gran inversor, segunda parte: comprender el valor” , “Cómo ser un gran inversor, tercera parte: evaluar la estrategia”, «Cómo ser un gran inversor, cuarta parte: compare de forma eficaz», «Cómo ser un gran inversor, quinta parte: piense en probabilidades» y «Cómo ser un gran inversor, sexta parte: actualice sus opiniones de forma eficaz» y «Cómo ser un gran inversor, séptima parte: tenga cuidado con los sesgos conductuales» y «Cómo ser un gran inversor, octava parte: conozca la diferencia entre información e influencia». Tenga en cuenta: en este artículo, me aparto de las ideas de Mauboussin en varios momentos.

Mauboussin escribe, “el éxito en la inversión tiene dos partes: encontrar la ventaja y aprovecharla al máximo a través del tamaño adecuado de la posición. Casi todas las firmas de inversión se enfocan en la ventaja o edge, mientras que el tamaño de la posición generalmente recibe mucha menos atención”.

Esto se debe a que el tamaño de la posición es un concepto prohibitivo. Si intenta la optimización de la cartera de varianza media o utiliza el criterio de Kelly para decidir cuánto invertir en cada acción que posee, es probable que se empantane en cálculos notablemente complejos con resultados que, en el mejor de los casos, son indefinidos.

El tamaño de la posición tiene que responder a dos preguntas principales: ¿cuántas posiciones debe ocupar? y ¿cuánto de su cartera debería asignar a cada puesto? Las respuestas se complican por las siguientes consideraciones:

• Si tiene una muy buena estrategia de selección de valores, cuantas menos posiciones tenga, mayores serán los rendimientos.
• Si tiene una estrategia de selección de valores mediocre, cuantas menos posiciones tenga, menores serán sus rendimientos.
• Si invierte en acciones de baja liquidez, cuantas menos posiciones tome, más impacto en el mercado tendrán sus compras y ventas.
• Cuantas menos posiciones tenga, mayor será la variación de sus rendimientos.

Dado esto, podría parecer más sensato invertir en cien acciones que en diez. Pero prácticamente todos los backtest te mostrarán lo contrario. Entonces, ¿Qué haces?

No puedo responder a esa pregunta de forma contundente. No existe un enfoque único para todos los tamaños de posición. En cambio, le daré mi enfoque, aunque estoy seguro de que no es adecuado para todos.

En mis cuentas personales, actualmente poseo acciones en 24 empresas, con pesos que oscilan entre el 8,2% y el 0,7%. Mis diez acciones principales representan el 59% de mis participaciones.

Muchos grandes inversores adoptan un enfoque aún más concentrado. Citaré a Frederik Vanhaverbeke:

“Joel Greenblatt generalmente coloca alrededor del 80% de sus fondos en no más de ocho acciones. Eddie Lampert tiene aproximadamente ocho posiciones importantes a la vez. Y Glenn Greenberg tiene la regla de que no comprará acciones si no está dispuesto a invertir al menos el 5% de sus activos en ellas. . . . Warren Buffett afirma que para carteras relativamente pequeñas (<$ 200 millones), pondría alrededor del 80% de su cartera en cinco acciones. . . . En su cartera privada incluso está dispuesto a subir hasta el 75% en una sola acción.”

Pero Vanhaverbeke también señala: “La concentración [alta] de la cartera obviamente solo tiene sentido para los verdaderos selectores de valores. No tiene sentido, por ejemplo, para los inversores cuantitativos”. Yo soy uno de estos. Considero que la concentración de mi cartera es moderada; muchos inversores que conozco tienen una concentración de cartera muy baja, y poseen entre cincuenta y cien acciones a la vez.

Mi fórmula de dimensionamiento de posición tiene tres componentes.

• Rango. Debido a que uso un sistema de clasificación para decidir qué acciones comprar y vender, un componente se basa en la clasificación: cuanto más alta es la clasificación, más pongo en la acción. Dado que las acciones cambian las posiciones de clasificación con el tiempo, aumento o disminuyo gradualmente mi inversión en una acción a medida que se mueve.
• Liquidez. Para disminuir el impacto en el mercado, invierto menos en acciones con muy baja liquidez.
• Concentración industrial. Si estoy invertido en más de un cierto número de acciones en cualquier industria, reduciré el peso de esas acciones.

Así es como se me ocurrió la cantidad de acciones en las que invertir y cuánto invertir en cada una. Realicé backtests sin muestra durante los últimos tres o cuatro años en varios sistemas de clasificación que formulé en 2015, 2016 y principios de 2017, ajustando los costos por transacción más altos para menos posiciones. Luego miré el enfoque de dimensionamiento de la posición que me habría dado el alfa más alto fuera de la muestra para cada sistema y los promedié todos. Algunos de ellos se habrían comportado mejor con concentraciones muy altas, otros se habrían comportado mejor con concentraciones más bajas. El promedio me dio una fórmula con la que estoy bastante satisfecho.

Aquí está el meollo de la fórmula que utilizo. Primero le doy a cada acción una cantidad de puntos según su rango. La fórmula real es 47 * (4.7 – ln (rango + 12)) , pero si simplificas eso a 101 – rango , no hay mucha diferencia. De cualquier manera, si una acción está en el puesto número 1, obtiene 100 puntos, y si una acción está en el puesto número 100, se acerca a 0. 

Luego ajusto estos números por liquidez: si una acción tiene baja liquidez, la cantidad de puntos puede bajar en 20. También las ajusto a la baja si tengo más de cuatro acciones en una industria: en ese caso, la cantidad total de puntos porque esas acciones se reducen de modo que suman lo que harían si solo tuviera cuatro empresas en esa industria. Una vez que me he decidido por el número final de puntos de cada población, que repartir mi inversión total en consecuencia, y si hay una importante diferencia entre el reparto ideal y mi reparto actual, compro y vendo para reequilibrar mis posiciones. Si una acción que no poseo aparece entre mis diez o doce mejores, vendo posiciones con sobreponderación y en el último lugar para liberar suficiente dinero para comprar las nuevas acciones. Si no tengo nada que comprar, no vendo, no importa qué tan bajo esté una acción.

Evidentemente, esta técnica no es para todos. Puede hacerlo mejor con un criterio de Kelly modificado o una fórmula de optimización de varianza media. O puede tener un enfoque completamente diferente que funcione bien para usted. (Si es así, me encantaría saberlo en los comentarios en twitter en @saladeinversion). En cualquier caso, muchas personas piensan muy poco en el tamaño de la posición. Puede marcar una gran diferencia en los retornos de uno.

He aquí un ejemplo. Voy a utilizar un sistema de clasificación de once factores que diseñé en diciembre de 2015 y realizar una prueba retrospectiva, utilizando Portfolio123, en el Russell 3000 desde entonces (a partir de enero de 2016).

Si compré las 20 acciones principales en el mismo peso y las vendí cuando el rango bajó de 50, comprando y vendiendo mensualmente sin reequilibrar, habría obtenido un rendimiento anualizado del 13,47%. Si hubiera comprado las 25 acciones principales, el rendimiento aumentaría al 15,88%, y si hubiera comprado las 40 acciones principales, el rendimiento bajaría al 11,38%. Eso me da un buen rango para empezar.

Ahora, ¿y si hubiera utilizado mi fórmula de clasificación para determinar el peso de la cartera? El rendimiento de los 20 primeros sube 195 puntos básicos hasta el 16,32%, el de los 25 primeros sube 165 puntos básicos hasta el 17,53% y el de los 40 primeros sube 240 puntos básicos hasta el 13,78%. En cada caso, el rendimiento es mayor que para pesos iguales.

¿Por qué es esto? Bueno, considere que cuatro de mis once factores son factores de valor. Por lo tanto, cuando una acción baja de precio en relación con otras acciones, obtiene una clasificación más alta, y cuando aumenta de precio en relación con otras acciones, la clasificación cae. Pero si no cambia el tamaño de su cartera, cuando una acción baja de precio, tiene un peso menor y cuando sube de precio, tiene un peso mayor. Por lo tanto, reequilibrar por rango, si utiliza factores de valor, hace exactamente lo contrario de lo que haría la cartera de forma natural.

Con el tamaño de la posición según el rango, sus mayores apuestas siempre están en las acciones con sus expectativas más altas. Si utiliza un sistema de clasificación de factores múltiples para reducir el riesgo, esto puede producir rendimientos significativamente mejores que otros métodos.

Los mejores patrones de price action [Parte 2]: bandera final por Al Brooks

Banderas finales

Puede leer la parte 1 aquí. Los componentes de una bandera final son:

• Tendencia
• Retroceso que suele ser mayoritariamente horizontal. Puede ser tan breve como una sola barra.
• La tendencia suele estar cerca de un imán (resistencia en una tendencia alcista, soporte en una bajista)
• Es probable que haya otros signos de un posible giro o reversión de la tendencia (en una tendencia alcista, los ejemplos incluyen la aparición de presión de venta cerca de la parte superior de un canal)

Una bandera final es un patrón de giro de tendencia que comienza como un patrón de continuación. Los traders esperan que la continuación falle y están listos para operar en la dirección opuesta.

Como todas las formaciones que intentan avisar de cambios de tendencia, la probabilidad de un cambio en la tendencia establecida suele ser solo del 40%. Mi objetivo general es un swing que tiene al menos diez barras y dos patas (TBTL). En este swing busco una ganancia que es al menos el doble del riesgo (mi criterio mínimo para un swing de éxito).

El sesenta por ciento de las operaciones dan como resultado pequeñas ganancias y pérdidas que generalmente se equilibran entre sí. Los operadores que desean una mayor probabilidad generalmente esperarán a que el giro tenga una fuerte ruptura en la nueva dirección. En ese punto, la probabilidad de una operación swing suele ser del 60% o más, pero el stop está muy lejos.

Ese aumento en el riesgo es debido a la compensación. Siempre tiene que haber algo en el trading para que las instituciones tomen el otro lado de su operación. Si obtiene una gran probabilidad, esto se paga con un mal riesgo/recompensa (recompensa reducida en relación con el riesgo).

Richard Wyckoff III por Ray Barros

En el primer artículo de esta serie planteé algunos problemas que los usuarios de Wykcoff debían superar y en el segundo hablamos un poco más en profundidad sobre los deltas del mercado. 

En este artículo, concluiré la serie sobre Wyckoff y sugeriré algunas fuentes en caso de que desee llevar sus estudios a otro nivel.

Al igual que Steidlmayer, el trabajo de Wyckoff evolucionó con el tiempo, desde sus primeros días como lector de cinta hasta el trader técnico al momento de su muerte. A lo largo de su carrera hubo una constante: los principios importaban más que los patrones. Comprenda el principio y podrá ajustar el patrón. Como dicen, la historia se repite pero… nunca se repite exactamente de la misma manera.

Al final de su carrera, Wyckoff tenía tres principios fundamentales:

• La ley de la oferta y la demanda.
• La ley de causa y efecto.
• La Ley del Esfuerzo y el Resultado.

Los principios son cruciales para el éxito. Pero para aprender a aplicar los principios, necesitamos un modelo de aplicación. Entonces, en el momento de su muerte, Wyckoff también había desarrollado un modelo para operar cambios en la tendencia y negociar operaciones de continuación.

Otras fuentes:

1. Hay un resumen excelente pero incompleto en: The Three Skills of Top Trading: Behavioral Systems Building, Pattern Recognition, and Mental State Management (Wiley Trading) por Hank Pruden
2. Este libro no contiene explicaciones teóricas, pero contiene algunas excelentes aplicaciones prácticas: Timing the Trade: How Price and Volume Move Markets! por Tom O’Brien

Estrategia para el S&P500 basada en el efecto TOM por Andrés A. García

• En este artículo analizaremos el uso de una de las pautas de calendario más conocidas. El Efecto “cambio de mes” y algunas variantes, como elemento clave en la construcción de estrategias cuantitativas de base diaria e intradiaria para el futuro del S&P500.
• Artículo publicado en Hispatrading 42.

El efecto Turn of the Month (TOM) es una de las anomalías más estudiadas por el mundo académico. Este efecto puede definirse como la tendencia, de numerosos activos y grandes índices, a exhibir retornos positivos muy superiores a la media durante los días inmediatamente anteriores y posteriores al cambio de mes.  

Ariel (1987) fue el primero en documentar esta pauta en los mercados estadounidenses. Posteriormente Lakonishok y Smidt (1988) fijaron un periodo óptimo para el TOM desde el último día de mes hasta el tercero del mes siguiente (-1 / +3). Este período varía según  mercados y épocas. En las últimas décadas se ha ido adelantando algunos días (Dzhabarov y Ziemba, 2010) siendo en la actualidad -4/+1 la mejor ventana TOM para los índices USA. 

Se han propuesto diversas explicaciones de esta anomalía. Algunos autores (Ogden, 1990) sugieren que la causa está en la regularidad de los pagos (salarios, dividendos, intereses) que incrementan la liquidez de los inversores. Si bien para que esta hipótesis fuese cierta debería constatarse un incremento paralelo del volumen, hecho que no se ha verificado en todos los mercados. Otros investigadores señalan como causas probables el proceso de rebalanceo de carteras en los grandes fondos (Maher y Parikh, 2013) o la difusión de noticias macroeconómicas y corporativas (Ritter y Chopra, 1989) que también suelen realizarse en fecha fija. 

Por otra parte se han sugerido diferentes formas de aprovechar esta anomalía. Hensel y Ziemba (1996) propusieron una estrategia rotacional, basada en el posicionamiento en activos del  S&P 500, aprovechando la ventana TOM y en productos de renta fija el resto del mes. Liu (2013) aborda una estrategia que combina el efecto de reversión del SPY con el TOM. Sugiere ponerse largo en este ETF los días -6 o -5, cuando los precios se sitúan estadísticamente en su nivel más bajo del mes, y mantener la posición hasta el día +2.

DATOS EMPLEADOS Y METODOLOGÍA

En nuestro estudio utilizaremos dos tipos de datos: Para los análisis estadísticos y validación de la pauta emplearemos los retornos logarítmicos diarios del índice SPX en una ventana temporal muy amplia (1980-2019) y, para la construcción de la estrategia, las series del E-mini S&P500 (ES) en base diaria y en time frame de 60 min. El período de análisis será de 18 años (2001-2019). Cabe señalar que ambas series utilizan plantillas horarias distintas: RTH (Regular Trading Hours) para los datos diarios y ETH (Extended Trading Hours) para los datos intradiarios. En lo referente a metodología seguiremos estos pasos:

1.- Determinación de la pauta TOM  y acotamiento de intervalos.

2.- Validación estadística de la pauta mediante análisis de regresión.

3.- Determinación y cuantificación del efecto de reversión a corto plazo. 

4.- Construcción de una estrategia basada en reglas que combine ambas anomalías.

5.- Evaluación de la estrategia.

DETERMINACIÓN Y VALIDACIÓN DE LA PAUTA TOM

Para poder visualizar adecuadamente la pauta ordenamos por días del mes el retorno del SPX en el intervalo -10/+10 y calculamos la media geométrica de cada día. El resultado se muestra en el gráfico 1:

Como vemos aparecen tres zonas bien diferenciadas y a las que llamaremos:

– TOM: Pauta del cambio de mes: -4/+3 en el periodo 1980-2019 y -4/+1 en 2001-2019.

– exTOM: Días no-TOM con rentabilidad media residual o negativa.

– MOM: Días próximos a la primera quincena. Pequeña pauta con sesgo positivo.

Al proyectar sobre un gráfico el beneficio acumulado por el SPX en los períodos TOM y exTOM vemos la enorme diferencia entre ambos:

Esta es la estadística descriptiva de las pautas TOM y MOM:

Gráfico 3.

Seguidamente pasamos a validar la significancia estadística de ambas pautas mediante un modelo de regresión. En general el modelado de series financieras mediante una regresión por mínimos cuadrados ordinarios (MCO) es problemático debido a que la volatilidad presenta variaciones en el tiempo y suele ser asimétrica, con mayor amplitud en las rachas bajistas que en las alcistas. En otras palabras, las series de los retornos tienen un  carácter heterocedástico que requiere el uso de modelos tipo GARCH y EGRARCH.

Estos modelos vienen definidos por dos ecuaciones; una para la media y otra para la varianza. En nuestro caso la ecuación del retorno sería:

Donde:

es el retorno medio logarítmico,  los coeficientes a estimar, y son variables dicotómicas que toman el valor 1 para los días del mes TOM/MOM y 0 para los días exTOM/exMOM ,  es el término de error y la función de distribución de probabilidad para , que puede ser normal, de Student o de error generalizado (GED). 

En el modelo GARCH la varianza condicional se expresa como:

Y en el EGARCH viene determinada por:

Ambos modelos son útiles en series en las que la volatilidad se presenta en clusters. Si bien el EGARCH es más preciso ya que permite modelar el efecto de apalancamiento.  En el gráfico 4 mostramos los resultados obtenidos con ambos modelos:

Gráfico 4.

Los valores críticos de Z son: 1,645 (0,1) para un nivel de confianza (NC) del 90%, 1,96 (0,05) para un NC del 95% y 2,576 (0,01) para un NC del 99%.

Las estimaciones del GARCH y EGARCH son similares y, como cabía esperar, los coeficientes son mayores y más significativos en el TOM (NC>95%) que en el MOM (NC>0,90%). Si bien en ambos casos consideraremos validada la pauta. 

DETERMINACIÓN Y CUANTIFICACIÓN DEL EFECTO DE REVERSIÓN

En los mercados maduros y muy líquidos suele apreciarse un sesgo de reversión a la media. Tal es el caso de los principales índices estadounidenses y, en particular, del S&P 500.  Una forma de comprobarlo es graficando el retorno acumulado en las sesiones persistentes (en las que los beneficios y las pérdidas se suceden) y antipersistentes (alternancia de beneficios y pérdidas):

El gráfico superior se ha creado simulando ambos escenarios en el ES mediante estas dos sencillas reglas:

1. Reversión: Si Cierre[0] < Cierre[1] nos posicionamos largos en la apertura con una orden a mercado y mantenemos la posición hasta el cierre de sesión.

2. Tendencia: Si Cierre [0] > Cierre[1] nos posicionamos largos en la apertura con una orden a mercado y mantenemos la posición hasta el cierre de sesión.

Como podemos ver el ES muestra un claro sesgo de reversión en todo el periodo, excepto quizá en el año 2018 debido a la fuerte tendencia alcista de este mercado.  

Para investigar movimientos persistentes y antipersistentes, en series de precios, se pueden emplear diferentes métodos. Si lo único que queremos es detectar una autocorrelación de primer orden, entonces el estadístico Durbin-Watson nos puede servir. Sin embargo, si existen correlaciones retardadas de orden 2, 3,…, n, es preciso utilizar otras técnicas como los correlogramas, el exponente de Hurst (H) o la diferenciación fraccional (d) en los modelos ARFIMA(p,d,q). El exponente H se puede calcular por varios procedimientos, como el rango de reescalado (R/S), el análisis dispersional  o los wavelets (AWC). Además se puede calcular a partir de d según la relación:

En función del valor de H podemos encontrar tres escenarios:

1. H ≈ 0,5. La serie tiene un comportamiento aleatorio.
2. H < 0,5  La serie es antipersistente y de memoria corta.
3. H > 0,5  La serie es persistente y con memoria larga.

Hemos estimado el valor de H para los retornos diarios del ES en el período 2001-2019 y obtenemos los siguientes resultados: R/S = 0,47, AWC=0,48 y d=0,04H=0,46. Lo que nos permite concluir que existe un movimiento antitendencial de fondo que puede ser aprovechado.

Podríamos proseguir este estudio aplicando algunos otros estadísticos como el test Breusch-Godfrey o analizando un correlograma de los residuos al cuadrado, pero no lo vamos a hacer aquí. Bástenos con especificar dos mecanismos para capturar el movimiento de reversión:

1. Filtro Close[0] < Close[1] para la reversión a corto plazo.
2. EMA(x)[0] > Close[0] para la reversión retardada de orden 2…n.

El valor de la media exponencial (EMA) no debe ser muy grande. Con 4-6 días (o su equivalente en barras intradiarias) debería bastar, dado que los procesos de reversión son de memoria corta.

ESTRATEGIA 1: TOM/MOM+REVERSE EN BARRAS DIARIAS

Aviso para navegantes: 

Conviene comenzar aclarando que lo que vamos a ver a continuación no son sistemas completos sino pruebas de concepto. Para que un sistema sea plenamente funcional se requieren más cosas: Subsistemas de entrada y salida, estructura de gastos, filtros y, sobre todo, un riguroso proceso de evaluación. Ni que decir tiene que los resultados son hipotéticos con todas las salvedades que ello implica.

Reglas (en metacódigo):

Si se verifica que:

Close[0] < Close[1]

Y EMA(5)[0] > Close[0]

Y Día del mes = -5 (TOM) O día del mes= -8 (MOM)

Entrar largos a mercado en la apertura del día siguiente.

Cerrar la posición si día = +2 (TOM) O día > 10 (MOM)

Con estas simples reglas obtenemos los resultados mostrados en el gráfico 6:

Gráfico 7.

Los resultados de esta estrategia son prometedores y consiguen generar alfa batiendo con claridad al benchmark de referencia (SPX), tanto en retorno absoluto como en rentabilidad ajustado por riesgo. Sin embargo, esta configuración tiene algunos riesgos inherentes que consideramos deben ser mejorados:

1.- Las pérdidas no están acotadas: No hay stop de acompañamiento.

2.- Efecto Cisne Negro: Quedan posiciones abiertas en overnight y durante el fin de semana.

3.- El sistema es poco granular: Pocas operaciones y de gran tamaño. 

4.- La máxima pérdida por operación (-$6.087) es muy elevada en relación al capital inicial.

5.- El Drawdown máximo (-$14.062) es también excesivo y debe reducirse.  

Todos esos motivos nos llevan a plantear una versión para intradía de esta estrategia.  

ESTRATEGIA 2: TOM/MOM+REVERSE INTRADIARIO

Para esta estrategia utilizamos time frame de 60 min. y una plantilla horaria 24/7 que recoja todo el horario de negociación (ETH) del ES.

Reglas (en metacódigo):

Entradas:

Si se verifica que:

Apertura de Ayer > Cierre de Ayer 

Y EMA(180)[0] > Close [0]

Y Día del mes = -5 (TOM) O -8 (MOM)

Entramos largos a mercado en la primera barra de la sesión.

Salidas:

• Si estamos largos cerramos la posición en la última barra de la sesión.
• Colocamos un stop de acompañamiento al 1% del precio de entrada.

Estos son los resultados que obtenemos:

Gráfico 9.

El beneficio acumulado es algo inferior al del sistema de base diaria debido a la fricción de hacer más operaciones y no quedar operaciones abiertas, durante el fin de semana. Sin embargo, pensamos que un mayor control del tamaño de las pérdidas con el MMStop, y una reducción apreciable del DrawDown máximo compensan sobradamente la merma del beneficio.

CONCLUSIONES

Todavía existen pautas temporales aprovechables en los mercados y el TOM es una de ellas. En todo caso, antes de incluir cualquier pauta, en estrategias de trading, éstas deben ser validadas utilizando metodologías estadísticas que permitan determinar con objetividad su amplitud, persistencia temporal y, en última instancia, su potencial para generar alfa. 

Es posible combinar pautas de orden mayor (diarias, semanales, mensuales, anuales) con otros movimientos específicos de los precios, como el efecto de reversión, o con anomalías horarias. Eso sí, siempre habrá una pauta dominante o primaria que se deber potenciar al diseñar la estrategia. A veces el solapamiento de anomalías es excluyente o no aporta nada.

Una pauta puede servir como base para desarrollar estrategias -como las que hemos presentado en este artículo- o como setup, que refuerce el funcionamiento de otras aproximaciones lógicas basadas en reglas de negociación. En todo caso debemos tener claro que las pautas raramente son capaces de salvar por sí solas el peso de los gastos de operativa. Por tanto deben utilizarse en conjunción con otras reglas, filtros y subsistemas eficientes de posicionamiento.

Para terminar, quisiera agradecer a José Luis Gil la programación del indicador TOM que ha permitido la evaluación en plataforma de trading de ambas estrategias.

REFERENCIAS:

• Ariel R. A. (1987) “A Monthly Effect in Stock Returns”, Journal of Financial Economics, 18, 161-174.
• Dzhabarov, C. y Ziemba, W.T. (2010) “Do Seasonal Anomalies Still Work?”, Journal of Portfolio Management, 36(3) 93-104.
• Hensel C.R. y Ziemba, W.T. (1996) ”Investment Results from Exploiting Turn-of-the-Month Effects: Should You Pay Attention to the Turn of the Month?”, Journal of Portfolio Management, 22(3) 17-23. 
• Lakonishok, J. y Smidt, S. (1988) “Are Seasonal Anomalies Real? A Ninety-Year perspective”, Review of Financial Studies, 1(4) 403-425. 
• Liu, L.  (2013) “The Turn-of-the-Month Effect in the S&P 500 (2001-2011)”, Journal of Business & Economics Research, 11(6) 269.
• Maher D. y Parikh A. (2013) “The turn of the month effect in India: A case of large institutional trading pattern as a source of higher liquidity”, International Review of Financial Analysis, 2013, 28 (issue C) 57-69.
• Ogden, J. P. (1990) “Turn-of-The-Month and January Effects”, Journal of Finance, 45(4) 1259-1272.
• Ritter, J. R. y Chopra, N. (1989) «Portfolio Rebalancing and the Turn of the Year Effect.» The Journal of Finance 44(1).

Tres pasos para evitar hacer trading sin criterio por Brett N. Steenbarger

Escucho a muchos traders al principio de su formación luchando con los problemas del trading emocional y reactivo. Le mostraré tres pasos prácticos que pueden ayudar a los traders a evitar caer en esta trampa:

1) Planifique sus pérdidas: las grandes expectativas generan grandes frustraciones. Cada operación debe ir acompañada de una idea muy específica de lo que le diría que está equivocado y cuánto está dispuesto a perder en la operación. Es cuando las pérdidas nos sorprenden y se vuelven demasiado grandes que es probable que creen interrupciones en nuestra forma de pensar. Su objetivo debe ser perder bien, de la manera correcta. Centrarse solo en cuánto quiere/necesita hacer genera sorpresa y frustración.

2) Tomar descansos: después de grandes ganancias y grandes pérdidas, es fácil que las pérdidas o ganancias (P/L) se nos metan en la cabeza. Siempre tome un descanso después de una gran operación, despeje su mente y evalúe el conjunto de oportunidades con nuevos ojos. Es tan importante reiniciar después de grandes ganancias como de grandes pérdidas. Ambas situaciones pueden empujarnos a hacer trading por los motivos equivocados. Los ejercicios rápidos de meditación para aumentar la calma y el enfoque pueden ser muy útiles.

3) Mantenga el tamaño de sus posiciones moderadas y constantes: un tamaño excesivo crea una volatilidad de P/L inusual y eso conduce a una volatilidad emocional. Su objetivo es ser consistentemente rentable y luego aumentar el tamaño de las posicione mientras mantenemos la consistencia. Si *necesita* ser rentable, eso crea una presión de rendimiento indebida y una distracción emocional. Drama = distracción. No quiere drama en su trading.

La mayor ventaja de todas en el trading es la autoconciencia. La frustración nos viene a todos de vez en cuando. El objetivo no es operar sin emoción, sino ser tan conscientes de nuestras emociones que sepamos cuándo dar un paso atrás de las pantallas.

¿Qué significa la caída del mercado de bonos para el mercado de valores? por Ben Carlson

Cada corrección del mercado de valores es diferente.

Hay diferentes razones, entornos económicos, tipos de interés, niveles de inflación, valoraciones, liderazgo de mercado, magnitud de la caída y duración.

Ciertamente, existen algunas similitudes entre la caída actual y los mercados anteriores.

Las acciones tecnológicas golpeadas después de la orgía especulativa que vimos en 2020 combinadas con el resurgimiento de las acciones de valor recuerdan al estallido de la burbuja de las puntocom a principios de la década del 2000.

También hay personas que piensan que la alta tasa de inflación que conduce a la debilidad del mercado de valores será una repetición de la década de 1970.

Pero esta corrección también tiene su propio sabor.

Hay similitudes con recesiones pasadas, pero esta también es única a su manera.

Cuando esto comenzó, fue el material especulativo el que se derrumbó. Y los activos especulativos que a todos les encantaron en 2020 continúan siendo criticados:

Pero no son solo los SPAC, las OPI y las acciones de hipercrecimiento las que están siendo destrozadas en este momento.

Compañías gigantescas como Facebook, Netflix, PayPal y Shopify están cayendo también:

Solo estas cuatro empresas han perdido más de 1,2 billones de dólares en valor de mercado en menos de un año. Las pérdidas son increíbles.

Sorprendentemente, cada una de estas acciones ahora tiene un rendimiento inferior al S&P 500 desde los días previos a la pandemia a principios de 2020:

Durante mucho tiempo, se sintió que las acciones tecnológicas eran las únicas que valía la pena poseer. Esa dinámica ahora ha cambiado por completo.

Tiene sentido que los mayores ganadores en la fase ascendente terminen como los mayores perdedores en la fase descendente, pero hay muchas cosas más en este momento.

Quizás el desarrollo más extraño para los inversores en este momento es lo que está sucediendo en el mercado de bonos:

Puede ver casi en general que a diferentes partes del mercado de bonos les está yendo incluso peor que el mercado de valores (bonos del Tesoro a largo plazo, bonos del Tesoro a mediano plazo, bonos corporativos y fondos indexados de bonos totales) o casi tan mal como al mercado de valores ( bonos basura y bonos del Tesoro a corto plazo).

Durante décadas, los inversores se han acostumbrado a que los bonos actúen como un refugio seguro cuando las acciones flaquean.

La velocidad y la magnitud de la corrección del mercado de bonos es algo a lo que los inversores no han tenido que enfrentarse antes, especialmente al mismo tiempo que las acciones están en territorio de corrección.

Hablando de que el mercado de valores está en territorio de corrección, el S&P 500 bajó un 2,8% el viernes, lo que lo empujó nuevamente a pérdidas de dos dígitos desde máximos históricos en -10,6%.

Cuando vemos el baño de sangre que se está produciendo en las acciones tecnológicas, es sorprendente que el S&P no haya bajado más en este momento.

Más allá de los nombres mencionados anteriormente, también tienes a Amazon (-22,6 %), Tesla (-18,3 %), Microsoft (-20,1 %) y Nvidia (-41,5 %) cayendo con fuerza.

A pesar de que las acciones tecnológicas representan una parte más grande que nunca del mercado de valores, el S&P 500 sigue siendo resistente.

¿Cómo es esto posible?

Solo mire la versión de igual ponderación del S&P para obtener algunas pistas:

Ha bajado solo un 6,8%.

De nuevo, ¿cómo es esto posible?

Las acciones de valor están deslumbrando.

De hecho, las acciones de valor están teniendo un rendimiento superior en todos los ámbitos en esta caída del marcador bursátil:

El valor está superando a las acciones de EE. UU. de gran capitalización, de EE. UU. de pequeña capitalización, las acciones de países desarrollados extranjeros y las acciones de mercados emergentes.

Predecir los movimientos a corto plazo en los mercados siempre es imposible y eso no cambia cuando las cosas van a la baja.

En todo caso, probablemente sea aún más difícil predecir lo que sucederá en una corrección porque es entonces cuando los inversores tienden a agarrar el volante aún más fuerte.

No sé cómo se moverá este, pero tengo algunas preguntas:

• ¿La caída del mercado de bonos hará que las acciones sean más atractivas en comparación?
• ¿O los rendimientos más altos de los bonos traerán más dinero a la renta fija?
• ¿El resto del mercado se desplomará en algún momento?
• ¿O la mayor parte del dolor estará contenido en las acciones tecnológicas?
• Si la inflación sigue siendo elevada, ¿eso mantiene un límite en el mercado de valores?
• ¿O la bolsa acabará siendo un refugio seguro ya que la renta fija se ve más afectada por los efectos de la subida de precios?
• ¿En qué momento algo se rompe con las tasas de interés subiendo a un ritmo tan rápido?

Estos últimos años parece que todo en los mercados está sucediendo más rápido que nunca. No sé si eso significa que las cosas se saldrán de control o terminarán rápidamente, pero esta corrección parece única para los inversores de todos los niveles.

Estuve en Nueva York la semana pasada y hablé sobre Netflix, acciones tecnológicas, bonos y más con Josh y Will Hershey en The Compound and Friends:

Los mejores patrones de price action [Parte 1] por Al Brooks

Los mejores patrones de trading de price action o acción del precio

En esta serie de artículos le explicaré mis patrones de price action favoritos. Los traders rentables usan estos patrones todos los días para ganar dinero. Sea flexible porque cada uno tiene muchas variaciones. Si mantiene su mente abierta a todas las posibilidades, comenzará a verlos todos los días, en todos los mercados y en todos los marcos temporales.

¿Cuál es el mejor patrón de trading de acción del precio para el swing trading o para hacer scalping? ¿Cuál es el mejor para los mercados Forex? ¿Qué pasa con los Day traders o el trading de materias primas? No importa porque cualquier patrón puede ser el mejor, dependiendo del gráfico que tengas delante.

Además, varios pueden estar presentes al mismo tiempo. Por ejemplo, puede haber una ruptura en falso por encima de un canal alcista en una proyección de movimiento, y la ruptura podría haber formado un triángulo. Algunos traders lo llamarían un cambio final en bandera, otros podrían ver un cambio de tendencia importante y algunos se concentrarían en la ruptura fallida del canal.

La clave es comprender qué fuerzas están detrás de los patrones de acción del precio y estar listo para operar con ellos a medida que los ve desarrollarse.

Principales cambios de tendencia

Una tendencia alcista es una serie de máximos y mínimos más altos, y una tendencia bajista es una serie de máximos y mínimos más bajos. Operar con un patrón de inversión de tendencia importante es un intento de entrar al comienzo de una nueva tendencia, con la esperanza de que siga.

Dado que los traders entran antes de que la nueva tendencia sea clara, la probabilidad de que incluso el setup o patrón más atractivo sea válido generalmente será solo del 40%. Estos traders buscan un bajo riesgo (un stop ajustado), pero eso casi siempre viene con baja probabilidad. Las matemáticas son buenas tanto para estos operadores que quieren hacer una entrada temprana como para aquellos que esperan una ruptura fuerte en una tendencia clara. Los componentes de un cambio de tendencia importante incluyen una

• Tendencia
• Pullback que se sale del canal
• Reanudación de la tendencia
• Segundo retroceso que crece hacia la tendencia opuesta

Day Trading vs. Swing Trading: Diferencias que debemos saber por The Trader Chick

Richard Wyckoff II por Ray Barros

En el primer artículo de esta serie planteé algunos problemas que los usuarios de Wykcoff debían superar:

1. ¿Cómo definimos la dirección del mercado?
2. ¿Cómo determinamos si el volumen de un período dado es de ventas netas o compras netas?
3. ¿Cómo superamos los patrones cíclicos de volumen (p. ej., el patrón de los futuros financieros) o los patrones de sesión (p. ej., el patrón que se encuentra en los datos ES intradía)?

Las respuestas a las dos primeras preguntas se pueden responder utilizando Market Delta; la respuesta a la tercera pregunta se encuentra en el volumen normalizado.

Para responder a la pregunta de cuál es la mejor manera de determinar la dirección del mercado, primero debemos considerar cuál es el mejor indicador de aceptación de un precio determinado. En este caso, la dirección del mercado es ‘hacia arriba’. Es donde hay una discrepancia entre los extremos y el cierre que surgen los problemas, por ejemplo, un cierre más bajo con máximos más altos y mínimos más altos.

Nuestro trabajo confirma que el mejor indicador de dirección es el Punto de Control del Perfil de Mercado o POC. Representa el precio en el que se ha realizado el 70% de la negociación. La figura 1 muestra la idea de un gráfico de 30 minutos: puede usar esta idea para cualquier período de tiempo.

El Módulo Delta de Market Delta nos dirá si el volumen de un período de tiempo es compra neta o venta neta. En la Figura 2, la Figura debajo del rango de cada período de tiempo muestra la diferencia entre el volumen de compra y venta.

Para ver cómo funciona esto, echa un vistazo a la barra de las 3:00 p. m. Hicimos un máximo más alto y un mínimo más alto (cierre más bajo, véase la FIGURA 3) con compras netas reducidas. El POC fue ligeramente superior. El máximo más alto fue un máximo en falso y una señal de venta: la dirección del mercado subió con un volumen bajo. Mirando el gráfico de volumen normalizado, vemos una barra DOJI con un volumen normalizado que era al menos normal. El volumen normalizado es el histograma de color gris. Los colores verde y rojo del histograma representan las relaciones Delta.

El gráfico de volumen normalizado muestra que el mercado se mueve hacia arriba en al menos un volumen normal y un rango más pequeño; esta es una señal de un posible giro.

Las ideas de volumen de Wyckoff ahora se ha convertido en análisis técnico tradicional, por ejemplo:

1. Los nuevos máximos o mínimos deben ir acompañados de un volumen normal a moderadamente mayor.
2. El volumen excesivo en nuevos máximos sugiere un posible clímax.
3. Un volumen inferior al normal sugiere una ruptura falsa (falsa salida).

Defino normal como estar dentro del 70% del POC; moderadamente más alto por estar por encima del POC (efectivamente 70% + 12,5%) y excesivamente alto por estar muy por encima del POC. Uso el mismo proceso que Steidlmayer cuando calcula el área de valor.

Tenga cuidado cuando los mercados no se deciden por Sentimentrader

A mediados de marzo, los titulares de los medios financieros eran realmente malos. Las acciones se desplomaban, la inflación subía y en todos titulares se hablaba de una potencial guerra nuclear.

Durante este mini-pánico, el «dinero inteligente» entró con una confianza no vista ene años. En las semanas posteriores a esos extremos, los compradores entraron con fuerza y desencadenaron varios impulsos de amplitud y un impulso interno impresionante.

Estos movimientos tienen una historia larga y muy fiable, de preceder a ganancias aun más abultadas en los próximos meses.

No todo es color de rosa. Hay algunas preocupaciones, incluido el hecho de que el entorno del mercado no ha podido volverse saludable. Los mejores impulsos tienden a ver pocas disminuciones desde el aumento inicial, mientras que esta vez, hemos visto una fuga persistente casi desde el principio.

Uno de los requisitos para un entorno saludable es que los máximos de 52 semanas en la Bolsa de Nueva York superen en número a las acciones que hacen mínimos de 52 semanas. Eso no está sucediendo con ninguna consistencia. No solo eso, actualmente existe una división notable en el mercado, con demasiados valores en ambos extremos.

El índice HiLo Logic volvió a estar por encima del 4 % el viernes, lo que significa que más del 4 % de las acciones del NYSE alcanzaron un máximo de 52 semanas y más del 4 % de ellas cayeron a un mínimo de 52 semanas. Eso no es lo que los alcistas quieren ver.