Saltar al contenido
Método TradingMétodo Trading
  • Colaboradores
  • Cursos
  • Material formativo
  • Revista
  • Artículos
  • Guías
  • FAQ
  • Contacto
  • Acceder
shutterstock 1848640006">

Seis puntos de sabiduría del trading por Brett N. Steenbarger

Fotografia

Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University

 

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.

Comparte este articulo:

shutterstock 1848640006
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...

shutterstock 1043606782 scaled">

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

Captura de pantalla 2020 10 07 a las 15.27.47 1 e1602078279445

Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL

 

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:

ICSHPIN chart

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:

FQz6kFrXEAA3Gws

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:

IUSIR chart 9

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:

IUSRGDP chart 3

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:

%5ESPXTR chart

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

%5ESPXTR chart 1

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

AGG chart

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:

IUS30YMR chart 2

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.

Comparte este articulo:

shutterstock 1043606782
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...

shutterstock 2055342644 scaled">

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

logo

La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com

 

  • 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.

pastedGraphic.png

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).

pastedGraphic_1.png

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.

pastedGraphic_2.png

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.

Estrategia Rentabilidad Caída máxima Return / drawdowns ratio
Punto de referencia 8,20 % 43,51 % 0,19
Impulso compuesto 9,89 % 39,41 % 0,25

 

pastedGraphic_3.png

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.

Estrategia Rentabilidad Caída máxima Return / drawdowns ratio
Punto de referencia 7,07 % 43,51 % 0,16
Estrategias principales 8,47 % 40,41 % 0,21
Todas las estrategias 7,81 % 35,04 % 0,22

 

pastedGraphic_4.png

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.

pastedGraphic_5.png

Estrategia Rentabilidad Caída máxima Return / drawdowns ratio
Enfoque promedio 9,04 % 39,41 % 0,23
Caminar hacia adelante 8,47 % 40,41 % 0,21

 

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

Comparte este articulo:

shutterstock 2055342644
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...

shutterstock 1946070415 2 scaled">

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

yuval

 

 

 

 

 

Yuval trabaja como product manager en Portfolio123, una empresa de tecnología financiera. Además es autor de «Zora and Langston: A Story of Friendship and Betrayal», entre otros libros.
Yuval / Portfolio123

 

  • 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.

Comparte este articulo:

shutterstock 1946070415 2
Cómo ser un gran inversor, parte nueve: tamaño de la posición por Yuval Taylor

            Este artículo es el octavo de una serie de...

shutterstock 583501345 scaled">

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

Al Brooks

 Al Brooks es trader profesional y uno de los precursores del price action con miles de seguidores distribuidos por todo el mundo, siendo uno de los referentes a nivel internacional en este campo. Cada día, a través de su sitio brookstradingcourse.com, enseña a operar usando la acción del precio.
Al Brooks / brookstradingcourse.com

 

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).

Bandera bajista final - Inversión de tendencia más baja y más baja
Un rango de negociación estrecho al final de una tendencia bajista forma a menudo una bandera bajista final. Los traders buscarán la ruptura a continuación para revertir sus posiciones.

Comparte este articulo:

shutterstock 583501345
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...

shutterstock 1043606782 scaled">

Richard Wyckoff III por Ray Barros

ray 400x400 e1636732168302

Abogado de profesión, es trader profesional, gestor de fondos y educador. Con más de 30 años de experiencia, ha conseguido mantener un track record continuado con una tasa de retorno anual del 39%. Es autor del libro “The Bature of Trends” y escribe regularmente para revistas como Your Trading Edge Magazine, Business Times y Smart Investor.
Ray Barros / tradingsuccess.com

 

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

Comparte este articulo:

shutterstock 1043606782
Richard Wyckoff III por Ray Barros

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

shutterstock 1669653499 scaled">

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

Fotografia

Brett N. Steenbarger, Ph.D. es profesor de psiquiatría y ciencias del comportamiento en SUNY Upstate Medical University. Compagina su actividad docente con la de entrenador de gestores de hedge funds y traders profesionales. Brett es autor de varios libros sobre psicología enfocada en el trading: The Daily Trading Coach (2009), Trading Psychology 2.0 (2015) y Radical Renewal (2019), entre otros. Su experiencia en los mercados financieros comenzó a finales de la década de 1970.”.
Brett N. Steenbarger, Ph.D. / SUNY Upstate Medical University

 

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.

Comparte este articulo:

shutterstock 1669653499
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...

shutterstock 87572596 scaled">

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

Captura de pantalla 2020 10 07 a las 15.27.47 1 e1602078279445

Ben Carlson es gestor de carteras para instituciones e inversores en Ritholtz Wealth Management LL. Escribe habitualmente sobre gestión patrimonial, inversiones, mercados financieros y psicología del inversor.
Ben Carlson / Ritholtz Wealth Management LL

 

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:

IPO ARKK SPAK chart

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:

FB NFLX PYPL SHOP chart

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:

FB SHOP PYPL NFLX SPY chart 1

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:

TLT IEF IEI LQD JNK AGG SPY chart

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:

RSP chart 1

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:

VTV SPY IWM IWN EFA EFV EEM MDFEVX chart

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:

Comparte este articulo:

shutterstock 87572596
¿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...

shutterstock 1278769264 scaled">

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

Al Brooks

 Al Brooks es trader profesional y uno de los precursores del price action con miles de seguidores distribuidos por todo el mundo, siendo uno de los referentes a nivel internacional en este campo. Cada día, a través de su sitio brookstradingcourse.com, enseña a operar usando la acción del precio.
Al Brooks / brookstradingcourse.com

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

Los 10 mejores patrones de negociación de la acción del precio: cita de JFK "No reces por una vida fácil...".

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
Canal bajista ajustado: reversión menor que lleva a una reversión mayor
La primera ruptura por encima de un estrecho canal bajista suele ser menor. La segunda reversión tiene un 40% de probabilidades de ser mayor, como aquí. Compre por encima de una barra alcista que cierra cerca de su máximo (rectángulo verde).
La reversión de la tendencia principal más alta a menudo conduce a una reversión de la tendencia principal más baja
Una reversión a la baja desde una ruptura de una bandera alcista (aquí, un triángulo) es a menudo una reversión de tendencia principal. Vender por debajo de una barra bajista que cierra cerca de su mínimo. Una reversión de la tendencia principal más baja suele seguir a una reversión del máximo más alta. Hubo muchas oportunidades para vender (rectángulo rojo) debajo de una barra bajista en la tendencia bajista. Los traders obviamente no toman todas las señales de venta.
Sin embargo, deben comprender que los bajistas han tomado el control y deben intentar tomar al menos una señal de venta.
Triángulo en expansión, una variación de Inversión de tendencia más baja, más baja
Hubo una reversión muy fuerte en el medio del gráfico, pero los bajistas consiguieron realizar un nuevo mínimo. A veces, un nuevo mínimo puede ser simplemente un retroceso profundo de un repunte fuerte, como aquí. Cada parte inferior del triángulo en expansión es también una inversión de tendencia importante más baja. Había muchas oportunidades para comprar por encima de una barra alcista que cerraba cerca de su máximo.
En el siguiente artículo hablaremos de más patrones de price action.

Comparte este articulo:

shutterstock 1278769264
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...

shutterstock 1975864685 scaled">

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

DSC 0368 3

Marina «The Trader Chick» ayuda a las personas a hacer trading intradía. Ella simplifica el proceso al desglosar por completo patrones de trading con alta probabilidad. Está a cargo de una de las escuelas de trading con más seguidores en los Estados Unidos.
Marina / thetraderchick.com

 

Podemos decir con seguridad que la mayoría de los traders activos se agrupan en dos tipos de áreas: Day trading y Swing Trading. Ambos tipos de traders persiguen el mismo objetivo, que es beneficiarse del movimiento de precios de un activo financiero. Profundicemos en cuál es la diferencia entre el day trading y el swing trading .

¿Cuál es la diferencia entre el day trading y el swing trading?

Existen algunas diferencias clave entre el day trading y el swing trading que ya debe conocer. El trading intradía es el proceso de compra y venta de un activo financiero en el mismo día, con el objetivo de obtener pequeñas ganancias en una gran cantidad de operaciones. El swing trading, por otro lado, es una forma de trading a más largo plazo que busca obtener ganancias en movimientos medios en el precio. Por lo general, esto implica mantener una acción durante varios días o semanas antes de venderla.

Day Trading o trading intradía

  • Mayores ganancias o pérdidas potenciales, en múltiples operaciones a corto plazo
  • Muchas transacciones por día
  • Tiende a ser más como un trabajo a tiempo completo
  • Se basa en señales de compra y venta a corto plazo
  • Requiere mucha atención

Swing trading

  • Menos ganancias o pérdidas pero ganancias más sustanciales por operación
  • Muchas transacciones por semana
  • Más como un trabajo a media jornada
  • Se basa en indicadores de impulso y tendencias.
  • Requiere menos atención

Como puede ver, ambos estilos tienen sus pros y sus contras, pero están hechos para diferentes tipos de personas. Dependiendo de lo que estés buscando, podrás elegir. El Day trading es más adecuado para las personas que buscan trabajos a tiempo completo, pero, por supuesto, requiere mucho más tiempo que el swing trading.

Algo que ambos tienen en común es la curva de aprendizaje, debe aprender todo lo que pueda antes de poner dinero real en los mercados. Ambos requieren que practiques mucho para tener operaciones exitosas. Hablemos un poco más en profundidad sobre cada uno por separado.

Day trading

El Day trading es un tipo de trading que consiste en comprar y vender acciones u otros valores dentro del mismo día de negociación. Este enfoque contrasta con el de simplemente invertir, que generalmente implica mantener las posiciones durante un período de tiempo más largo.

Los Day traders generalmente buscan comprar y vender muchas veces durante el día en un intento de aprovechar los pequeños movimientos en el precio. El objetivo es obtener una ganancia en cada operación, al mismo tiempo que se incurre en la menor cantidad de pérdidas posibles. Esta puede ser una actividad de alto riesgo ya que la mayoría de los activos adecuados para esta actividad son altamente volátiles

Swing trading

El swing trading es un estilo de trading que trata de aprovechar algunos movimientos de precios a medio plazo, normalmente manteniendo una posición durante unos días o unas semanas como mínimo. Los swing traders buscan obtener ganancias rápidas aprovechando la volatilidad de los precios y los movimientos que se dan en días o semanas.

En general, los swing traders compran un valor, lo mantienen durante un período corto de tiempo (días o semanas) y luego lo venden nuevamente. El swing trading se puede utilizar en una variedad de mercados, incluidas acciones, materias primas y Forex.

Conclusión

Ahora que conoce ambos tipos de trading y conoce sus ventajas y desventajas, elija el que sea más adecuado para usted y su estilo de vida. Recuerde que para ambos casos necesita aprender y practicar mucho, configurar una cuenta demo y probarla, después de encontrar algo que funcione para usted, sígalo.

Comparte este articulo:

shutterstock 1975864685
Day Trading vs. Swing Trading: Diferencias que debemos saber por The Trader Chick

  Podemos decir con seguridad que la mayoría de los traders activos se agrupan en...

shutterstock 1970222266 scaled">

Richard Wyckoff II por Ray Barros

ray 400x400 e1636732168302

Abogado de profesión, es trader profesional, gestor de fondos y educador. Con más de 30 años de experiencia, ha conseguido mantener un track record continuado con una tasa de retorno anual del 39%. Es autor del libro “The Bature of Trends” y escribe regularmente para revistas como Your Trading Edge Magazine, Business Times y Smart Investor.
Ray Barros / tradingsuccess.com

 

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.

image
FIGURA 1 POC

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.

image 1
FIGURA 2 Volumen neto

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.

Comparte este articulo:

shutterstock 1970222266
Richard Wyckoff II por Ray Barros

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

shutterstock 1887461311 scaled">

Tenga cuidado cuando los mercados no se deciden por Sentimentrader

maxresdefault 400x225 1

 Jason Goepfert es presidente y CEO de Sundial Capital Research. Editor de SentimenTrader.com, una web de referencia internacional con suscriptores en más de 50 países.
Jason Goepfert / Sundial Capital Research

 

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.

 

78fd1a4a 433d 2427 d30d aa7996a89edb.jpg

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.

Comparte este articulo:

shutterstock 1887461311
Tenga cuidado cuando los mercados no se deciden por Sentimentrader

  A mediados de marzo, los titulares de los medios financieros eran realmente malos. Las...

shutterstock 1674147130 scaled">

¿Cuál es el mejor factor para los períodos de alta inflación? – Parte II [Estudio] por Quantpedia

logo

La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Quantpedia / Quantpedia.com

 

Este segundo artículo ofrece una mirada diferente a los períodos de alta inflación, que ya analizamos en ¿Cuál es el mejor factor para los períodos de alta inflación? – Parte I. En esta segunda parte, analizamos el desempeño de los factores durante períodos de 10 años de alta inflación.

Períodos de alta inflación

Como ya esbozamos en la primera parte, la inflación mide un aumento de los precios a lo largo del tiempo. Por lo general, medimos la inflación anualmente. Decimos que la inflación es alta cuando el aumento anual de los precios de los bienes y servicios aumenta inesperadamente. Podría preguntarse qué desencadena estos períodos. Más típicamente, conflictos geopolíticos.

El primer artículo analizó de cerca los períodos de un año de alta inflación. Esta vez analizamos periodos más largos. Nuevamente, analizamos el índice de precios al consumidor del Banco de la Reserva Federal de Minneapolis, que incluye la tasa de inflación desde 1913. En primer lugar, calculamos el quintil superior y observamos en qué años la inflación fue más alta. Por lo tanto, consideramos años con inflación superior al 5,62% años de alta inflación.

En consecuencia, hemos seleccionado dos períodos de 10 años con alta inflación: 1941 – 1951 (Segunda Guerra Mundial), 1973 – 1983 (Crisis del Petróleo de 1973).

HIP00 RateOfInflation 10Y

Periodo 1: 1941 – 1951

El primer período de 10 años desde la Primera Guerra Mundial con inflación anormal ocurrió alrededor de la Segunda Guerra Mundial. La tasa de inflación anual comenzó a crecer significativamente en 1941 y en 1942 alcanzó el 10,9%. Después de eso, la tasa de inflación osciló de año en año. Sin embargo, la tasa de inflación promedio durante los diez años de 1941 a 1951 fue de 5,86%, superior al percentil 20.

Periodo 2: 1973 – 1983

El segundo período de alta inflación de 10 años se inició con la crisis del petróleo de 1973. La crisis del petróleo fue una consecuencia directa de la guerra árabe-israelí. Los miembros árabes de la OPEP (Organización de Países Exportadores de Petróleo) restringieron a EE. UU. debido a su relación con Israel. Estados Unidos estaba reabasteciendo al ejército israelí para ganar influencia durante las negociaciones de paz de la posguerra. La tasa de inflación pasó del 3,3% en 1972 al 6,2% en 1973 y al 11,1% en 1974. Se mantuvo anormal hasta 1983 cuando cayó al 3,2%.

Análisis de Períodos de Alta Inflación

Los períodos de 10 años alrededor de la Segunda Guerra Mundial y la crisis del petróleo de 1973 son los temas principales de este artículo. Analizamos los 3 Factores de Fama y French (Mkt, SMB, HML), Momentum, Factor de Reversión a Corto Plazo, Factor de Reversión a Largo Plazo y 10 Carteras de Industria durante el tiempo de los eventos.

Mercado durante períodos de alta inflación

En primer lugar, analizamos el movimiento del mercado durante los períodos de diez años antes mencionados. La siguiente figura ilustra las curvas de equidad del mercado. El rendimiento del mercado durante el período de 10 años en torno a la segunda guerra mundial fue del 292,38%, y durante el período de 10 años en torno a la crisis del petróleo fue del 2,67%.

¿Cuál es la comida para llevar? La primera es que no tenemos suficientes puntos de datos en este estudio basado en eventos. Nos estamos perdiendo el período de la Primera Guerra Mundial con alta inflación. Pero lo que podemos decir de los dos períodos de alta inflación en el siglo XX es que el desempeño del mercado puede sorprender en ambas direcciones. Puede ser abismal, como en los años 70 y 80. O puede ser fuerte como durante los años 40. Realmente no tenemos suficientes datos para adivinar cómo se verá en la situación actual.

HIP01 Market 1

Activos refugio durante años de alta inflación

En segundo lugar, analizamos cómo se comportarían los activos refugio durante los períodos de 10 años de alta inflación. Utilizamos las 10 carteras de la industria para crear una cartera similar a la de los bonos al ir en largo a los servicios públicos y vender el promedio de las nueve industrias, ej. utilidades. La cartera long-short debería tener una rentabilidad similar a la de un bono. El rendimiento de 10 años durante 1941 – 1951 es -15,65% y durante 1973 – 1983 es ​​-8,06%.

La conclusión: los activos similares a los bonos tienen un rendimiento inferior casi siempre.

HIP02 Utilities 1

Proxy de precios de energía

Además, examinamos el proxy de los precios de la energía/proxy del petróleo crudo calculando otra cartera long-short. Nuevamente, analizamos las 10 carteras de la industria y calculamos una cartera que va en largo en energía y corta en el promedio de las nueve industrias, ej. energía. El rendimiento de la cartera a 10 años durante el período en torno a la segunda guerra mundial fue del 113,41 %, y en torno a la crisis del petróleo fue del 37,52 %.

Esos números parecen impresionantes, pero observe el camino de ambas curvas de equidad. El sector de energía tiene un rendimiento superior solo durante un subconjunto de años, y no es una gran cobertura. El filtro de seguimiento de tendencias probablemente ayudaría, pero el rendimiento superior de las acciones de energía aún está lejos de estar garantizado durante todo el período de alta inflación.

HIP03 Energy 1

Portafolios tecnológicos durante años de alta inflación

Además, examinamos el proxy de los precios tecnológicos calculando otra cartera long-short. Nuevamente, analizamos las 10 carteras de la industria y calculamos una cartera que va larga en tecnología y corta en el promedio de las nueve industrias, ej. tecnología En general, la cartera de la industria tecnológica fue muy volátil durante los dos períodos examinados. El rendimiento de la cartera a 10 años durante el período en torno a la segunda guerra mundial fue del -8,30 %, y en torno a la crisis del petróleo fue del -1,38 %.

Podemos decir con confianza que no podemos esperar nada impresionante del desempeño del sector tecnológico en los períodos de alta inflación. No hay ningún año en el que prefiramos mantener o superar las acciones tecnológicas en lugar de mantener solo el índice de mercado diversificado.

HIP04 Tech 1

Factor de reversión a largo plazo

En esta sección, exploramos el factor de reversión a largo plazo . El desempeño de la reversión a largo plazo fue positivo durante ambos períodos examinados. El rendimiento de 10 años del factor de reversión a largo plazo durante el período en torno a la segunda guerra mundial fue del 75,25 %, y en torno a la crisis del petróleo fue del 89,84 %.

El factor de reversión a largo plazo nos ha dado una agradable sorpresa. El rendimiento superior no es constante, pero las curvas de renta se ven mejor que las curvas de renta variable que muestran alfa de la cartera de acciones energéticas.

HIP05 LongTermReversal 1

Efecto Momentum Durante Períodos de Alta Inflación

El comportamiento del efecto momentum también es positivo durante los dos periodos analizados. El rendimiento de 10 años durante la Segunda Guerra Mundial es del 48,57% y del 141,77% durante la Crisis del Petróleo de 1973.

El rendimiento del factor impulso parece prometedor durante los períodos de alta inflación.

HIP06 Momentum 1

SMB y HML

Small Minus Big (SMB) y High Minus Low (HML) son dos de los 3 factores de Fama y French. SMB se define como la rentabilidad media de las tres carteras pequeñas menos la rentabilidad media de las tres carteras grandes. El rendimiento de la cartera a 10 años durante la segunda guerra mundial fue del 39,30% y durante la crisis del petróleo fue del 84,43%.

El rendimiento superior de las acciones de pequeña capitalización frente a las acciones de gran capitalización durante los períodos de alta inflación parece prometedor, pero no es tan consistente como el rendimiento del impulso o el último factor de nuestra lista: Fama y French HML o factor de valor.

HIP07 SMB 1

El HML se define como la rentabilidad media de las dos carteras de valor menos la rentabilidad media de las dos carteras de crecimiento. El rendimiento de la cartera a 10 años durante la segunda guerra mundial fue del 189,59% y durante la crisis del petróleo fue del 150,80%.

Y aquí tenemos un ganador definitivo. El factor HML fue una verdadera cobertura para los períodos de alta inflación en el siglo XX.

HIP08 HML 1

Autora:
Daniela Hanicova, analista cuántica, Quantpedia

Comparte este articulo:

shutterstock 1674147130
¿Cuál es el mejor factor para los períodos de alta inflación? – Parte II [Estudio] por Quantpedia

  Este segundo artículo ofrece una mirada diferente a los períodos de alta inflación, que...

shutterstock 2040292655 scaled">

Los osos están despertando [Dirty Dozen] por Alex Barrow

Alex Avatar

Cofundador de Macro Ops, www.macro-ops.com. Global Macro fanático, ex francotirador profesional y miembro de la inteligencia de los EE. UU.
Alex Barrow / MACRO OPS

 

 “Com. Corp. me enseñó a ver la señal y seguir la señal. Si sigue su sistema/metodología, con el tiempo su ventaja se activará y terminará ganando. ~ Michael Marcus

¡Buenos Dias!

En el Dirty Dozen [PACK DE GRÁFICOS] de esta semana, vemos cómo el péndulo narrativo se acerca cada vez más a un consenso bajista. Seguimos esto con razones para esperar más caídas en el corto plazo. Hablaremos sobre el aumento del riesgo del mercado bajista, el techo de TSM, la caída de ETHUSD y más…

  1. AAII Net Bulls-Bears cayó a su nivel más bajo desde principios de 13′. Investor’s Intelligence Net Bulls-Bears cayó a su nivel más bajo desde el mínimo del mercado bajista de COVID (gráficos de Ed Yarden )

AAII ney Bulls Bears

Investors Intelligence Bulls and Bears

Bull Bear Ratio Under 1.0

  1. Estos son los rendimientos futuros para cuando las lecturas de AAII Bull han sido tan bajas: promedio de 3 meses +5.55%, promedio de 6 meses +12.2%, con tasas de ganancias del 94% y 97% respectivamente. Gráfico de SentimenTrader a través de @SethCL.

AAII Bulls 041822

  1. Aquí están los resúmenes más recientes de Flow Show y BofA Fund Manager Survey. La tendencia bajista se acerca a un consenso… Mantenga un ojo en este Péndulo Narrativo. Sospecho que veremos una pata más a la baja que prepara a los mercados para un retroceso cerca de los máximos de enero. Después de todo, este es un gran régimen volátil lateral.

latest Flow Show and BofA Fund Manager Survey summaries 041822

BofA Global Fund Manager Survey 041822

  1. Aquí hay algunos gráficos geniales del técnico NDR @edclissold. Ed escribió: “2 tipos de indicadores se han vuelto negativos. 1º Son zonas económicamente sensibles. El sector de transportes ha sido un buen «indicador económico en tiempo real» para las acciones frente a los bonos, y se han derrumbado (están rebotando hoy)».

Chart1 041822

  1. Y otro de @edclissold: “Las áreas sensibles a la tasa tienen un rendimiento inferior. Los constructores de viviendas, los automóviles (menos) y las acciones con mejor tendencia se han dado la vuelta (al igual que los transportes, algunos están rebotando a corto plazo, pero en el contexto de tendencias bajistas de fuerza relativa)».

Interest Rate Sensitive Indicators II

  1. Y el último de @edclissold: “El índice SHUT (Staples, Health Care, Utilities y Telecom) mide el liderazgo defensivo. Se recuperó y está probando sus máximos de marzo de 2022 en relación con el SPX. Liderazgo defensivo + aumento de las tasas + desaceleración económica no es una receta para una gran ventaja”.

SHUT

  1. Y un poco más de porno técnico bajista para los lectores de Zero Hedge. Las acciones de beta alta frente a beta baja (verde) continúan moviéndose, lo que indica más desventajas para el mercado en general.

High Beta vs Low Stocks SPX

  1. Señalé esto a principios de marzo, así que lo actualicé nuevamente, ya que TSM parece estar rompiendo desde su zona de consolidación justo debajo de su principal rango de doble techo. Obtuvo ganancias mejores de lo esperado la semana pasada y las acciones cotizaron a la baja. No es una buena señal si estas largo.

TSM 041822

  1. La lista de verificación de mercado bajista de Citi está cada vez más cerca de activar una «señal de mercado bajista». Ellos “se preocupan cuando las señales ámbar + rojo superan el 50%. Esto tiende a continuar con los mercados bajistas”. La lectura actual es del 45 % y los datos tienen una tendencia en la dirección equivocada.

The PULSE Monitor

  1. El ETHUSD rompió a la baja desde su reciente cuña en espiral. Creo que lo veremos retroceder a su nivel de 2500 en las próximas dos semanas.

ETHUSD 041822

  1. Aquí hay un gráfico muy interesante de mi amigo @tom_morganKCP. Además, asegúrese de suscribirse a su boletín (enlace aquí). Es una de mis lecturas habituales favoritas.

2021 US Net Import Reliance

 

  1. Me han estado preguntando cuál es mi precio objetivo para natty, ya que estamos sentados en lo que se ha convertido en una gran posición. Bueno, la respuesta corta es que realmente no tengo uno. Quiero decir, ¿creo que el máximo anterior de 13,50 es posible (línea roja)? Por supuesto…

Eso tal vez no sea probable, pero definitivamente es posible. De todos modos, prefiero cambiar el gráfico que tengo delante. En este momento estamos siguiendo una parada cercana a las ganancias parciales. El resto lo seguiremos dejando correr hasta que el mercado diga que la tendencia ha terminado.

nattyng

Gracias por leer.

Manténgase helado y mantenga la cabeza en un giro.

Comparte este articulo:

shutterstock 2040292655
Los osos están despertando [Dirty Dozen] por Alex Barrow

   “Com. Corp. me enseñó a ver la señal y seguir la señal. Si sigue su sistema/metodología,...

shutterstock 591580256 scaled">

Cómo mejorar sistemas empleando técnicas de programación genética por Andrés A. García

intro andres garcia

Doctor en Filosofía, experto en Tecnologías de la Información y la Comunicación (TICs) y trader por cuenta propia con más de 30 años de experiencia. Es propietario del portal TradingSys.org dedicado al trading cuantitativo y profesor del curso de Experto Universitario: “Sistemas y modelos cuantitativos de trading algorítmico” impartido por la Universidad Politécnica de Madrid.
Andrés A. García / TradingSys.org

 

  • ¿Se imagina disponer de una máquina que construye miles sistemas, los evalúa y genera el código para nuestra plataforma de trading favorita? Esto que hace unos años sonaría a Ciencia Ficción hoy es posible mediante software de programación genética. En el presente artículo veremos cómo mejorar sistemas empleando esta prometedora tecnología.
  • Artículo publicado en Hispatrading 23.
  • Por Andrés A. García, David Urraca y Carlos Prieto.

 De todos es sabido que el desarrollo de estrategias automatizadas es un proceso tedioso que consume ingentes cantidades de tiempo y recursos de todo tipo, constituyendo uno de los principales cuellos de botella del trader sistemático. En nuestra actividad profesional el I+D lo es todo: Siempre estamos sedientos de ideas y metodologías, buscamos con avidez caminos poco transitados que nos proporcionen alguna ventaja aprovechable. En definitiva, buena parte de nuestro trabajo consiste en probar cosas nuevas, cuantas más mejor y además hacerlo deprisa. Por ello, cualquier herramienta tecnológica que contribuya a acelerar el ciclo de producción de sistemas bienvenida sea. En este contexto, pensamos que el software para la generación automatizada de sistemas y, en particular, las plataformas de programación genética (GP), constituyen una alternativa prometedora al desarrollo convencional de estrategias que merece ser explorada.  

No nos detendremos aquí en los detalles de la tecnología de programación genética ni en describir las aplicaciones existentes, de ello ya hemos hablado en otros artículos publicados recientemente. Bástenos comentar que las plataformas programación genética más avanzadas permiten:

  1. Combinar fuentes diversas de datos (series de precios, indicadores) y extraer información relevante que facilita la construcción de sistemas basados en reglas discretas.
  2. Generar estrategias de manera flexible en función de un conjunto de reglas y de criterios de construcción seleccionables por el usuario.
  3. Realizar una evaluación de cada sistema durante el proceso de construcción y construir un ranking de estrategias mediante una función de ajuste basada en ratios e indicadores de calidad.
  4. Implementar mecanismos (separación efectiva de las regiones In-Sample y Out-Sample, limitación de la complejidad estructural, tests de robustez, etc.) que prevengan la sobreoptimización.
  5. Compilar automáticamente las reglas de cada sistema en código utilizable por diferentes plataformas de trading.

Además de la velocidad y calidad del código generado, en una plataforma de programación genética es importante contar con una amplia diversidad de opciones que nos permitan dirigir los procesos de construcción hacia el tipo de estrategia que estamos buscando.  Necesitamos decidir qué indicadores y tipos de órdenes se van a emplear, ponderar su relevancia, si la estrategia será intradiaria o dejará posiciones abiertas, si se van a trabajar ambos lados de la operativa, si las reglas para largos y cortos serán simétricas, si buscamos lógicas tendenciales o antitendenciales, etc. En definitiva, todas las decisiones que un desarrollador experimentado tomaría antes de ponerse a programar nada. Los procesos de construcción de estrategias con plataformas de programación genética admiten al menos estas tres aproximaciones:

  • Desarrollar sistemas a partir de cero, indicando a la plataforma las características generales del producto que queremos obtener. Una vez elegidos los mercados, las opciones de construcción y ratios diana (fitness function) el motor de programación genética genera una población aleatoria que, en sucesivas generaciones y en función de unos criterios establecidos, irá evolucionando hasta obtener un repositorio estrategias que satisfacen los objetivos de partida. 
  • Desarrollar los sistemas por ingeniería inversa. Dado un sistema que funciona y conociendo sus ratios, tratamos de replicarlo obteniendo un conjunto de reglas equivalentes que se aproximen a los resultados del sistema de partida. 
  • Desarrollar variantes de un sistema. Esta metodología requiere que la plataforma incorpore un editor de código que nos permita incluir las reglas del sistema inicial y un módulo específico para mejorar automáticamente partes de dicho sistema, añadiendo reglas nuevas o sustituyendo las existentes por otras. En las siguientes líneas abordaremos esta aproximación.

PLANTEAMIENTO DEL PROBLEMA

Nuestro punto de partida será un sistema tendencial intradiario para largos y cortos, con alta cadencia operativa y unos ratios que consideramos discretos. Aunque se trata de una lógica multimercado, el instrumento de referencia será el ES (E-mini S&P500) en time frame de 15 minutos. Las reglas de esta estrategia son muy simples:  

ENTRAR LARGOS:

Si el cierre actual cruza por encima de una EMA de 500 barras, es mayor que una EMA de 25 barras y el RSI de 14 barras está por encima del nivel 50. 

ENTRAR CORTOS:

 Lógica Inversa.

CERRAR LARGOS: 

Si el cierre actual cae por debajo de una EMA de 25 barras.

CERRAR CORTOS: 

Lógica inversa.

  • El sistema es de tipo reverse: No es necesario esperar al cierre de una posición para entrar en sentido contrario.

 Pese a su simplicidad, estamos ante una lógica robusta y no optimizada. Algunas variantes de esta lógica, que incorporan filtros y stops de acompañamiento, llevan funcionando en operativa real muchos años, por lo que podemos considerar el tramo 2008-2015 como región Out-Sample. Los resultados obtenidos, aunque manifiestamente mejorables en muchos aspectos, son más que aceptables para una lógica tan básica. Por ello, consideramos que es un buen punto de partida en nuestro experimento.

pastedGraphic.png

Sistema Net Profit Max DD. % Win BMO

Profit Factor

SQN Sharpe Ratio MAR

Ratio

ST36 $67.773 -$4830 39,4% $36,2 1,37 4,47 0,10 0,8

Una vez creada la estrategia en la plataforma StrategyQuant (SQ) procedemos a configurar las opciones de nuestro experimento. En primer lugar dividiremos el histórico disponible (2001-2015) en las regiones:

  • In-sample (IS) (2001-2007). Que utilizará SQ para construir los sistemas y hacer una primera evaluación de sus reglas. 
  • Out-Sample (OS) (2008-2014). Para realizar una evaluación de las estrategias exenta de sobreoptimización.

También es posible establecer una región de validación en SQ, interpuesta entre IS y OS, que evite la contaminación de resultados en tramos contiguos, pero en este caso no vale la pena debido al enorme tamaño del OS.

El siguiente paso será elegir los bloques de construcción (indicadores, operadores lógicos, patrones, rangos de precios, tipos de órdenes, etc.) que serán empleados para mejorar el sistema. A los indicadores que queremos trabajar especialmente asignamos una ponderación más alta, los que no nos interesan se deshabilitan. Alternativamente también podemos trabajar un grupo de indicadores en cada fase del proceso de selección.

 Seguidamente establecemos la función de bondad de ajuste o fitness function (FF). Este es un elemento fundamental ya que tanto los sistemas que se omiten y seleccionan como el ranking de estrategias mejoradas dependen del valor de esta función. En nuestro caso elegimos una FF múltiple ponderada del siguiente modo:

Ratio Ponderación
SQN 4
Stability 2
%Stagnation 2
Degrees of Freedom (DoF) 1

Incluimos como ratio de performance el SQN, con elevada ponderación, junto con tres estimadores de calidad:

  • El SQN (System Quality Number) es el cociente entre  media y desviación de las operaciones multiplicado por la raíz cuadrada del número de operaciones. De este modo consideramos mejor un sistema cuando aumenta su BMO, disminuye la desviación estándar (empleada como estimador de riesgo) y/o aumenta la cadencia operativa en el período analizado.
  • El ratio Stability mide la suavidad de la curva de beneficios. Se consideran mejores los sistemas que evolucionan por una pendiente regular. Por ejemplo;  un sistema ideal que gane $100 en cada operación, tendrá una pendiente de 100  y error típico de 0 y un coeficiente de determinación (R^2) de 1. Dos sistemas pueden terminar con el mismo beneficio, incluso evolucionar por la misma pendiente pero ser uno mucho más estable que el otro.
  • %Stagnation es un estimador que mide el porcentaje tiempo que un sistema está sin alcanzar nuevos máximos. Por tanto, cuanto más bajo sea su valor mejor. 
  • Degrees of Freedom (DoF) es la diferencia entre el número de operaciones y el estimador de complejidad. El ratio complexity es el número de restricciones del modelo: reglas, variables, operadores, indicadores, etc.  Por ejemplo  la regla: 

 Close[1] > EMA(High,25)[1] 

Tendría una complejidad de 7: Cierre, barra del cierre, operador lógico, tipo de media, serie de la media, valor de la media y barra de la media.

 De este modo la función de ajuste (FF) será un valor entre 0 y 1 que representa la media ponderada de los cuatro ratios. Como se trata de mejorar un sistema dado, el criterio de selección será muy simple: Pasarán a formar parte del banco de estrategias todos los sistemas cuya FF supera a la del sistema original.  

FASES DEL EXPERMENTO

Dividimos el experimento en tres fases, en cada una de las cuales buscamos generar aleatoriamente una base amplia de sistemas con reglas nuevas o modificadas que mejoren el sistema original. SQ nos permite buscar mejoras específicas en las reglas de entrada, salida y tipos de órdenes. 

pastedGraphic_1.png

En la primera fase obtenemos un ranking de 300 sistemas, todos ellos con FF mayor que el sistema original. De ellos seleccionamos los cinco mejores, considerando:

  • Los mejores valores FF en la región IS.
  • Que no contengan reglas nuevas repetidas o muy parecidas. 
  • Que incorporen mejoras tanto en las reglas de entrada como de salida.

En la segunda fase repetimos el proceso aleatorio de mejora tomando como base los 5 mejores sistemas de la primera fase y estableciendo como criterio de selección para formar parte de este nuevo ranking: FF > media FF sistemas Fase 1. De este modo obtenemos un segundo banco de 159 sistemas mejorados.

En la tercera fase evolutiva seleccionamos, siguiendo los criterios ya descritos, los 5 mejores sistemas de la fase 2. Repetimos el proceso aleatorio de construcción partiendo de estos sistemas y elaboramos un tercer ranking con el criterio FF > Media FF sistemas fase 2.

Finalmente obtenemos 24 estrategias que en conjunto mejoran significativamente los ratios del sistema original.

RESUMEN DE RESULTADOS: 

En las siguientes tablas mostramos los resultados promedio en IS y OS obtenidos en las tres fases considerando cada ranking de estrategias:

  F. F. Net Profit Máx. DD % Win BMO Profit Factor SQN Sharpe AROR
Ratio
ST36 Original 0,757 $22.645 $2.718 38,62% $27 1,32 2,72 0,09 20,50%
Fase 1 Máximo 0,791 $30.607 $3.755 45,20% $67 1,97 4,05 0,2 24,70%
Mínimo 0,762 $12.283 $1.285 36,90% $21 1,32 2,7 0,08 13,50%
Promedio 0,769 $20.875 $1.997 40,70% $45 1,61 3,29 0,14 19,30%
Fase 2 Máximo 0,802 $34.529 $3.434 59,00% $112 2,28 4,56 0,3 26,50%
Mínimo 0,77 $15.658 $1.167 39,90% $36 1,39 3,2 0,11 0,00%
Promedio 0,776 $27.429 $2.735 47,10% $51 1,54 3,58 0,15 23,00%
Fase 3 Máximo 0,802 $33.236 $3.222 59,60% $91 1,92 4,49 0,24 25,90%
Mínimo 0,772 $24.959 $1.386 43,00% $40 1,42 3,13 0,12 21,90%
Media 0,788 $29.400 $2.308 48,40% $59 1,61 3,87 0,16 24,10%
Out-Sample 2008-2015 → →
  F. F. Net Profit Máx. DD. % Win BMO Profit Factor SQN Sharpe AROR
ST36 Original 0,741 $45.089 $4.831 40,18% $44 1,39 3,56 0,10 26,8%
Fase 1 Máximo 0,778 $68.563 $9.760 45,1% $77 1,76 4,93 0,19 33,2%
Mínimo 0,569 $3.283 $1.892 35,5% $10 1,09 0,57 0,05 4,0%
Media 0,730 $28.932 $3.839 41,2% $47 1,45 2,96 0,12 20,2%
Fase 2 Máximo 0,784 $70.801 $7.475 56,5% $111 1,89 5,25 0,19 33,7%
Mínimo 0,652 $8.361 $2.509 40,0% $38 1,24 1,17 0,08 8,9%
Media 0,758 $53.994 $4.933 46,6% $71 1,56 4,21 0,14 28,8%
Fase 3 Máximo 0,779 $73.232 $6.175 55,7% $115 1,95 5,46 0,20 34,3%
Mínimo 0,747 $35.105 $3.498 43,7% $67 1,48 3,36 0,13 23,3%
Media 0,767 $59.838 $4.591 49,9% $93 1,73 4,79 0,16 30,9%

Las tablas inferiores muestran los porcentajes de mejora obtenidos en el OS en cada fase (ranking completo) y por las 5 mejores estrategias.

% Mejora  en Out-Sample (ranking global) sobre el sistema original
  F. F. Net Profit Máx DD. % Win BMO Profit Factor SQN Sharpe AROR
Fase 1 -1,4% -35,8% 25,8% 2,6% 6,5% 3,7% -16,9% 19,5% -24,7%
Fase 2 2,4% 19,8% -2,1% 15,9% 62,5% 11,9% 18,4% 34,8% 7,6%
Fase 3 3,5% 32,7% 5,2% 24,1% 111,8% 24,0% 34,5% 58,7% 15,5%
% Mejora  en Out-Sample (Top 5) sobre el sistema original
  F. F. Net Profit Máx DD. % Win BMO Profit Factor SQN Sharpe AROR
Fase 1 4,4% 5,0% 21,7% 7,8% 19,0% 13,4% 16,2% 9,3% 1,5%
Fase 2 5,2% 47,2% 5,6% 13,5% 82,2% 19,3% 41,3% 47,6% 21,8%
Fase 3 7,3% 39,7% 61,6% 9,1% 93,7% 21,6% 39,1% 46,2% 22,5%

Otro elemento relevante a considerar es la complejidad estructural de los sistemas en relación con el rendimiento y la calidad de los mismos. Los sistemas muy complejos son más propensos al curve fitting y esto afecta al rendimiento en el OS. En los siguientes gráficos mostramos la relación entre complejidad y los ratios SQN, Sharpe Ratio y %Stangation:

pastedGraphic_2.png

pastedGraphic_3.png

pastedGraphic_4.png

 El índice de complejidad del sistema inicial es de 19 (punto rojo).  Como podemos apreciar en los gráficos de SQN y Sharpe los mejores valores se concentran en una ventana de complejidad que va de 60 a 90. Niveles de complejidad más altos no generan mejoras de manera consistente. El ratio %Stangation (mejor cuanto menor sea su valor) es coherente con los dos anteriores y concentra también sus mejores valores en la ventana 60-90.

La creación automática de sistemas mediante técnicas de programación genética genera un aumento continuo de complejidad a medida que los sistemas evolucionan. A menudo esta complejidad se debe a la adición de código basura; reglas redundantes, superposición de indicadores con elevada colinealidad, exceso de subsistemas de salida, etc. Estas reglas innecesarias aumentan de marea residual la función de ajuste, y por ello nuevos sistemas cada vez más complejos se van añadiendo al ranking de estrategias.  Para evitar esto es recomendable filtrar los sistemas con complejidad elevada o establecer a priori como criterio de selección un umbral máximo de complejidad.

Por último mostramos la curva de beneficios y principales ratios de los dos mejores sistemas obtenidos en este experimento:

pastedGraphic_5.png

Como puede apreciarse la mejora es muy significativa en todos los ratios.  El nivel de complejidad es más elevado en la versión 1 del ST36 que en la 2, aunque  ambos sistemas están en el rango 70-90.

Comparte este articulo:

shutterstock 591580256
Cómo mejorar sistemas empleando técnicas de programación genética por Andrés A. García

  ¿Se imagina disponer de una máquina que construye miles sistemas, los evalúa y genera...

  • 1
  • …
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • …
  • 101
Acerca de Método Trading

Es una escuela de trading, creada por traders institucionales, para formar a inversores particulares y profesionales financieros en el arte del análisis técnico y el trading profesional.

Categoría

Artículos
Guias
Magazines

Información

Chile: +56 232629600
México: +52 5585263201
Colombia: +57 601 5800534

Perú: +51 17124709

 

Síguenos

Copyright 2025 © Metodotrading.com
Acceder

perdiste tu contraseña?
Registro
¿No tienes una cuenta? ¡Regístrate aquí!
Registrar una cuenta

Se le enviará una confirmación de registro por correo electrónico.