El trading de calidad requiere liderazgo por Brett N. Steenbarger

Me gustaría retomar el tema de un artículo de Forbes que escribí hace varios años. Cada uno de nosotros tiene muchas facetas en nuestras vidas: nuestro trading, nuestras carreras, nuestras amistades, nuestras relaciones románticas, nuestras familias, nuestras actividades comunitarias, nuestros pasatiempos, etc. En ese sentido, nuestra vida es una organización, y qué tan bien organicemos las partes de nuestra vida jugará un papel importante en cuán exitosas y satisfactorias serán nuestras vidas.

Lo que esto significa es que, si nuestra vida es una organización, entonces somos los líderes de esa organización. Todos nosotros dirigimos nuestras vidas, pero no todos actuamos como los líderes de nuestras vidas. El liderazgo requiere el establecimiento de metas y visión; la división y asignación de recursos; la creación de inspiración y trabajo en equipo. Si estuvieras dirigiendo una organización empresarial de la manera en que normalmente diriges tu vida, ¿qué tan exitosa sería esa organización? ¿Qué tan bien estás estableciendo los estándares para lo que hará que hoy, esta semana, este mes sean exitosos? ¿Qué inspiras con tu forma de actuar?

Por supuesto, también somos los líderes de nuestros negocios de trading. ¿Qué tan bien estamos guiando nuestros propios esfuerzos al aprender y estructurando nuestros esfuerzos para mejorar?

Somos los emprendedores de nuestras vidas y somos los emprendedores de nuestro propio trading. Quizás la parte más subestimada de la psicología del trading es nuestra capacidad para ejercer liderazgo en nuestras vidas y en nuestro trading.

¿Cómo podemos mejorar nuestro trading? por Kevin Davey

Ratio de Sharpe: Cálculo, interpretación y análisis por Quantinsti

Bienvenido a esta guía sobre el ratio Sharpe, una métrica financiera desarrollada por el premio Nobel William F. Sharpe en 1966. Esta guía está diseñada para aquellos que buscan comprender cómo se calcula, interpreta y aplica el ratio Sharpe para tomar decisiones de inversión.

En finanzas, lograr altos rendimientos es un objetivo común, pero comprender el riesgo asociado es igualmente importante. El el ratio Sharpe da una medida cuantitativa del rendimiento de una inversión en relación con su riesgo, ofreciendo una herramienta valiosa para comparar y evaluar varias oportunidades de inversión.

A través de esta guía, los lectores cubrirán los conceptos básicos del ratio Sharpe, su fórmula, cálculos prácticos y aplicaciones utilizando ejemplos del mundo real. Exploramos su papel en la comparación de carteras, la evaluación del rendimiento, la gestión de riesgos y la evaluación comparativa, lo que lo convierte en una lectura obligada tanto para los inversores novatos como para los profesionales experimentados.

Ya sea que tenga como objetivo mejorar su estrategia de inversión, profundizar en el trading algorítmico o comprender los fundamentos de los rendimientos ajustados al riesgo, esta guía le da el conocimiento y las habilidades necesarias para navegar por las complejidades de la toma de decisiones financieras. Únase a nosotros para desentrañar las complejidades del ratio Sharpe y dé un paso significativo hacia la optimización de sus inversiones.

Este blog cubre:

• ¿Qué es el ratio Sharpe?
• Fórmula del ratio Sharpe
• ¿Cómo calcular el ratio Sharpe?
• Ejemplo de la relación Sharpe
• Comparación del ratio Sharpe con otras métricas de rendimiento
• ¿Cómo calcular el ratio Sharpe en Excel?
• ¿Cómo calcular el ratio de Sharpe en Python?
• Conceptos erróneos comunes sobre la relación Sharpe
• Limitaciones del ratio Sharpe
• ¿Cómo mejorar el ratio Sharpe?
• Preguntas frecuentes sobre el ratio Sharpe

¿Qué es el ratio Sharpe?

El el ratio Sharpe es una medida utilizada para calcular el rendimiento ajustado al riesgo de una inversión o una estrategia. Desarrollado por William F. Sharpe, un premio Nobel, en 1966, ayuda a los inversores a comprender el retorno de la inversión en comparación con su riesgo.

El ratio Sharpe se utiliza ampliamente en la gestión del riesgo de una cartera para evaluar el rendimiento ajustado al riesgo de las carteras de inversión. Por lo tanto, el ratio de Sharpe juega un papel importante en el análisis de la cartera.

Así es como se aplica:

• Comparación de carteras: Los inversores pueden utilizar el ratio Sharpe para comparar los rendimientos ajustados al riesgo de diferentes carteras. Un ratio Sharpe más alto indica mejores rendimientos ajustados al riesgo, lo que sugiere que la cartera está generando más rendimiento por unidad de riesgo asumido.
• Evaluación del rendimiento: Los gestores de carteras pueden evaluar el rendimiento histórico ajustado al riesgo de sus carteras durante períodos específicos. Al examinar el ratio Sharpe a lo largo del tiempo, los gerentes pueden medir la consistencia y la eficiencia de sus estrategias de inversión.
• Gestión de riesgos: El ratio Sharpe ayuda a comprender la compensación entre el riesgo y el rendimiento. Los gestores de cartera pueden ajustar las asignaciones de cartera para lograr un nivel deseado de rendimiento ajustado al riesgo en función de los conocimientos derivados del ratio Sharpe.
• Evaluación comparativa: El ratio Sharpe se puede utilizar como punto de referencia para evaluar el rendimiento de una cartera frente a un índice de mercado relevante o un grupo de pares. Esta comparación ayuda a identificar si la cartera tiene un rendimiento superior o inferior en relación con su perfil de riesgo.

Fórmula del ratio Sharpe

Matemáticamente, el ratio Sharpe se calcula como:

$$ShARpERAT\mathrm{yo}O=\frac{(RETURNOFThEpORTFOL\mathrm{yo}OOR\mathrm{yo}NVESTMENT-R\mathrm{yo}SKFREERATE)}{STANDARDDEV\mathrm{yo}AT\mathrm{yo}ONOFThEpORTFOL\mathrm{yo}OOR\mathrm{yo}NVESTMENT}$$

Aquí hay un desglose de sus componentes:

• Retorno de la cartera o inversión: El rendimiento promedio generado por la inversión durante un período específico.
• Tasa libre de riesgo: El rendimiento de una inversión que se considera que no tiene riesgo, generalmente basado en bonos del gobierno.
• Desviación estándar: una medida estadística de la volatilidad o el riesgo asociado con la inversión, que representa cuánto se desvían los rendimientos del rendimiento promedio.

¿Cómo calcular el ratio Sharpe?

Una vez que vea la fórmula, comprenderá que deducimos la tasa de rendimiento sin riesgo, lo que nos ayuda a averiguar si la estrategia tiene sentido.

Si el Numerador resultara negativo, ¿no sería mejor invertir en un bono del gobierno que le garantice una tasa de rendimiento sin riesgo?
Algunos de ustedes reconocerían esto como el rendimiento ajustado al riesgo.

En el denominador, tenemos la desviación estándar del rendimiento de la inversión. Eso nos ayuda a identificar la volatilidad y el riesgo asociado con la inversión. Por lo tanto, el ratio Sharpe nos ayuda a identificar qué estrategia ofrece mejores rendimientos en comparación con la volatilidad.

Además, un ratio Sharpe más alto indica un mejor rendimiento ajustado al riesgo, lo que sugiere que la inversión o estrategia ha generado más rendimiento por cada unidad de riesgo asumida. Por el contrario, un ratio Sharpe más bajo sugiere que la inversión podría no estar compensando adecuadamente al inversor por el riesgo asumido.

Eso es todo en cuanto al cálculo del ratio Sharpe.

Ejemplo del ratio Sharpe

Tomemos un ejemplo ahora para ver cómo nos ayuda el cálculo del ratio Sharpe.

Has ideado una estrategia y has creado una cartera de diferentes acciones. Después de la prueba, observas que esta cartera, llamémosla Cartera A, dará un rendimiento del 11 %. Sin embargo, le preocupa la volatilidad del 8 %.

Ahora, cambias ciertos parámetros y eliges diferentes instrumentos financieros para crear otra cartera, la Cartera B. Esta cartera da un rendimiento esperado del 8 %, pero la volatilidad ahora cae al 4 %.

Teniendo en cuenta el hecho de que la tasa de rendimiento libre de riesgo es del 3 %, el cálculo de Sharpe Ratio para ambas carteras es el siguiente:

Por lo tanto, de acuerdo con el cálculo el ratio Sharpe, debemos considerar la cartera B porque, a pesar de que el rendimiento esperado es menor que la cartera B, la volatilidad de la cartera B es menor que la cartera A y, por lo tanto, es menos arriesgada.

Actualmente, la mayoría de los fondos cotizados en bolsa también proporcionan el ratio Sharpe para sus inversiones en sus sitios web.

El ratio Sharpe se puede utilizar en muchos contextos diferentes, como la medición del rendimiento, la gestión de riesgos y para probar la eficiencia del mercado. Cuando se trata de la medición del rendimiento de la estrategia, como estándar de la industria, el ratio Sharpe generalmente se cita como «Sharpe anualizado».

El Sharpe anualizado se calcula en función del período de negociación para el que se miden los rendimientos.

Si hay N períodos de negociación en un año, el Sharpe anualizado se calcula como:

$$ShARpERAT\mathrm{yo}O=\sqrt{N}\frac{E(R_X-R_F)}{STDDEV\left(X\right)}$$

Aquí,

• N: Representa el número de períodos (por lo general, es el número de días o meses de negociación). La raíz cuadrada de N se utiliza para anualizar el ratio. Si está calculando el ratio Sharpe utilizando rendimientos diarios, N sería el número de días de negociación en un año (normalmente 252), y si utiliza rendimientos mensuales, N sería 12.
• E(Rx – Rf): Este es el exceso de rendimiento esperado de la inversión o estrategia, donde Rx es el rendimiento esperado de la inversión, y Rf es la tasa libre de riesgo. El exceso de rendimiento es el rendimiento por encima y más allá de la tasa libre de riesgo, que compensa el riesgo asumido.
• StdDev(x): Esta es la desviación estándar de los rendimientos de la inversión. Mide la volatilidad o el riesgo de la inversión. La desviación estándar indica cuánto se desvían los valores de la media (promedio).

Ratio Sharpe en estrategias intradía

Para una estrategia de negociación intradía, en lugar de usar el cálculo convencional de Sharpe, podemos calcular el nivel de Sharpe para obtener una mejor visión del rendimiento de la estrategia.

En este caso, la tasa libre de riesgo puede considerarse de 0, ya que no hay ningún cargo por intereses. La relación Sharpe se puede calcular siguiendo estos sencillos pasos:

Imagina que tienes una estrategia en la que ejecutas una serie de operaciones, y para cada operación, registras las ganancias y pérdidas (PnL).

He aquí un ejemplo general:

• Operación 1: +0,002 (Beneficio)
• Operación 2: -0,005 (Pérdida)
• Operación 3: +0,003 (Beneficio)
• Operación 4: +0,004 (Beneficio)
• Operación 5: -0,002 (Pérdida)
• Operación 6: +0,001 (Beneficio)
• Operación 7: -0,005 (Pérdida)
• Operación 8: +0,002 (Beneficio)
• Operación 9: -0,004 (Pérdida)
• Operación 10: +0,006 (Beneficio)

Para estas 10 operaciones, puede calcular el ratio Sharpe usando la fórmula:

$$ShARpERAT\mathrm{yo}O=\sqrt{N}\frac{MEAN\left(pNL\right)}{STDDEV\left(pNL\right)}$$

• Media de PnL: (0,002 – 0,005 + 0,003 + 0,004 – 0,002 + 0,001 – 0,005 + 0,002 – 0,004 + 0,006) / 10
• Desviación estándar de PnL: Calcule la desviación estándar de los valores de PnL.

Digamos que la media es de 0,001 y la desviación estándar es de 0,004. El ratio Sharpe sería entonces:

Ratio de Sharpe = 10 × (0,001/0.004)

Ratio Sharpe ≈ 10 × 0,25

Ratio de Sharpe ≈ 0,25 × 3,162

Ratio de Sharpe ≈ 0,7905

Esto le da una medida de los rendimientos ajustados al riesgo para su estrategia. Cuanto mayor sea el ratio de Sharpe, mejor será el rendimiento ajustado al riesgo de la estrategia.

Aquí hay un ejemplo de código Python simplificado para demostrar el cálculo:

Salida:

Media de PnL: 0,0002 Desviación estándar de PnL: 0.003938414796731181 Ratio de Sharpe: 0.16058631827165679

Para las estrategias de alta frecuencia, un gran número de pequeñas operaciones exitosas para cantidades específicas suavizan la curva de PnL y la desviación estándar se acerca a cero, lo que aumenta significativamente el ratio de Sharpe, de tal manera que podría oscilar en dos dígitos.

Por sí sola, cualquier estrategia con un «ratio de Sharpe anualizado» de menos de 1 (después de incluir los costos de ejecución) generalmente se ignora. La mayoría de los fondos de cobertura cuantitativos ignoran las estrategias con un ratio Sharpe anualizado de menos de 2.

• Para un trader algorítmico minorista, un ratio Sharpe anualizado superior a 1 es bastante bueno.
• Para el trading de alta frecuencia, como se habló anteriormente, el ratio también puede subir en dos dígitos, especialmente para las estrategias impulsadas por la oportunidad, pero no altamente escalables.

El ratio es utilizado por un individuo cuando está agregando un nuevo instrumento financiero a una cartera existente, y quiere comprobar cómo afecta a la cartera.

Comparación del ratio de Sharpe con otras métricas de rendimiento

Comparemos ahora el ratio de Sharpe con otras métricas de rendimiento a continuación.

¿Cómo calcular el ratio de Sharpe en Excel?

Estos son los pasos para calcular la relación Sharpe en Excel utilizando la fórmula:

Asumiendo:

• Rp es el rendimiento promedio de la inversión.
• Rf es la tasa libre de riesgo.
• σ (sigma) es la desviación estándar de los rendimientos de la inversión.

Paso 1: Recopilar datos

En primer lugar, necesitas descargar los datos en línea. Aquí, he tomado los datos de Market Watch para APPLE Inc. (ticker: AAPL). He tomado el precio de cierre diario en este ejemplo.

Puede organizar los datos en la hoja de Excel como se muestra a continuación.

Paso 2: Calcular el cambio de precio para las rentabilidades diarias

Así es como se verá la columna para el cambio diario de precios. Solo tienes que aplicar la fórmula =(B3-B2/B2) y luego arrastrarla hacia abajo a otras celdas de la columna «Cambios de precio».

Paso 3: Calcular las variables «tasa libre de riesgo (Rf)», «Rendimiento anual (Rp)», «Desviación estándar anual ()»

Así es como puede organizar la tabla para cada variable necesaria para calcular el ratio Sharpe con la fórmula:

*Ratio Sharpe = Rp – Rf / σ

Así es como calcularás cada variable:

1. Tasa libre de riesgo (Rf): Rf se calculará dividiendo el porcentaje de tasa libre de riesgo (0,05 % en este caso) por el número de días de negociación en un año (252 días). Esto dará la tasa diaria libre de riesgo como se muestra a continuación.

2. Rendimiento anual (Rp): El cálculo de Rp requerirá la fórmula que se muestra a continuación.

En esta fórmula,

• B11 es el precio de cierre del último día de negociación.
• B2 es el precio de cierre del primer día de negociación.
• 1/10 significa la constante dividida por el número de operaciones en un día, es decir, 10.

Puedes ver en la imagen de arriba que 0,9956… es el resultado calculado después de aplicar la fórmula.

3. Desviación estándar anual (): Esto se calculará como se muestra a continuación.

En la fórmula,

• C3 es el primer cambio de precio
• C11 es el último cambio de precio
• 252 es el número de días de negociación en un año
• 252^0.5 es la raíz cuadrada de 252

Por lo tanto, al aplicar la fórmula, obtenemos 39,42… como la desviación estándar anual calculada.

Paso 4: Calcular el ratio de Sharpe

Ahora, calcularemos el ratio Sharpe como se muestra a continuación.

En la fórmula,

• I4 es la rentabilidad anual (Rp)
• I3 es la tasa libre de riesgo (Rf)
• I5 es la desviación estándar anual ()

En la imagen, (tomada de la hoja de Excel) podemos ver que el ratio Sharpe calculado es de 0,9956.

Arriba puedes ver cómo se ve toda la tabla con todos los cálculos.

¿Cómo calcular el ratio Sharpe en Python?

Yendo más allá, si desea encontrar el ratio Sharpe por su cuenta con el código Python, a continuación se muestra cómo podemos hacerlo.

Veamos el proceso paso a paso de lo mismo.

Paso 1: Importar las bibliotecas necesarias

Paso 2: Obtenga los datos de acciones de AAPL de Yahoo Finance para el período 2022-2024

Paso 3: Calcular las medias móviles a corto plazo (50 días) y a largo plazo (200 días)

Paso 4: Generar señales basadas en el cruce de la media móvil

Paso 5: Calcular los rendimientos diarios en función de las señales

Paso 6: Calcular rendimientos acumulados

Paso 7: Imprima los rendimientos acumulados

Salida:

Retorno de la estrategia acumulativa: 1.0439783521327737

Paso 8: Trazar las señales de la estrategia

Salida:

La figura trazada muestra el precio histórico de las acciones de AAPL junto con dos promedios móviles (50 días y 200 días) y las señales generadas por una estrategia simple de cruce de la media móvil.

Veamos el desglose de los componentes de la trama a continuación.

Línea de precios de cierre de AAPL:

La línea azul claro representa los precios de cierre diarios de AAPL durante el período especificado.

Línea de media móvil simple (SMA) de 50 días:

La línea naranja representa la SMA de 50 días de los precios de cierre de AAPL. Esta línea suaviza las fluctuaciones a corto plazo y proporciona una señal de seguimiento de tendencias.

Línea de media móvil simple (SMA) de 200 días:

La línea verde representa el SMA de 200 días de los precios de cierre de AAPL. Esta línea suaviza las fluctuaciones a largo plazo y proporciona una señal de seguimiento de tendencias a más largo plazo.

Comprar señales (Triángulo verde ‘^’):

Los triángulos verdes indican los puntos en los que la SMA de 50 días cruza por encima de la SMA de 200 días, generando una señal de compra. Este cruce se considera alcista en el análisis técnico.

Señales De Venta (triángulo Rojo Invertido ‘v’):

Los triángulos rojos invertidos indican los puntos en los que la SMA de 50 días cruza por debajo de la SMA de 200 días, generando una señal de venta. Este cruce se considera bajista en el análisis técnico.

Al observar las señales y las medias móviles, los operadores pueden potencialmente tomar decisiones sobre cuándo entrar o salir de posiciones en función de la estrategia.

Paso 9: Calcular el ratio Sharpe

Salida:

Ratio Sharpe para la estrategia: 0.2954069610097365

El Ratio Sharpe de 0,295 indica un rendimiento positivo ajustado por riesgo para la inversión o cartera en relación con una tasa libre de riesgo, lo que sugiere que la inversión ha proporcionado rendimientos que justifican el riesgo asumido.

En el código anterior, hemos asumido que la tasa de rendimiento sin riesgo es del 5 %, que se puede cambiar en consecuencia.

**Nota: El valor específico para la tasa libre de riesgo utilizada en el cálculo del Ratio Sharpe depende del marco de tiempo y de la moneda en la que se miden los rendimientos. Por lo general, se utiliza el rendimiento de los valores gubernamentales a corto plazo, como los bonos del Tesoro a 3 meses. **

Conceptos erróneos comunes sobre el ratio Sharpe

El ratio de Sharpe es una métrica ampliamente reconocida para evaluar el rendimiento ajustado al riesgo de las inversiones. Sin embargo, varios conceptos erróneos rodean su interpretación y aplicación.

Aquí hay algunos conceptos erróneos comunes sobre el ratio Sharpe:

• Medida absoluta del rendimiento: Una idea errónea común es ver el ratio de Sharpe como una medida absoluta del rendimiento. Si bien un Ratio de Sharpe más alto generalmente indica mejores rendimientos ajustados al riesgo, es esencial compararlo con puntos de referencia relevantes o grupos de pares para evaluar el rendimiento relativo con precisión.
• Énfasis excesivo en el valor numérico: algunos inversores pueden poner un énfasis excesivo en el logro de un objetivo específico de Ratio de Sharpe sin tener en cuenta la estrategia de inversión subyacente, las condiciones del mercado o los factores cualitativos. El contexto en el que se calcula el Ratio de Sharpe es crucial para su interpretación significativa.
• Suposición de la tasa libre de riesgo: Otra idea errónea es asumir una tasa libre de riesgo constante o universal para calcular el Ratio de Sharpe en diferentes mercados o períodos de tiempo. La elección de la tasa libre de riesgo debe ser apropiada y reflejar la moneda y la duración de la inversión.
• Sensibilidad a valores extremos: la relación de nitidez es sensible a los valores extremos o valores atípicos en los datos de retorno. Algunos inversores pueden malinterpretar una fuerte fluctuación en el Ratio de Sharpe debido a rendimientos extremos como un cambio significativo en el rendimiento ajustado al riesgo, mientras que podría ser una anomalía temporal causada por valores atípicos.
• Métrica de evaluación única del rendimiento: Si bien el Ratio de Sharpe es una métrica valiosa, confiar únicamente en ella para evaluar el rendimiento de la inversión puede ser limitante. La incorporación de otras métricas de rendimiento, el análisis cualitativo y la consideración del contexto de inversión más amplio proporciona una evaluación más completa.
• Inclusión del apalancamiento: al comparar los Ratios de Sharpe entre las inversiones, es esencial considerar si se utilizan el apalancamiento o los fondos prestados. Un ratio de Sharpe más alto como resultado del apalancamiento no puede indicar necesariamente una habilidad de inversión superior, sino más bien un aumento de la asunción de riesgos.
• Homogeneidad del riesgo: asumir que todas las inversiones tienen un perfil de riesgo similar o que el Ratio de Sharpe  proporciona una representación completa de las características de riesgo de una inversión es una idea errónea. El Ratio de Sharpe se centra en la volatilidad medida por la desviación estándar, pero puede que no capture todos los aspectos del riesgo de una inversión, como el riesgo de liquidez o el riesgo geopolítico.

Limitaciones del Ratio Sharpe en el trading

El Ratio de Sharpe es una medida ampliamente utilizada para evaluar el rendimiento ajustado al riesgo de una inversión o cartera. Sin embargo, como cualquier métrica financiera, tiene sus limitaciones.

Aquí hay una tabla que resume algunas de las limitaciones clave de la proporción de Sharpe:

¿Cómo mejorar el Ratio de Sharpe para nuestra estrategia?

Vemos algunos consejos que pueden ayudar a mejorar el Ratio de Sharpe de su estrategia.

Gestión de riesgos

• Implementar una estrategia sólida para limitar las pérdidas potenciales.
• Considere las órdenes de stop-loss, el tamaño de la posición basado en la volatilidad o la diversificación.

Costes de transacción

• Tenga en cuenta los costos de transacción y el deslizamiento en su estrategia.
• Optimizar la ejecución de operaciones para minimizar los costos.

Optimizar los parámetros

Ajuste los parámetros de la estrategia (por ejemplo, longitudes de la media móvil) para obtener rendimientos máximos ajustados por riesgo.

Incluir los costos de transacción en la prueba posterior

Asegúrese de que las pruebas adicionales tengan en cuenta los costos de transacción realistas para reflejar las condiciones de mercadoc del mundo real.

Preguntas frecuentes sobre el Ratio de Sharpe

Estas son algunas de las preguntas más frecuentes sobre el Ratio de Sharpe:

P. ¿Cuáles son algunas ideas a tener en cuenta al calcular el Ratio de Sharpe?
R: Aquí puede ver algunas de las mejores ideas según la experiencia de algunos traders profesionales:

• Período de tiempo consistente: Asegúrese de que los datos de retorno y la tasa libre de riesgo sean consistentes y estén alineados para el período de tiempo elegido.
• Tasa libre de riesgo precisa: Utilice una tasa libre de riesgo adecuada que coincida con la moneda y la duración de la inversión.
• Manejo robusto de datos: Maneje valores atípicos o valores extremos en los datos de retorno de manera adecuada para evitar la distorsión en el cálculo del Ratio de Sharpe.
• Comparación de puntos de referencia: Considere la posibilidad de comparar el ratio de Sharpe calculado con puntos de referencia o grupos de pares relevantes para el contexto y la evaluación del rendimiento relativo.

P. ¿Qué se entiende por Ratio de Sharpe en la teoría moderna de carteras?
R: El Sharpe Ratio juega un papel crucial en la Teoría Moderna de Carteras (MPT) al ayudar a los inversores a construir carteras eficientes que maximicen los rendimientos para un nivel de riesgo determinado. MPT hace hincapié en la diversificación y en los beneficios de combinar activos con diferentes perfiles de riesgo-rendimiento para lograr una asignación óptima de la cartera.

P. ¿Cuál es el impacto del ratio de Sharpe en la estrategia de inversión?
R: El Ratio de Sharpe influye en la estrategia de inversión al guiar las decisiones sobre la asignación de activos, la gestión de riesgos y la evaluación del rendimiento. Una comprensión profunda del Ratio de Sharpe ayuda a los inversores a optimizar sus carteras, alinear las inversiones con sus objetivos de tolerancia al riesgo y rendimiento y, en última instancia, mejorar los resultados de la inversión a largo plazo.

P: ¿Qué es un buen Ratio de Sharpe?
R: Un buen ratio de Sharpe indica rendimientos superiores ajustados por riesgo, generalmente por encima de 1. Por ejemplo, 1,5 significa que su exceso de rendimiento sobre la tasa libre de riesgo es 1,5 veces la volatilidad de su cartera.

P: ¿Qué es un alto Ratio de Sharpe?
R: Un altor ratio de Sharpe significa un rendimiento excepcional, que normalmente supera los 2. Esto sugiere que su cartera genera rendimientos significativamente más altos en comparación con su nivel de riesgo.

P: ¿Qué es un Ratio de Sharpe negativo?
R: El ratio de Sharpe negativo significa que su cartera sufre pérdidas que superan la tasa libre de riesgo. Esto implica que las inversiones elegidas tienen un rendimiento inferior incluso en comparación con una opción segura como los bonos del gobierno.

P: ¿Qué es un ratio de Sharpe condicional?
R: El ratio de Sharpe condicional mide los rendimientos ajustados al riesgo en condiciones específicas del mercado, como el aumento o la caída de las tasas de interés. Ayuda a evaluar el rendimiento de su cartera en diferentes escenarios.

Conclusión

El Ratio de Sharpe, una métrica fundamental en las finanzas, mide el rendimiento ajustado al riesgo de una inversión, ayudando en la evaluación de la cartera, la gestión del riesgo y la creación de estrategias. Desarrollado por William F. Sharpe compara el exceso de rendimiento de un activo con su volatilidad, con valores más altos que indican un rendimiento superior ajustado al riesgo.

Sin embargo, existen conceptos erróneos y limitaciones, lo que requiere un enfoque matizado. Al integrar el Ratio de Sharpe con otras métricas y mejores prácticas, los inversores pueden optimizar el rendimiento de la cartera, alineándose con los principios de la Teoría Moderna de Carteras y mejorando las estrategias de inversión para el éxito a largo plazo.

¿Cómo hacer trading con pivot points? por Bramesh Bhandari

• Los operadores del mercado de valores a menudo hablan de que el mercado se dirige hacia zonas de soporte o resistencia importantes, zonas en las que los mercados pueden mostrar grandes movimientos de precios al alza o a la baja. ¿Cómo calculan los traders profesionales los llamados niveles de soporte y resistencia? 
• Artículo publicado en Hispatrading Magazine 49.

La forma en la que los traders profesionales calculan zonas importantes de soporte y resistencia suele ser mediante el cálculo de los pivot points. En este artículo le mostraré cómo calcular, interpretar y usar esta herramienta al hacer day trading y swing trading.

El pivot point es el nivel en el que cambia la dirección del mercado durante el día. El pivot point se utiliza para determinar los niveles en los que la tendencia suele cambiar de dirección y dirigirse a un posible soporte o resistencia. Los pivot points son indicadores que nos ayudan a predecir las tendencias en lugar de ser indicadores rezagados.

Muchos traders siguen los pivot points y esta es la razón por la que el mercado reacciona a estos niveles. Esto le da la oportunidad de hacer trading.

Calcular el pivot point

El pivot point se calcula utilizando el promedio del máximo, mínimo y cierre del día anterior. De ahí se derivan una serie de puntos. Los niveles de soporte y resistencia que se calculan a partir de las fórmulas indican los rangos de negociación potenciales para la próxima sesión de negociación. El nivel de pivote, los niveles de soporte y resistencia calculados a partir de eso se conocen colectivamente como niveles pivote.

Estos precios generalmente se toman de los gráficos diarios de una acción, pero los pivot points también se pueden calcular utilizando información de gráficos horarios. La mayoría de los operadores prefieren tomar los pivots, así como los niveles de soporte y resistencia, de los gráficos diarios y luego aplicarlos a los gráficos intradiarios (por ejemplo, horarios, de 30 o 15 minutos). Si un pivot point se calcula utilizando información de un período de tiempo más corto, esto tiende a reducir su precisión e importancia. Los tres puntos de pivote más importantes son R1, S1 y el pivot point real.

Para calcular el nivel de pivote, necesitamos 3 precios que son:

• H = precio alto del día anterior
• L = precio bajo del día anterior
• C = precio de cierre del día anterior

Luego calcule el nivel de pivote usando esta ecuación: Pivot Point (PP) = (Máximo + Mínimo + Cierre) / 3

Los niveles de soporte y resistencia se calculan utilizando las siguientes fórmulas:

La primera resistencia y soporte se calculan utilizando la diferencia entre el pivot point y los precios máximos y mínimos de los días anteriores.

• Nivel de resistencia 1 = (2 * PP) – L
• Nivel de soporte 1 = (2 * PP) – H

Tanto la segunda resistencia como soporte se basan en el ancho del rango de negociación (máximo – mínimo) y se calculan:

• Nivel de resistencia 2 = (PP-S1) + R1
• Nivel de soporte 2 = PP – (R1 – S1)

La tercera Resistencia y Soporte se calculan:

• Resistencia 3 = Máximo + 2 * (Pivot – Mínimo)
• Soporte 3 = Mínimo – 2 * (Máximo – Pivot)

El nivel más importante es el nivel de pivote en sí, ya que este es el nivel por encima o por debajo del cual se producirá el movimiento del precio hacia los niveles de soporte y resistencia.

Es importante tener en cuenta que es extremadamente raro que un índice bursátil alcance los niveles diarios de R3 o S3. Si un mercado / acción se recupera hasta R2 o cae hasta S2, lo que generalmente termina siendo el máximo o mínimo del día. Este conocimiento ayudará a moderar las emociones de un trader y a mantenerlo encaminado para seguir este sistema.

Uso de pivot points como estrategia de trading

Como hemos comentado antes, el Pivot es un nivel de decisión de tendencia de un día en particular, por lo que podemos derivar 3 reglas básicas para operar con pivots:

• Si el mercado o acción cotiza por encima del pivot point, entonces el sesgo del día es alcista, es decir, se recomienda comprar.
• Si el mercado o acción cotiza por debajo del pivot point, entonces el sesgo del día es bajista, es decir, vender en corto sería la estrategia preferida.
• Si el mercado abre y sube o baja moviéndose cerca de R2, R3 o S2, S3, mostrará tendencia a retroceder hacia el Pivot. Por lo tanto, la regla general será “Evite comprar alto o vender bajo”.
• Si se penetra en S1 y R1, estos puntos de ruptura invertirán sus funciones. Es decir, el primer soporte S1 se convierte en la nueva resistencia R1.

Analicemos el sistema pivots con el S&P 500 el 8 de diciembre de 2011 y cómo podría haber operado ese día utilizando pivots point.

El 12 de julio de 2011, el S&P 500 estaba así:

• Máximo – 1267.06
• Mínimo – 1248.0
• Cierre – 1261.01

Esto nos dio los siguientes niveles de pivote:

• Pivot point = 1257,6
• Resistencia 1 = 1270,4
• Resistencia 2 = 1279,9
• Resistencia 3 = 1292,7
• Soporte 1 = 1248,2
• Soporte 2 = 1235,4
• Soporte 3 = 1225,9

Ahora veamos el gráfico de 5 minutos del S&P 500 a continuación el 8 de diciembre de 2011 y cómo podríamos operar utilizando los niveles de pivote.

El S&P 500 abrió en 1260,87 e inmediatamente comenzó a bajar. Según el sistema de nivel de pivote, tomamos una operación corta por debajo del Pivot, es decir, 1257,6 manteniendo Sl de 2 puntos, es decir, 1259,6.

El primer objetivo para la operación es el Soporte 1, es decir, 1248.2. En este nivel, un operador puede ejecutar ganancias o seguir su posición manteniendo el Sl en el precio de entrada.

El segundo objetivo de la operación es el Soporte 2, es decir, 1235,4. En este nivel, un trader debería cerrar todas la operación por completo con ganancias. El mínimo realizado por el S&P 500 el 8 de diciembre de 2011 fue 1234,35.

Tomemos otro ejemplo del uso de niveles de pivote para operar en el lado largo.

El 12 de agosto de 2011, Caterpillar estaba así:

• Máximo – 95,53
• Mínimo – 92,60
• Cierre – 92,92

Esto nos dio los siguientes niveles de pivote:

• Pivot point = 93,7
• Resistencia 1 = 94,8
• Resistencia 2 = 96,6
• Resistencia 3 = 97,7
• Soporte 1 = 91,8
• Soporte 2 = 90,8
• Soporte 3 = 88,9

Ahora veamos el gráfico de 5 minutos de Caterpillar a continuación el 9 de diciembre de 2011 y cómo podríamos operar usando los niveles de pivote.

Caterpillar abrió a 93,63 cotizados en el rango de 93,63-93,80. Según el sistema de nivel de pivote, tomamos una operación larga por encima del Pivot, es decir, en 93,8 manteniendo el Sl en 93,44.

El primer objetivo para la operación es la resistencia 1, es decir, 94,8. En este nivel, un operador puede registrar ganancias o seguir su posición manteniendo Sl en el precio de entrada, es decir, 93,8.

El segundo objetivo de la operación es la Resistencia 2, es decir, 96,6. El máximo alcanzado por Caterpillar el 9 de diciembre de 2011 fue de 96,29, que es menos de 0,40 centavos, por lo que se recomienda a los traders que cuadren sus posiciones antes de que cierre el mercado.

Tomemos otro ejemplo del uso de niveles de pivote para operar tanto en operaciones largas como cortas

El 29/12/2011 AutoZone estaba así:

• Máximo – 329,31
• Mínimo – 325,40
• Cierre – 326.25

Esto nos dio los siguientes niveles de pivote:

• Pivot point = 327
• Resistencia 1 = 328,6
• Resistencia 2 = 330,9
• Resistencia 3 = 332,5
• Soporte 1 = 324,7
• Soporte 2 = 323,1
• Soporte 3 = 320,8

Ahora veamos el gráfico de 5 minutos de AutoZone a continuación el 30 de diciembre de 2011 y cómo podríamos operar usando los niveles de pivote para operar tanto en el lado largo como en el lado corto.

AutoZone hizo un gap bajista en 324.88, que está cerca del Soporte 327,7. Según el sistema de nivel de pivote, tomamos una operación larga por encima del Pivot, es decir, 327,1 manteniendo el Sl de 1 punto, es decir, 326,1, ya que el mínimo del día es 324,4, que está lejos del pivote, por lo que la relación riesgo / recompensa se reduce si usamos el mínimo del día como SL.

El primer objetivo para la operación es la resistencia 1, es decir, 328,6. En este nivel, un operador puede ejecutar ganancias o seguir su posición manteniendo Sl en el precio de entrada, es decir, 327,1.

El segundo objetivo de la operación es la Resistencia 2, es decir. 330,9. Como se ve desde arriba, el gráfico AutoZone no pudo moverse hasta 330,9 y comenzó a bajar de 328.6 y finalmente hizo saltar el Sl.

Ahora que las acciones comenzaron a descender por debajo del nivel de pivote, podemos iniciar una operación corta a 327.5 SL 328.6 y el objetivo 1 es el soporte 1 en 324,7.

AutoZone finalmente alcanzó los 324,7 en la última hora de operación y ejecutamos ganancias.

A continuación, en los gráficos de 4 días del S&P 500 desde el 29 de diciembre del 10 al 3 de febrero, marcando el pivote, el soporte y la resistencia. Observe cómo está reaccionando el mercado desde los niveles de pivote, soporte y resistencia.

Conclusión

Los niveles de pivot points son herramientas útiles para que los traders intradía conozcan los posibles puntos de inflexión del mercado. Los niveles de pivote nunca deben usarse de forma aislada, sino que una combinación de niveles de pivotes con patrón de velas y MACD. Los cruces estocásticos pueden aumentar la probabilidad de una operación de éxito al dar una poderosa señal de compra y venta.

Combinación de trading discrecional y algorítmico por Quantpedia

El área que queremos explorar hoy es una mezcla interesante entre los enfoques cuantitativos y más técnicos del trading que emplean intuición y experiencia en la toma de decisiones estrictamente basada en datos (¡omitiendo por completo cualquier análisis fundamental!). ¿Pueden años frente a la pantalla y experiencia de trading mejorar las métricas y la rentabilidad de los sistemas de trading a través de acciones y decisiones de trading discrecionales?

Un experimento interesante dio un resultado sorprendente: los investigadores tomaron a un trader discrecional y le dieron una estrategia de trading sistemática, lo que le permitió anular las señales basadas en «instintos». El operador discrecional puede decidir qué señal tomar, cuál no, y cómo establecer stop loss (SL) y objetivos de ganancias (PT) basados en la acción de precios anterior de la acción de la acción de precios de la acción… Los resultados son hasta ahora impactantes: el operador mejora una estrategia promedio no rentable en una estrategia rentable.

¿Cómo se realizó el experimento?

Para hacer que el proceso sea riguroso, (Zarattini y Stamatoudis, 2024) utilizaron software especializado para crear gráficos y eliminar la información extraña para garantizar una evaluación imparcial de las decisiones del trader. Al analizar rigurosamente 9.794 eventos de 2016 a 2023, demostraron que la intuición de los operadores experimentados puede mejorar la rentabilidad de las estrategias de trading. Los descubrimientos clave revelan que cuando las acciones se agotan, la aplicación de decisiones de trading discrecionales, implementadas en esta investigación utilizando un software de creación de gráficos especializado, conduce a mejoras sustanciales en el rendimiento de las operaciones. La selección del trader discrecional de aproximadamente el 18 por ciento de los eventos da como resultado una mayor rentabilidad promedio que los enfoques puramente mecánicos. La capacidad del trader discrecional para reconocer patrones favorables, como los gaps tempranos en los ciclos de impulso y las rupturas de rango de varias semanas o varios meses, juega un papel fundamental en la mejora de la selección de operaciones. En general, la clave del éxito se reduce a la gestión de la posición y al ajuste riguroso de stop loss y asunción de riesgos.

Esto subraya el papel crítico de la intuición y la experiencia en la identificación y capitalización de las oportunidades de mercado que los sistemas automatizados podrían pasar por alto. Las técnicas de (micro) gestión estructuradas, como los puntos de entrada precisos, las pérdidas de detención y los objetivos de ganancias, mejoran aún más los resultados de trading al optimizar las relaciones riesgo-recompensa y garantizar una ejecución de trading disciplinada. Este enfoque innovador aísla los efectos del sesgo de los factores externos y evita cualquier sesgo de visión de futuro, lo que permite que la intuición discrecional del trader se incorpore a una investigación empírica cuantitativa. El PnL acumulado alcanzado en los gaps seleccionados y negociadas discrecionalmente muestra una trayectoria de crecimiento significativa, con la cartera hipotética logrando un rendimiento total de casi el 4000 % en ocho años. Esta actuación demuestra la potente combinación de intuición humana y reglas de trading sistemáticas.

• Autores: Carlo Zarattini y Marios Stamatoudis
• Título: Title: The Power Of Price Action Reading (El Poder De La Lectura De La Acción De Precios).
• Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4879527

Resumen

Evaluar la eficacia del análisis técnico siempre ha sido una tarea difícil. Traducir cada patrón técnico en una medida cuantificable a menudo es inviable, lo que lleva a la percepción del análisis técnico como más arte que ciencia. Demostrar rigurosamente su utilidad sigue siendo difícil de alcanzar. Este estudio tiene como objetivo investigar el valor añadido mediante la incorporación de decisiones de trading técnicas discrecionales en el contexto de las acciones que experimentan importantes gaps de la noche a la mañana. Al crear un entorno de negociación simulado sin sesgos, evaluamos la mejora de la rentabilidad de una estrategia de negociación sistemática simple cuando cuenta con el apoyo de un operador técnico experimentado. El papel del operador es restringir el algoritmo para negociar solo aquellas acciones cuyos gráficos diarios parecen más prometedores. Además, llevamos a cabo una prueba en la que el trader experimentado microgestionó las posiciones abiertas analizando, en un entorno libre de sesgos, la acción diaria e intradía de los precios después de el gap nocturna. Los resultados presentados en este documento sugieren que las decisiones de trading técnicas discrecionales, al menos cuando son llevadas a cabo por un trader experto, pueden mejorar significativamente los resultados de trading, transformando estrategias aparentemente poco rentables en estrategias de alto rendimiento. Este documento proporciona evidencia empírica que apoya la integración del juicio discrecional con enfoques de trading sistemáticos, ofreciendo información valiosa para mejorar los resultados de trading en los mercados financieros.

Como siempre, presentamos varias figuras y tablas interesantes:

Citas notables del trabajo de investigación académica:

Los resultados se muestran en la Figura 1. Comportamiento previo al gap (-15 a -1 días)

En los quince días anteriores a un evento de gap, los precios de las acciones muestran un aumento gradual, comenzando desde aproximadamente un -26 % y avanzando hacia el 0 %. Esta tendencia sugiere un período de compra anticipada o sentimiento positivo del mercado. Es probable que los traders se posicionen por delante de las noticias positivas esperadas, lo que contribuye a un aumento constante de los precios. La progresión del -26% al 0% indica una acumulación sistemática en los precios de las acciones a medida que los participantes del mercado responden a las señales y la información que preceden al evento de gap.

La rentabilidad de cada estrategia se evalúa durante un período de 30 días, teniendo en cuenta las diferentes volatilidades de las acciones. La rentabilidad se mide en términos de la unidad de riesgo de trading (R), proporcionando una métrica estandarizada para comparar el rendimiento entre diferentes estrategias. Por ejemplo, si una operación se realiza a 100 $ con una parada colocada en 98 $, la unidad de riesgo implícita es de 2 $. Si después de n días el PnL no realizado es de 8 $, se considera un PnL de 4R (8 $/$2). Para la estrategia Open – No Stop, la unidad de riesgo se establece en 1 ATR.

Como se muestra en la Figura 2, la estrategia de comprar todas los gaps sin un stop loss, denotada como Open – No Stop, demuestra una ventaja negativa significativa, con pérdidas diarias acumuladas que alcanzan un mínimo de -0,25R después de 8 días. Esto indica que el trading sin un stop loss puede dar lugar a pérdidas consistentes.

La figura 5 muestra la trayectoria de rendimiento de esta estrategia, denominada Pos OR + Trailing + 4 Targets + Trader. La rentabilidad promedio demuestra una mejora marcada, ya que aumenta progresivamente, alcanzando un máximo de 0,25R, 12 días después del día de entrada (el día de descanso). Este resultado sugiere que la selección discrecional de un trader técnico experimentado puede mejorar la rentabilidad de una estrategia de trading basada en reglas que de otro modo sería improductiva.

Al utilizar la base de datos de todas las operaciones tomadas y microgestionadas por el trader en el entorno libre de sesgos, actualizamos la Figura 5 y trazamos el promedio acumulativo de PnL en R-multiples. Como se muestra en la Figura 8, hay una mejora significativa en la rentabilidad media. La rentabilidad media en el día de descanso aumenta a 0,55R, alcanzando un máximo local de 0,80R en el día 4. Después de 3 días de un retroceso superficial, la rentabilidad comienza a aumentar de nuevo, pero a un ritmo más lento. Esto se debe a que el operador permite que la posición completa se ejecute durante los primeros tres días, luego reduce el riesgo al obtener ganancias parciales y dejar que una posición de un cuarto se encuentre en un promedio móvil más largo.

Como sugiere el trader, estas operaciones suelen tener un tamaño de tal manera que si se alcanza un stop loss, la pérdida resultante a nivel de cartera equivale al 0,25 %. Por lo tanto, transformamos la serie temporal acumulativa de PnL en una serie temporal monetaria, asumiendo un capital inicial de 100.000 dólares y un presupuesto de riesgo por operación del 0,25 %. La trayectoria de la cuenta simulada se muestra en la Figura 10. Una cartera de 100.000 dólares crece a más de 4 millones de dólares, lo que produce un rendimiento total del 3,968 % en 8 años.

Participación de Mercado y Crecimiento de CRM de Veeva por Ensemble Capital

Aunque el CRM de Veeva tiene la mayor cuota de mercado en ciencias de la vida, su suite de CRM ahora representa solo alrededor de una cuarta parte de los ingresos totales de Veeva a medida que ha vendido con éxito otras aplicaciones. El CRM está dentro del segmento de Soluciones Comerciales de Veeva (50% de los ingresos fiscales de 2024) que está creciendo a un solo dígito anualmente. Ayudan al crecimiento softwares como PromoMats para crear y distribuir contenido de marketing, y sus conjuntos de datos como Compass, que proporcionan datos de transacciones sobre pacientes y prescriptores, y datos de proyección nacional que las empresas utilizan para dirigirse a clientes como los médicos.

En 2012, Veeva lanzó su propia plataforma Vault sobre la cual se construye su software en el segmento de Soluciones de I+D (50% de los ingresos fiscales de 2024). Las Soluciones de I+D se dirigen al lado del desarrollo de las empresas de ciencias de la vida, y sus ventas de software por suscripción están creciendo a un ritmo de doble dígito mientras reemplazan soluciones obsoletas y fragmentadas que no “se comunican bien” entre sí, e incluso papel. Cambiar a una de las aplicaciones modernas de Veeva puede resultar en un costo total de propiedad un 30%-40% más barato en comparación con una solución obsoleta.

Las principales aplicaciones de Soluciones de I+D más vendidas incluyen Vault QualityDocs para la gestión de documentos relacionados con registros de calidad y fabricación, Vault Submissions para documentos regulatorios y Vault eTMF (archivo maestro de ensayos electrónicos) que almacena documentos esenciales para ensayos clínicos. Veeva también está avanzando en software de sistemas de gestión de ensayos clínicos (CTMS) que gestiona la logística de un ensayo, y software de captura electrónica de datos (EDC) que recopila datos de un ensayo. Hay muchas oportunidades de crecimiento a medida que Veeva se adentra más en los ensayos clínicos.

Las empresas de ciencias de la vida enfrentan un imperativo de aumentar la eficiencia. La Ley de Eroom muestra que desde 1950 ha habido una disminución a largo plazo en el número de medicamentos aprobados por la FDA por miles de millones de dólares gastados en I+D. Eroom es el ingenioso anagrama inverso de la mucho más productiva Ley de Moore en la industria de semiconductores. Y aunque el software por sí solo no puede revertir la caída en la productividad de las ciencias de la vida, puede ayudar.

La amplia adopción del software de Veeva refleja la necesidad de los clientes de ser más eficientes. Veeva tiene más de 1,400 clientes y su software ha sido utilizado por 47 de las 50 principales compañías biofarmacéuticas como Ely Lilly, biotecnologías emergentes como Replimune, firmas de dispositivos médicos como Boston Scientific y CROs como ICON que llevan a cabo ensayos clínicos subcontratados. Sus ingresos se han diversificado más como resultado, con los 10 principales clientes representando el 28% de los ingresos en el año fiscal 2024, frente al 61% en el año fiscal 2012.

La mayoría, el 94%, de los ingresos de Veeva provienen de clientes biofarmacéuticos, el 4% de medtech y el 2% de productos de consumo hasta el segundo trimestre fiscal 2024. De sus ingresos biofarmacéuticos, el 66% proviene de grandes empresas, el 25% de pequeñas y medianas empresas (PYMES), el 4% de biotecnologías emergentes y el 5% de CROs. Si bien Veeva cuenta con la mayoría de las grandes empresas biofarmacéuticas como clientes, tiene muchos más productos por venderles, y más por penetrar en las PYMES y biotecnologías emergentes.

Contribuyendo al éxito de Veeva está su distintiva cultura corporativa reflejada en su decisión de convertirse en una empresa de beneficio público (PBC) — la primera empresa pública en hacerlo en 2021. Ser una PBC da a Veeva la capacidad legal para considerar los intereses de los clientes, empleados y comunidades, junto con los intereses financieros de los accionistas. Veeva dice: “Como una Corporación de Beneficio Público, nos guiamos por nuestros valores fundamentales — hacer lo correcto, el éxito del cliente, el éxito del empleado y la velocidad — para ayudar a la industria de las ciencias de la vida a mejorar la salud y extender la vida y crear empleos de alta calidad que beneficien a nuestros empleados y comunidades.”

Preocuparse por hacer lo correcto no significa que a Veeva no le importen las ganancias o los retornos para los accionistas. De hecho, Veeva se encuentra cerca de la cima de las empresas públicas de software de aplicaciones globales por su margen operativo promedio GAAP de 3 años, según datos de Bloomberg, con espacio para crecer. El CEO y fundador de Veeva, Peter Gassner, también es el segundo mayor accionista — solo detrás de Vanguard, con casi el 8% de las acciones en circulación valoradas en más de 2 mil millones de dólares. Nos gusta que tenga esa cantidad de participación en el juego, junto con nosotros los accionistas.

Ser una PBC también es una ventaja competitiva para Veeva, ya que señala a los clientes que son una prioridad. Esto es importante en las ciencias de la vida donde los clientes ponen información sensible en el software de Veeva y pueden usarlo durante décadas.

Otra ventaja para Veeva es que sus principales competidores no se enfocan en el software de ciencias de la vida. Su principal rival, Medidata, fue adquirido en 2019 por la empresa francesa Dassault Systèmes, más conocida por su software de ingeniería para fabricantes de productos como aviones y automóviles. Oracle es gigante y vende software a muchas industrias diferentes. IQVIA se centra en la industria de las ciencias de la vida, pero no es conocida como desarrolladora de software.

En abril de 2024, Salesforce e IQVIA anunciaron una asociación más profunda para comercializar conjuntamente un nuevo CRM y otro software de ciencias de la vida basado en la plataforma de Salesforce y la experiencia y datos de IQVIA. Esto fue precedido por el anuncio de Veeva en 2022 de que movería su CRM de Salesforce a la plataforma Vault de Veeva. Veeva lanzó su Vault CRM para disponibilidad general en abril de 2024 y convertirá a los clientes existentes de CRM a Vault hasta 2030. Tener su CRM en la plataforma Vault permitirá más innovación y mejor flujo de datos entre el software de Soluciones Comerciales y de I+D de Veeva.

Creemos que Salesforce está buscando reemplazar los ingresos por regalías que perderá de Veeva al lanzar su Pharma CRM con IQVIA — justo después de que termine el contrato exclusivo de 10 años de Veeva con Salesforce en septiembre de 2025. Salesforce también anunció la disponibilidad general de su Life Sciences Cloud, incluidas aplicaciones para operaciones clínicas en junio de 2024. Somos escépticos del éxito de Salesforce en las ciencias de la vida dada su falta de enfoque en la industria.

Además de los principales competidores Medidata/Dassault, Oracle, IQVIA y potencialmente Salesforce, hay muchos otros proveedores de soluciones puntuales muy detrás de Veeva en el desarrollo de una suite de software integrado. Y cuanto mayor sea el número de productos que adopten los clientes de Veeva con el tiempo, más amplia se vuelve su fosa defensiva.

La estrategia de plataforma de Veeva se ha estado desarrollando durante más de una década desde que lanzó Vault en 2012. A medida que avanza, una estrategia de plataforma exitosa reduce el esfuerzo incremental y el costo de venta adicional. Aunque Veeva apunta a vender el mejor software de su clase, en algún punto la decisión de compra del cliente se convierte tanto en una integración fácil como en no tener que lidiar con demasiados proveedores. Esto se convierte en una barrera de entrada para la competencia. La evidencia del éxito de Veeva en la venta adicional de software puede verse en el hecho de que los clientes de Soluciones Comerciales de Veeva poseen en promedio 4 productos en aumento, y en su segmento de I+D, 3 productos en promedio. Veeva tiene más de 40 productos para vender adicionalmente.

A menudo hay preocupación con las empresas de software verticales como Veeva que se enfocan en una industria o mercado final, de que no tienen un mercado total direccionable (TAM) tan grande como el software horizontal. Las empresas de software horizontal como Microsoft pueden vender Office a casi todas las industrias que existen. Y aunque un enfoque vertical limita el tamaño total del mercado de Veeva, estamos satisfechos de que tiene una larga pista de crecimiento. Veeva ya ha aumentado su mercado total direccionable (TAM) de $5 mil millones cuando salió a bolsa en 2013 a $20 milmillones en la actualidad.

Veeva calcula su TAM en $20 mil millones — 1% de los $2 billones en ingresos de ciencias de la vida que están creciendo a una tasa compuesta anual de 6% (CAGR). Con $2.4 mil millones en ingresos en el año fiscal 2024, Veeva ha penetrado solo el 12% de su TAM. El 1% de los ingresos de ciencias de la vida utilizados para calcular el TAM podría aumentar aún más, a medida que la industria adopte más tecnología.

A pesar de los puntos positivos mencionados, Veeva enfrenta algunos vientos en contra que han creado oportunidades en la acción. Entre ellos se encuentra un gasto más débil por parte de las compañías biofarmacéuticas. En los últimos años, el gasto se ha visto afectado por la incertidumbre relacionada con los cambios en los precios de Medicare del Acta de Reducción de la Inflación (IRA) de EE. UU. y una desaceleración en el inicio de estudios clínicos después de la ola inicial de Covid-19, entre otros problemas. Los vientos en contra han perjudicado principalmente los ingresos por servicios profesionales de Veeva, que representan el 20% del total y son más discrecionales, pero también han retrasado algunos acuerdos para el software de suscripción de Veeva (80% de los ingresos).

En su trimestre más reciente, Veeva también habló sobre el efecto de la inteligencia artificial. Los clientes están evaluando cómo los nuevos servicios de IA, que son costosos, podrían impactar sus presupuestos de TI. El impacto de la IA no es exclusivo de Veeva, ya que muchas acciones de software empresarial también se vieron afectadas parcialmente por este tema en ese momento. Una reducción en el gasto debido a la reconfiguración de los presupuestos de los clientes para IA, sin embargo, es probable que sea temporal para Veeva dado que su software es de misión crítica. Y Veeva debería ser un beneficiario desproporcionado de la IA a largo plazo. Dada la importancia de la precisión, Veeva se ha posicionado como la fuente de verdad para los datos de ciencias de la vida que los clientes y socios pueden aprovechar. Esta es una posición valiosa en la que estar. Y con el lanzamiento de su DirectDataAPI en abril de 2024 para su plataforma Vault, Veeva dice que los clientes y socios pueden acceder a sus datos 100 veces más rápido de lo normal. De hecho, los avances en IA probablemente harán que los datos almacenados en los sistemas de Veeva sean aún más valiosos.

A pesar de las diversas presiones sobre el gasto de sus clientes, aún necesitan aumentar su productividad y generar ingresos. Áreas emocionantes en la medicina como las terapias génicas, los medicamentos de ARN y los biológicos complejos están listas para desatar una nueva ola de tratamientos para el cáncer, y enfermedades raras e infecciosas. Y con el costo de un ensayo clínico exitoso a menudo en los cientos de millones de dólares, llevar tales innovaciones más rápido a la aprobación y más efectivamente al mercado puede traducirse en decenas de millones de dólares para el cliente.

La adopción de software integrado y nativo de la nube también está en una etapa temprana en las ciencias de la vida. Como dijo un gerente de Becton, Dickinson & Co. (BD), un fabricante de dispositivos médicos como jeringas y stents, y cliente de Veeva: “Estamos trabajando para unificar nuestros sistemas de I+D. Aún no hemos llegado. Definitivamente es un objetivo final que realmente se incluye en nuestra estrategia BD 2025 para simplificar, ¿verdad? y reducir la complejidad… Una pieza clave para realizar ensayos clínicos correctamente es la capacidad de reducir el tiempo de comercialización, y realmente llevar los productos y soluciones a los pacientes lo más rápido posible. Poder unificar nuestros sistemas clínicos, todas nuestras tecnologías de I+D, realmente ayudará a ser un punto focal para poder avanzar nuestros productos y llevarlos al mercado un poco más rápido.”

En conclusión, mientras las empresas de ciencias de la vida enfrentan varios vientos en contra a corto plazo, esto puede crear una demanda acumulada para el software de Veeva que ayuda a los clientes a ser más eficientes, reducir costos y llevar sus terapias y dispositivos médicos más rápido y más efectivamente al mercado, necesario para impulsar las ventas. Y aunque Veeva enfrenta competidores existentes y nuevos, su fosa defensiva se expande cada día que sus clientes adoptan más de su software en la plataforma Vault.

¿Dónde encontrar libros sobre trading algorítmico? Por Quantinsti

Cuando tienes ganas de aprender algo nuevo, empiezas a buscar todo lo relacionado con ese tema. Si estás interesado en el Trading Algorítmico, probablemente tengas un montón de preguntas rondando en tu mente, como:

•¿Dónde puedo encontrar libros sobre trading algorítmico?

•¿Existen libros gratuitos sobre trading algorítmico?

•¿Dónde puedo encontrar una lista de libros esenciales sobre trading algorítmico?

•¿Cuáles son los mejores libros sobre trading algorítmico?

Estas son algunas preguntas comunes que inundan los foros populares de aspirantes a traders algorítmicos en todo el mundo. Si tu objetivo es convertirte en trader, elegir un libro sobre trading algorítmico es un excelente punto de partida. En este artículo, destacaremos las áreas clave en las que los aspirantes a quants deben centrarse y recomendaremos algunas lecturas excelentes.

Ahora, repasemos las siguientes categorías amplias en las que encontrarás algunos de los libros esenciales sobre Trading Algorítmico:

•Libros sobre Microestructura del Mercado

•Libros sobre Estadística y Econometría

•Libros sobre Análisis Técnico

•Libros sobre Trading de Opciones

•Libros sobre Estadísticas Avanzadas

•Libros sobre Aprendizaje Automático

•Libros sobre Python para Trading Algorítmico

•Libros sobre Gestión de Carteras

Libros sobre Microestructura del Mercado

La microestructura del mercado se refiere al estudio de los procesos y sistemas que facilitan el trading en los mercados financieros. Entender la microestructura del mercado es crucial para cualquier persona interesada en el trading algorítmico, ya que proporciona información sobre la mecánica de cómo se procesan las órdenes, cómo se determinan los precios y el comportamiento de los diferentes participantes del mercado.

Si deseas profundizar tu conocimiento en esta área, aquí tienes algunos libros esenciales y famosos sobre microestructura del mercado:

•“Market Microstructure Theory” de Maureen O’Hara: Este libro ofrece una introducción completa a los aspectos teóricos de la microestructura del mercado, cubriendo conceptos clave como el flujo de órdenes, la creación de mercado y la asimetría de la información. Los capítulos finales del libro proporcionan detalles sobre la relación entre la información, el proceso de fijación de precios y la liquidez, junto con las similitudes y diferencias entre varios mercados financieros.

•“Trading and Exchanges: Market Microstructure for Practitioners” de Larry Harris: Una guía práctica que explica cómo funcionan los mercados, diseñada para traders, inversores y cualquier persona interesada en comprender la dinámica del trading y los intercambios. El libro detalla cómo se procesan las órdenes, el papel de los intermediarios y el impacto de los diferentes sistemas de trading en la dinámica del mercado.

•“An Introduction to High-Frequency Finance” de Ramazan Gençay, Michel Dacorogna, Ulrich A. Müller, Richard B. Olsen y Olivier Pictet: Este libro se centra en el aspecto de la alta frecuencia de la microestructura del mercado, proporcionando conocimientos sobre las propiedades estadísticas de los datos de alta frecuencia y la mecánica del trading de alta velocidad.

•“The Microstructure of Financial Markets” de Frank de Jong y Barbara Rindi: Una exploración detallada de la microestructura de los mercados financieros, discutiendo el papel de la información, el impacto del trading en los precios y el comportamiento de los participantes del mercado.

•“High-Frequency Trading: A Practical Guide to Algorithmic Strategies and Trading Systems” de Irene Aldridge: Aunque se centra en el trading de alta frecuencia, este libro profundiza en los elementos de microestructura que los traders de alta frecuencia explotan, lo que lo convierte en un recurso valioso para comprender los detalles intrincados de las operaciones del mercado.

•“Algorithmic Trading: A Rough & Ready Guide” de Vivek Krishnamoorthy y Ashutosh Dave (GRATIS): Este libro explora el dominio del trading algorítmico, brindando ejemplos ilustrativos para elaborar los componentes necesarios para crear un sistema de trading robusto.

Libros sobre Estadística y Econometría

Dado que el trading algorítmico se ha vuelto tan competitivo, la estadística y la econometría proporcionan la base para un trading sistemático y organizado. Para predecir el trade en el mercado, este sistema de trading sistemático utiliza análisis de series temporales y otros modelos estadísticos. Además, si estás buscando ser contratado en una firma cuantitativa, necesitas tener un conocimiento sólido de matemáticas y estadística.

Algunos libros sobre Estadística y Econometría recomendados son:

•“Basic Econometrics” de Damodar N. Gujarati: Un libro introductorio bien considerado que hace que la econometría sea accesible para los estudiantes con una comprensión básica de estadística y matemáticas.

•“Applied Econometric Times Series” de Walter Enders: Este libro se adentra en el análisis moderno de series temporales, explicando la importancia de las ecuaciones en diferencias y otros conceptos avanzados.

•“Schaum’s Outline of Statistics and Econometrics” de Dominick Salvatore y Derrick Reagle: Este libro proporciona una introducción a la estadística y la econometría adoptando un enfoque de resolución de problemas.

•“Analysis of Financial Time Series” de Ruey S. Tsay: Un libro que proporciona una introducción a los modelos econométricos y sus aplicaciones en la modelización y predicción de datos de series temporales financieras.

Libros sobre Análisis Técnico

El análisis técnico y los indicadores técnicos son ampliamente utilizados en el trading. Para utilizarlos como filtros adicionales en el trading cuantitativo, los indicadores técnicos juegan un papel importante.

Algunos libros sobre análisis técnico recomendados son:

•“Technical Analysis of the Financial Markets” de John J. Murphy: Considerado la biblia del análisis técnico, este libro cubre todo, desde los conceptos básicos de la construcción de gráficos hasta indicadores técnicos avanzados y análisis de patrones.

•“Japanese Candlestick Charting Techniques” de Steve Nison: Este libro ofrece una introducción completa a los gráficos de velas japonesas, explicando cómo leer e interpretar varios patrones de velas.

•“The Essential Application for Forecasting and Tracking Market Prices” de Thomas J. Dorsey: Un trabajo de referencia extenso que cubre más de 100 patrones de gráficos, proporcionando datos estadísticos sobre su rendimiento y estrategias de trading.

Libros sobre Trading de Opciones

El trading de opciones y futuros son instrumentos altamente negociados en los mercados. El trading de opciones se ha vuelto extremadamente sofisticado, y aprender sobre el trading de opciones es importante para tener una comprensión sólida de la volatilidad, los griegos y varias estrategias de opciones.

Algunos libros sobre trading de opciones recomendados son:

•“Options, Futures, and Other Derivatives” de John Hull: Este libro ofrece una perspectiva contemporánea sobre el mercado de derivados, abordando temas avanzados y aplicando la teoría al mundo real.

•“Positional Option Trading: An Advanced Guide” de Euan Sinclair: Este libro proporciona conocimientos avanzados y técnicas que los traders de opciones necesitan para tener éxito, enfatizando enfoques cuantitativos para el trading direccional y la gestión de riesgos.

•“Volatility Trading” de Euan Sinclair: Este libro actualizado equipa a los traders con herramientas para entender la fijación de precios de opciones, la medición de la volatilidad y la gestión de riesgos, con nuevas exploraciones de la volatilidad realizada versus implícita.

•“Option Volatility and Pricing” de Sheldon Natenberg: Considerado una guía definitiva y completa para entender el trading de volatilidad de opciones, este libro cubre tanto los fundamentos teóricos como los aspectos prácticos de la implementación de estrategias de trading.

•“Options as a Strategic Investment” de Lawrence G. McMillan: Una guía integral que cubre una amplia gama de estrategias de trading de opciones y sus aplicaciones, proporcionando detalles sobre diferentes estrategias y cómo implementarlas según las condiciones del mercado.

•“The Options Playbook” de Brian Overby: Una guía práctica para principiantes en el trading de opciones, que explica los conceptos básicos y avanza a estrategias más complejas con ejemplos de la vida real.

Libros sobre Estadísticas Avanzadas

Las estadísticas avanzadas son un concepto para probar la relación entre dos conjuntos de datos estadísticos. Ayuda a organizar y representar conjuntos de datos que consisten en valores numéricos. En el trading algorítmico, el conjunto de datos juega un papel importante ya que el conjunto de datos pasado ayuda a predecir valores futuros.

Algunos libros sobre estadísticas avanzadas recomendados son:

•“Elements of Statistical Learning” de Trevor Hastie, Robert Tibshirani y Jerome Friedman: Un libro que cubre técnicas relevantes con conceptos útiles, incluyendo bosques aleatorios, métodos de conjunto y algoritmos de regresión de ángulo mínimo.

•“Introduction to Statistical Thought” de Michael Lavine: Un libro que utiliza cálculos y simulaciones informáticas para ayudar a aprender temas avanzados de estadística.

•“Statistical Inference” de George Casella y Roger L. Berger: Un libro clásico que profundiza en los fundamentos teóricos de la inferencia estadística, ideal para estudiantes de posgrado e investigadores.

•“All of Statistics: A Concise Course in Statistical Inference” de Larry Wasserman: Un libro que proporciona una visión general completa de la teoría estadística y sus aplicaciones prácticas, ideal para estudiantes de licenciatura y posgrado.

Libros sobre Aprendizaje Automático

El aprendizaje automático se considera un subconjunto de la inteligencia artificial y se utiliza para hacer prediccionesen el trading algorítmico. Este concepto utiliza sistemas informatizados para analizar y predecir valores futuros de un conjunto de datos, inicialmente con intervención humana para la programación.

Algunos libros sobre aprendizaje automático recomendados son:

•“Machine Learning in Trading: Step by step implementation of Machine Learning models” de Ishan Shah y Rekhit Pachanekar (GRATIS): Un libro que proporciona una introducción elemental al mundo del aprendizaje automático, con ejemplos del mundo real en el trading.

•“Machine Learning for Asset Managers (Elements in Quantitative Finance)” de Marcos M. Lopez De Prado: Un libro que cubre técnicas de aprendizaje automático utilizadas por los gestores de activos, enfatizando la importancia de las teorías de inversión y cómo el aprendizaje automático puede descubrirlas.

•“Quantitative Trading: How to Build Your Own Algorithmic Trading Business” de Dr. Ernest P. Chan: Un libro revisado que equipa a los traders para tener éxito en el trading algorítmico, explorando estrategias establecidas y utilizando el aprendizaje automático para el análisis de inversiones.

•“Advances in Financial Machine Learning” de Marcos Lopez De Prado: Un libro que proporciona conocimientos avanzados sobre la estructuración de grandes datos, la investigación con algoritmos de aprendizaje automático y el uso de métodos de cálculo mejorados.

•“Hands-On Machine Learning for Algorithmic Trading” de Stefan Jansen: Un libro que ayuda a aprender a evaluar el mercado y aprender algoritmos como Bayesian, con conocimientos sobre el uso de pandas, statsmodels, XGboost y más.

Libros sobre Python para Trading Algorítmico

El lenguaje de programación Python es ampliamente utilizado en el dominio del trading algorítmico y cuantitativo. Algunos libros recomendados para aprender Python para el trading son:

•“Python Basics: With Illustrations From The Financial Markets” de Vivek Krishnamoorthy, Jay Parmar y Mario Pisa Peña (GRATIS): Un libro que proporciona todo lo necesario para aprender Python desde el nivel básico hasta el avanzado, con ejemplos prácticos del mercado financiero.

•“Learn Python in One Day & Learn it Well” de Jamie Chan: Un libro que proporciona una base sólida para construir modelos avanzados y específicos con bibliotecas como Pandas, Numpy y Scipy.

•“Pandas Cookbook” de Theodore Petrou: Un libro que ofrece un conocimiento profundo de Pandas, esencial para el trading con Python.

•“Python for Finance: Mastering Data-Driven Finance” de Yves Hilpisch: Un libro que proporciona aplicaciones directas y funciones importantes para el manejo de datos y el análisis de series temporales.

Libros sobre Gestión de Carteras

La gestión de carteras es el proceso de seleccionar y gestionar un grupo de inversiones que cumplan con los objetivos financieros a largo plazo y la tolerancia al riesgo de un inversor o institución.

Algunos libros recomendados sobre gestión de carteras son:

•“The Intelligent Asset Allocator: How to Build Your Portfolio to Maximize Returns and Minimize Risk” de William Bernstein: Un libro que se centra en estrategias de asignación de activos basadas en los principios de la teoría moderna de carteras y la hipótesis del mercado eficiente.

•“A Random Walk Down Wall Street: The Time-Tested Strategy for Successful Investing” de Burton G. Malkiel: Un clásico de la inversión que cubre varios aspectos de la inversión, incluyendo la gestión de carteras, con estrategias basadas en evidencia.

•“Investment Valuation: Tools and Techniques for Determining the Value of Any Asset” de Aswath Damodaran: Un libro completo sobre técnicas de valoración fundamentales para la gestión de carteras, cubriendo métodos para valorar diferentes tipos de activos.

Conclusión

Hemos cubierto la mayoría de los libros importantes pertenecientes a los campos relevantes en términos de Trading Algorítmico. Esperamos que los libros mencionados anteriormente te ayuden a comenzar tu viaje en el trading algorítmico.

La intención era considerar todos esos libros que son imperativos cuando se trata de aprender la forma algorítmica de trading. También existen algunos recursos gratuitos para aprender trading algorítmico.

Llamada con John Welborn, Presidente de Fenix Resources (FEX) por Alex Barrow

Hace poco, tuve una llamada con John Welborn, Presidente de Fenix Resources (FEX).

FEX es nuestro productor de mineral de hierro, expandiendo la producción de 1.3Mt/año a más de 4Mt/año. También cuenta con un negocio de logística en crecimiento y activos de infraestructura portuaria que valen más que la capitalización de mercado actual (excluyendo su posición de efectivo neto).

En resumen, la compañía tiene un potencial de subida de aproximadamente  el 900% entre su producción potencial de 4Mt/año, $20M en EBITDA futuro de logística y ~$161M en valor de activos tangibles entre su efectivo neto y los activos/infrastructure de logística portuaria.

Mi Hipótesis Inicial

Mi hipótesis con cualquier acción es que siempre hay algo que me estoy perdiendo, algún esqueleto en el armario. Eso es aún más cierto cuando encuentro una acción con un potencial de subida del 900%+, como FEX.

Por eso quería hablar con John. Quería encontrar algo que matara la tesis… o mi objetivo de subida.

La llamada no mató mi tesis.

Refuerza mi opinión de que FEX está enormemente infravalorada por razones explicables. Además, John entiende los catalizadores necesarios para realizar ese valor en el mercado… y tiene un plan.

Antecedentes de John y cómo entró en la industria minera

John creció en el Medio Oeste de Australia y pasó la mayor parte de su juventud como jugador profesional de rugby. Después del rugby, Welborn trabajó como banquero de inversiones especializado en finanzas mineras. Según John, “Todo el mundo quería trabajar en finanzas mineras en Australia porque es un negocio muy grande. Ahí es donde aprendí sobre el funcionamiento interno de las compañías mineras.”

La primera incursión de John en la minería es importante debido a lo mal que salió. En 2014, John se unió a Equatorial Resources (EQX.ASX) para desarrollar una mina de mineral de hierro en la RDC. El momento no podría haber sido peor. De enero de 2014 a enero de 2016, los precios del mineral de hierro cayeron un 68%.

El proyecto fracasó. Así que John cambió a la minería de oro.

Cómo se unió John a Fenix Resources (FEX)

John encontró la compañía leyendo un comunicado de prensa sobre la última ronda de financiamiento de la empresa. Aprendió sus lecciones del fiasco de Equatorial de 2014, y vio algo diferente en FEX: “Estaban probando este método de tienda emergente. La compañía tenía mineral de hierro de bajo costo y baja complejidad que podían extraer con márgenes superaltos. Así que el plan inicial era usar la menor cantidad de capital posible para poner en marcha el proyecto. Y luego tomar el efectivo que generamos y devolverlo a los accionistas.”

Funcionó. FEX recaudó AUD 15M en 2020. Desde entonces, ha pagado AUD 65M en dividendos acumulados.

La estrategia funcionó. Más importante aún, John vio un futuro para FEX que iba mucho más allá del vehículo de retorno de efectivo de “tienda emergente” de la compañía. Pasó ese año comprando 15M de acciones en el mercado abierto, fue nombrado miembro de la junta y se convirtió en presidente.

El Enfoque de John sobre el Negocio Minero de FEX

“Mi enfoque número uno es la rentabilidad. Me concentro en la rentabilidad porque generamos márgenes tan altos. Y quiero asegurarme de que no nos volvamos complacientes y que eso se mantenga.”

John tiene dos objetivos con el negocio minero:

1.Llevar la producción a 4Mt/año en el corto plazo (1-2 años)

2.Agregar recursos y extender la vida útil de la mina para aumentar la producción a >10Mt/año a mediano/largo plazo

La buena noticia es que FEX está ejecutando esta estrategia. Shine Iron Ore se reinició oficialmente hace unos días. Uno menos… uno por hacer.

Cómo Piensa John sobre Prever/Modelar los Precios del Mineral de Hierro

“A corto plazo estamos modelando $100/t, eso es porque podemos bloquear swaps por encima de ese precio. Eso nos da una idea decente de cómo se ve nuestro piso a corto plazo.”

“A largo plazo no están tratando de superar a los analistas. Así que, internamente, pensamos en un entorno de precios de $80/t y tratamos de hacer que nuestro negocio funcione a ese precio.”

“No soy necesariamente optimista sobre el mineral de hierro como una materia prima. No me malinterpreten, creo que ganamos mucho dinero si el mineral de hierro se mantiene en $100/t o más. Pero no soy uno de esos CEOs que se deshacen en elogios sobre su materia prima. Nuestro trabajo no es hacer glamorosa la materia prima, sino extraerla y venderla al mayor margen posible.”

Cómo Piensa John sobre Reducir Costos

“Todo lo que hacemos se reduce a mover toneladas de mineral. Ese es el denominador. Si puedes justificar un gasto diciéndome cómo podemos financiarlo con cuántas toneladas necesitamos mover, lo escucharé. Pero siempre se reduce a cuántas toneladas de mineral debemos mover para justificar cada gasto.”

John rastrea todo en FEX a través de puntajes de eficiencia y ahorro de costos. Los conductores de camiones obtienen bonificaciones por ahorrar combustible, conducir de manera segura y cumplir con varios criterios de salud/bienestar (¡tienen saunas para estos chicos!). Cada empleado entiende su papel en la máquina FEX.

Cómo Ve John la Asignación de Capital, Factores de Riesgo

“Si el precio del mineral de hierro baja a $60/t, espero que tengamos el valor de comprar todo lo que podamos. Podríamos ser los dueños del Medio Oeste.”

El objetivo principal de FEX es invertir en el crecimiento de la producción y la expansión de recursos, aunque pueden pagar algunos dividendos. John también prefiere las recompras a los dividendos, lo que me sorprendió considerando que posee 15 millones de acciones.

FEX cubre aproximadamente el 40-50% de su producción con estos contratos swap respaldados por AUD. John incluso consideró cubrir el 100% de su estructura de costos breakeven, es decir, cubrir suficiente producción para cubrir todos los gastos, con el mineral restante como ganancia pura.

Conclusiones Finales

Dejé la llamada más optimista sobre FEX que antes. Tal vez sea mi sesgo, pero aquí está el punto: los activos tangibles por sí solos (puerto + activos de logística + efectivo neto) valen más que la capitalización de mercado.

Así que obtienes el negocio minero gratis, que crecerá de 1.3Mt/año a 4Mt/año y generará más flujo de caja libre que su capitalización de mercado, suponiendo precios históricos del mineral de hierro.

Y antes de que te vayas… ¡recuerda unirte a nuestro Macro Ops Collective!

El Collective incluye toda nuestra investigación, una biblioteca completa de informes y videos sobre teoría y estrategia, nuestro panel de control de mercado propietario, además de nuestro slack interno donde el equipo y yo, junto con gestores de fondos y apasionados de todo el mundo, hablamos de negocios, intercambiamos ideas y nos divertimos.

Tendrás acceso a entrevistas con CEO, como la que acabas de leer, que no puedes encontrar en ningún otro lugar en línea. Encontramos ideas de las que nadie habla para generar rendimientos y proporcionar investigación e información diferenciada.

Estamos teniendo un buen comienzo de año, con nuestro libro subiendo aproximadamente un 40% YTD.

Esperando a que la costa se despeje de la inflación por Ben Carlson

Es probable que la Reserva Federal comience a reducir las tasas de interés en los próximos meses, por una buena razón.

La semana pasada se vivió como una victoria contra los niveles de inflación elevada:

Ahora no hemos tenido subidas de precios en la tasa de inflación general durante dos meses.

Algunos expertos todavía no están tan seguros de que sea hora de dar cantar victoria.

¿Y qué pasa con la década de 1970?

Hubo un aumento en la inflación al comienzo de la década, cayó y luego se aceleró de nuevo:

Hay muchas diferencias entre este período económico y la década de 1970. Las personas que quieren usar la analogía de la década de 1970 siempre dejan de mencionar que la inflación cayó a mediados de esa década debido a una dolorosa recesión. El mercado de valores tuvo una caída masiva en 1973-74.

Esta vez bajamos la inflación sin una recesión.

Además, la inflación era de naturaleza global y ha caído en todo el mundo desarrollado al mismo tiempo:

La inflación está mucho mejor de lo que estaba hace 18-24 meses.

Aún así, algunas personas quieren esperar a que la costa se despeje para asegurarse de que este período de inflación haya terminado.

Es justo.

El mercado de valores no espera a que la costa se despeje.

El S&P 500 tocó suelo cuando la inflación todavía estaba por encima del 8 % en el otoño de 2022:

La inflación había caído ligeramente desde el pico, pero si vuelves y miras los titulares en octubre de 2022, nadie pensó que lo peor del dolor había terminado. El pronóstico de consenso fue una recesión:

Estanflación. Más alto durante más tiempo. Se avecinaba una peor situación. Las cosas se sentían sombrías.

El S&P 500 ha subido más del 50 % desde que la inflación subió a más del 9 % en junio de 2022.

Siempre es más fácil hablar de los suelos del mercado de valores con el beneficio de la retrospectiva. Nadie sabe lo mal que se van a poner las cosas cuando estamos viviendo una desagradable recesión.

Pero el punto aquí es que las oportunidades de compra en un mercado bajista siempre parecen obvias y fáciles después de darse, pero nunca en tiempo real.

Los economistas pueden esperar a que la costa se despeje antes de cantar victoria en relación a la inflación y reducir las tasas.

El mercado de valores no espera.

No hay señal cuando la costa está despejada. Nadie toca el timbre en la parte inferior para que todos sepan que es hora de comprar. El mercado de valores no espera a que ocurran las buenas noticias; lo anticipa con anticipación (a veces correcto, a veces incorrecto).

No puedes esperar hasta que la costa esté despejada para invertir durante un mercado bajista. El mercado bajista habrá terminado antes de que los datos económicos se vuelvan positivos.

Michael y yo hablamos sobre la inflación, el mercado de valores, Kevin Bacon y mucho más en el vídeo de Animal Spirits de esta semana:

Suscríbete a The Compound para que no te pierdas ni un episodio.

Dos Conclusiones Clave de Gestores de Carteras y Traders con Éxito por Brett N. Steenbarger, Ph.D.

Aquí hay dos conclusiones clave de gestores de carteras y traders exitosos con los que he tenido el privilegio de trabajar. Discutiré estos puntos en el próximo seminario web.

1) Crear Múltiples Maneras de Ganar: Un trader que solo sabe ir en largo o en corto en un instrumento particular es como un lanzador de béisbol que solo sabe lanzar un tipo de lanzamiento. Hay muchas maneras de ganar en los mercados: utilizando opciones para negociar patrones de volatilidad; comerciando las relaciones relativas entre dos o más activos; y expresando opiniones de mercado a través de una variedad de instrumentos y mercados. Cabe destacar que la corrección del mercado de valores de hoy habría perjudicado a un trader que estaba en largo, pero habría generado ganancias para un trader que había reconocido el cambio en la fuerza relativa entre las acciones de pequeña capitalización y las de gran capitalización. ¿Cuál es la mejor manera de expresar una idea de mercado dada? La estructuración de operaciones es tan importante para los rendimientos como las propias ideas de operación.

2) Crear un Estilo de Vida que Desarrolle Tus Fortalezas: Si internalizamos lo que hacemos consistentemente, entonces ejercitar consistentemente nuestras fortalezas nos hará personas más fuertes y traders más exitosos. Lo que hacemos fuera de los mercados finalmente encuentra su expresión en nuestro trading. El trading rentable requiere intensidad y flexibilidad de enfoque, ya que pasamos de generar ideas a ejecutar y gestionar operaciones. Si vivimos una vida distraída, sin querer minamos las fortalezas cognitivas necesarias para el éxito en los mercados. El grado en que estructuramos activamente nuestros calendarios es el grado en que podemos vivir cada día intencionalmente y usar cada día para desarrollar nuestra capacidad de enfoque y propósito. No puede haber disciplina en el trading si la vida misma se vive sin disciplina.

El trading es una actividad de rendimiento que se basa en nuestros talentos y habilidades. Todo lo que hagas que sea exitoso en los mercados será una expresión de lo que ya has hecho con éxito en la vida. Encontramos nuestra pasión al expresar nuestros talentos: eso es lo que nos impulsa a desarrollar habilidades, y es lo que finalmente construye nuestra psicología de trading. Una pintura maestra se crea una pincelada a la vez. Una vida maestra se crea un día significativo y con propósito a la vez.

Desinflación Inmaculada por Dr. Ed Yardeni

Durante la primavera de 2022, Debbie y yo predijimos que la inflación estaba alcanzando su punto máximo: “En nuestro escenario, la tasa de inflación del PCED (Deflactor del Gasto de Consumo Personal) alcanza su máximo durante la primera mitad de 2022 entre el 6% y el 7%. Liderada por los precios de los bienes duraderos de consumo, se modera al 4%-5% durante la segunda mitad de 2022. El próximo año, cae al 3%-4% ya que la inflación persistentemente alta del alquiler compensa la moderación en otros precios de consumo”. Escribimos eso en nuestro Morning Briefing del 19 de abril de 2022. Esperábamos que la inflación de bienes disminuyera más rápido que la inflación del alquiler. En nuestro Morning Briefing del 11 de septiembre de 2023, predijimos que la inflación caería al 2%-3% en 2024.

Primero escribimos sobre la “desinflación inmaculada” en el Morning Briefing del 6 de septiembre de 2022: “¿Es posible la desinflación inmaculada? La historia muestra que la inflación rara vez cae por sí sola sin una recesión. Pero no creemos que la historia tenga que repetirse necesariamente (a pesar de lo mucho que a menudo rima). Lo que parece ser diferente esta vez (hasta ahora) es que el sistema de crédito es menos vulnerable a una crisis de crédito que en el pasado. El resultado es lo que tenemos ahora: una recesión gradual que afecta a diferentes sectores de la economía en diferentes momentos; esperamos que esto reduzca la inflación sin precipitar una recesión en toda la economía”.

Desde el comienzo del año, hemos pronosticado que la tasa de inflación del PCED caerá al 2.0% para fin de año. Hasta ahora, todo va bien. El informe del IPC de junio sugiere que todavía estamos en el camino correcto:

(1) CPI vs PCED. El CPI (Índice de Precios al Consumidor) es publicado por la Oficina de Estadísticas Laborales (BLS) un par de semanas antes de que se publique el PCED para cada mes. La medida del PCED es compilada por la Oficina de Análisis Económico (BEA). Los componentes del CPI se utilizan para calcular el PCED. La mayoría de las series de componentes son idénticas. Algunas difieren porque se utilizan métodos diferentes para estimarlas por parte de la BLS y la BEA. Muchas de las series de componentes tienen diferentes ponderaciones.

(2) Bienes duraderos. Gran parte de la discrepancia entre las dos medidas de precios al consumidor se atribuye a los precios de los bienes duraderos de consumo, que han aumentado un 1.0% más rápido en el CPI que en el PCED desde 1960. Eso podría deberse principalmente a los ajustes de precios “hedónicos” en los precios de los bienes duraderos del PCED para reflejar el hecho de que los bienes duraderos de hoy tienen numerosas características que mejoran las versiones más antiguas.

(3) Servicios de atención médica. Otra divergencia significativa entre las tasas de inflación del CPI y del PCED se atribuye a los servicios de atención médica. La primera ha superado a la segunda en 0.7 puntos porcentuales desde 1960. Durante mayo, las medidas del CPI y del PCED de servicios de atención médica aumentaron ambas un 3.1%. La medida del CPI para este componente en junio subió un 3.3%.

(4) Seguro de salud. Otra variable importante es el seguro de salud. La medida del CPI es complicada y extremadamente volátil. La medida del PCED es mucho menos volátil y más sensata.

(5) Con y sin refugio. Por último, pero no menos importante, la inflación del refugio finalmente se está moderando también, lo cual es una buena señal para la inflación general. Como se mencionó anteriormente, el IPC general y el IPC subyacente de junio cayeron un 0.1% m/m (3.0% y/y) y aumentaron un 0.1% m/m (3.3% y/y). Excluyendo la inflación del refugio, ambos índices han bajado a solo un 1.8% y/y.

Resumen

En la primavera de 2022, predijimos que la inflación alcanzaría su pico y luego disminuiría. A lo largo de 2023, observamos una caída en la inflación, con una predicción de que alcanzará el 2%-3% en 2024. Analizamos la diferencia entre el CPI y el PCED, destacando que la inflación de bienes duraderos y servicios médicos son factores clave en las discrepancias entre ambas medidas. La inflación del refugio también muestra signos de moderación, lo que es positivo para la inflación general.

Interés Abierto en el Trading de Opciones​ por Quantinsti

El trading de opciones es una forma de trading de derivados que permite a los traders participar en las fluctuaciones de precios de un activo subyacente sin la necesidad de poseerlo directamente.

En el trading de opciones, los traders pueden comprar o vender contratos de opciones, que les otorgan el derecho, pero no la obligación,

• comprar (opción de compra) o
• vender (opción de venta) el activo subyacente a un precio predeterminado (precio de ejercicio) dentro de un período especificado (fecha de vencimiento).

Conceptos clave del trading de opciones

Algunos de los conceptos clave del trading de opciones son:

• Opciones de compra: Las opciones de compra otorgan al titular el derecho a comprar el activo subyacente al precio de ejercicio antes de la fecha de vencimiento.
• Opciones de venta: Las opciones de venta otorgan al titular el derecho a vender el activo subyacente al precio de ejercicio antes de la fecha de vencimiento.
• Precio de ejercicio: El precio de ejercicio es el precio al que el titular de la opción puede comprar o vender el activo subyacente.
• Fecha de vencimiento: La fecha en la que el contrato de opciones debe ser ejercido se llama fecha de vencimiento.
• Prima: El precio pagado por el contrato de opciones se llama prima.

¿Por qué debería uno hacer trading de opciones?

El trading de opciones ofrece varias ventajas, entre ellas:

• Apalancamiento: Las opciones permiten a los inversores controlar una gran cantidad del activo subyacente con una cantidad relativamente menor de prima.
• Gestión de riesgos: Las opciones pueden ser utilizadas para cubrirse contra posibles pérdidas en una cartera.
• Generación de ingresos: Las estrategias de trading de opciones pueden ser utilizadas para generar ingresos en condiciones de mercado alcistas y bajistas.

Riesgos del trading de opciones

Si bien el trading de opciones ofrece oportunidades significativas para maximizar los rendimientos, también implica riesgos que discutiremos en detalle más adelante.

¿Qué es el interés abierto en el trading de opciones?

El interés abierto en el trading de opciones representa el número de contratos que han sido iniciados y que aún están abiertos o no han sido cerrados por una operación compensatoria o no han sido ejercidos.

A diferencia del volumen, que mide el número de contratos negociados durante un período específico, el interés abierto proporciona información sobre la profundidad del interés del mercado en un contrato de opción particular.

Conceptos clave del interés abierto en el trading de opciones

• Total de contratos: El interés abierto representa el número total de contratos de opciones que actualmente poseen los traders e inversores.
• Contratos no liquidados: Estos incluyen contratos que han sido abiertos (comprados o vendidos) pero no han sido cerrados por una operación compensatoria o ejercidos.
• Interés del mercado: El interés abierto ayuda a los traders e inversores a medir el sentimiento del mercado y el nivel general de interés en un contrato de opción particular.

Comprender el interés abierto es crucial para analizar las tendencias del mercado, identificar posibles movimientos de precios y desarrollar estrategias efectivas de trading de opciones.

Ejemplos del mundo real de interés abierto en el trading de opciones

Veamos algunos ejemplos del mundo real tomando referencias de noticias de 2023-2024 y también el ejemplo del anuncio de ganancias.

Ejemplo 1: Calls y el interés abierto de acciones de Tesla (TSLA)

Imaginemos que estás interesado en las acciones de Tesla (TSLA) y consideras comprar opciones de compra. Las opciones de compra te otorgan el derecho, pero no la obligación, de comprar la acción a un precio específico (precio de ejercicio) antes de una fecha determinada (vencimiento).

Escenario: Tesla anunció recientemente una nueva tecnología de batería que los analistas creen que aumentará significativamente el futuro de la compañía. Sospechas que el precio de la acción subirá en los próximos meses.

Análisis del interés abierto:

Al verificar el interés abierto para TSLA en las fechas de vencimiento y los precios de ejercicio, puedes llegar a algunas conclusiones. En este ejemplo, supongamos que el interés abierto para las opciones de compra de TSLA con un precio de ejercicio de $1000, que vencen en 3 meses, ha aumentado significativamente en la última semana.

Interpretación: Este aumento en el interés abierto sugiere que un número creciente de traders están comprando opciones de compra de TSLA. Esto podría indicar:

• Sentimiento alcista: Muchos traders estarán apostando por un aumento de precio para TSLA, apoyando tu análisis alcista.
• Aumento de la actividad en opciones: El aumento en el interés abierto podría simplemente reflejar que más traders están entrando en el mercado de opciones para TSLA, pero no necesariamente una dirección definitiva.

Ejemplo 2: Anuncio de ganancias para Apple (AAPL)

Escenario: Apple (AAPL) está a punto de informar sus ganancias trimestrales. No estás seguro si el precio de la acción subirá o bajará después del anuncio.

Análisis del interés abierto:

Puedes observar que hay un aumento significativo tanto en las opciones de compra como en las de venta para AAPL que vencen poco después del informe de ganancias.

Interpretación: Este alto interés abierto en ambas direcciones sugiere incertidumbre en torno al resultado de las ganancias. Los traders están cubriendo sus apuestas comprando opciones de compra (esperando un aumento de precio) y opciones de venta (esperando una caída de precio).

Decisión: Debido a las señales de interés abierto contradictorias, depender únicamente del interés abierto podría no ser ideal. Es mejor combinar esta información con análisis técnico o estimaciones de ganancias para tomar una decisión más informada.

Tipos de interés abierto en el trading de opciones

En el trading de opciones, el interés abierto puede clasificarse en tres tipos principales según su comportamiento:

Tipos de interés abierto en el trading de opciones

1.Interés abierto creciente:

• Cuando el número de contratos abiertos para una opción específica aumenta, indica que se están creando nuevas posiciones.
• El interés abierto creciente sugiere que los participantes del mercado están mostrando interés en esa opción particular, indicando un potencial sentimiento alcista o bajista dependiendo de si es una opción de compra o venta.

2. Interés abierto decreciente:

• Cuando el número de contratos abiertos para una opción específica disminuye, sugiere que se están cerrando posiciones existentes.
• El interés abierto decreciente puede indicar una falta de confianza entre los traders, señalando una posible indecisión del mercado o una reversión de tendencia.

3.Interés abierto estable:

• Cuando el número de contratos abiertos para una opción específica permanece relativamente sin cambios con el tiempo, sugiere que el sentimiento del mercado no ha cambiado significativamente.
• El interés abierto estable puede indicar que la tendencia actual probablemente continuará, o puede sugerir un período de consolidación antes de una posible ruptura o caída.

Relación entre el interés abierto y el precio

Hay tres posibilidades cuando se trata de interés abierto y precio, y estas son:

1.Relación positiva: El interés abierto creciente junto con precios en aumento puede indicar una tendencia fortalecida. Sugiere un creciente interés de los inversores y una posible continuación de la tendencia.

2.Relación negativa: El interés abierto decreciente junto con precios en aumento puede señalar una posible reversión de tendencia. Sugiere un interés decreciente de los inversores y una posible debilidad en la tendencia.

3.Indicación de soporte y resistencia: El alto interés abierto a un precio de ejercicio específico puede actuar como un imán para el precio del activo subyacente. Puede ayudar a identificar niveles clave de soporte y resistencia a medida que se acerca el vencimiento.

Significado del interés abierto en el trading de opciones

El significado del interés abierto en el trading de opciones radica en su capacidad para proporcionar valiosas perspectivas sobre el sentimiento del mercado, la liquidez y los posibles movimientos de precios.

Aquí hay algunas razones clave por las que el interés abierto es importante:

1.Análisis del Sentimiento del Mercado:

• El interés abierto refleja el número de contratos de opciones abiertos o pendientes en el mercado.
• El interés abierto creciente sugiere un creciente interés de los inversores en una opción particular, indicando un posible sentimiento alcista o bajista.
• El interés abierto decreciente puede indicar un interés decreciente de los inversores y una posible indecisión del mercado.

2.Medición de la Liquidez:

• Los altos niveles de interés abierto indican una alta liquidez para una opción particular, lo que facilita a los traders entrar y salir de posiciones.
• Los bajos niveles de interés abierto sugieren una menor liquidez, lo que puede resultar en márgenes de oferta y demanda más amplios y costos de trading aumentados.

3.Identificación de la Tendencia de Precios:

• Los cambios en el interés abierto pueden ayudar a los traders a identificar posibles reversión o continuación de tendencias.
• El interés abierto creciente junto con precios en aumento puede indicar una tendencia fortalecida, mientras que el interés abierto decreciente junto con precios en aumento puede señalar una posible reversión.

Comprender el comportamiento del interés abierto es esencial para analizar el sentimiento del mercado y tomar decisiones de trading informadas. Al monitorear los cambios en el interés abierto, los traders pueden obtener valiosas perspectivas sobre los posibles movimientos de precios y tendencias del mercado.

Momentum Crash: Un Análisis Post-2008 por Ernest P. Chan

• Las estrategias de momentum históricamente funcionan mal después de crisis financieras, un fenómeno conocido como “Momentum Crash o Colapsos de Momentum.”
• Esta tendencia se ha observado en varias clases de activos desde la Gran Depresión.
• Después de la crisis financiera de 2008, las estrategias de momentum ya mostraron signos de recuperación.

En mi libro, dediqué considerable atención al fenómeno de “Momentum Crash” descubierto por el profesor Kent Daniel. Esto se refiere al hecho de que las estrategias de momentum generalmente funcionan muy mal inmediatamente después de una crisis financiera. Este fenómeno aparentemente abarca muchas clases de activos y ha existido desde la Gran Depresión. A veces duraba varias décadas, y en otras ocasiones, estas estrategias se recuperaban durante la vida de un trader de momentum. Entonces, ¿cómo rindieron las estrategias de momentum inmediatamente después de la crisis financiera de 2008?

Primero, veamos el Indicador de Tendencias Diversificadas (anteriormente el índice S&P DTI), que es una estrategia bastante genérica de seguimiento de tendencias aplicada a futuros. Aquí están los valores del índice desde su inicio (haga clic para agrandar):

y aquí están los valores para el año 2013, un año en el que habían pasado los efectos más directos de la crisis económica del 2008:

¡Después de sufrir una caída implacable desde 2009, finalmente mostradon rendimientos positivos ese año!

Ahora mire una estrategia de momentum en los futuros de soja (ZS) en la que he estado trabajando. Aquí están los rendimientos acumulados desde 2009 hasta junio de 2011:

y aquí los rendimientos acumulados desde entonces:

¡La diferencia es notable!

A pesar de las evidencias de que las estrategias de momentum efectivamente han disfrutado de una recuperación general, debemos actuar como científicos financieros escépticos y buscar teorías alternativas.

Por qué el Trading Algorítmico Está Ganando Popularidad por Kevin Davey

¿Sabías que entre el 60% y el 73% de las operaciones provienen de cuentas de trading algorítmico? Ese alto porcentaje constituye la mayoría del trading de acciones en EE.UU., y también un porcentaje significativo del trading de futuros. Con eso, no es difícil darse cuenta del potencial de las formas más automáticas de trading.

A medida que los mercados tradicionales se vuelven más turbulentos, los inversores y traders activos están buscando nuevas formas de gestionar sus carteras y maximizar sus ganancias. Un método que está ganando y manteniendo popularidad es el trading algorítmico. Este enfoque se basa en computadoras para operar automáticamente acciones y otros valores basándose en reglas predeterminadas.

Aunque hay algunos riesgos asociados con este tipo de trading, puede ser una forma muy efectiva de gestionar tu cartera. Vamos a volver un poco a lo básico y explicar en qué consiste esta forma de trading. También veremos algunos de los beneficios actuales y crecientes que ofrece esta práctica y delinearemos de dónde proviene su popularidad.

Si te preguntas por qué hay tanta emoción alrededor del trading algorítmico, quédate y sigue leyendo mientras lo desglosamos.

¿Qué es Exactamente el Trading Algorítmico?

El trading algorítmico, también conocido como trading con algoritmos, es un sistema que utiliza fórmulas y modelos matemáticos simples (o complejos) para tomar decisiones sobre la compra o venta de valores. No es un concepto tan difícil de entender como parece. Esencialmente, reduce la emoción humana y el alto nivel de error en el trading siguiendo un conjunto de reglas predeterminadas.

Esta forma automatizada de trading ha existido durante bastante tiempo, y la mayoría de las personas no saben que ha ganado aún más popularidad desde principios de la década de 1980. La emoción en torno a este método ha crecido exponencialmente, y eso se debe a que es más una estrategia basada en reglas. En resumen, la forma en que configures el algoritmo será la forma en que opere.

La razón principal por la que el trading algorítmico se ha vuelto tan popular en los últimos años es debido al avance de la tecnología. Para tener éxito, los traders algorítmicos necesitan acceso a datos en tiempo real y también a datos históricos para realizar pruebas retrospectivas. También necesitan potentes recursos informáticos para procesar toda esa información más rápido.

En el pasado, solo las grandes instituciones financieras y los fondos de cobertura tenían la tecnología y los recursos para aprovechar esta forma de trading. Sin embargo, todo eso cambió con la llegada de la computación en la nube y las plataformas de trading potentes que ahora están disponibles para los inversores minoristas.

Este estilo de trading, o al menos el trading automatizado en particular, que es un subconjunto del trading algorítmico, puede haber comenzado en 1949, pero se ha desarrollado de múltiples maneras desde entonces. Esto es especialmente cierto dado que ahora se puede operar en múltiples mercados y con diferentes activos más rápido y de manera más eficiente que nunca.

Más adelante en el artículo hablaremos sobre cuándo realmente comenzó el trading algorítmico. Ahora, veamos de cerca algunos de los beneficios que han moldeado su popularidad.

¿Cuáles son los Beneficios del Trading Algorítmico?

Hay varias razones por las cuales el trading algorítmico se ha vuelto tan popular entre los traders e inversores más activos. Lo grandioso de esta forma de trading es que puedes configurarlo para que sea casi pasivo. Por supuesto, tendrás que evaluar el mercado un poco por tu cuenta al principio y de manera algo continua.

Pero con el trading algorítmico, a menudo puedes darte mayores posibilidades de ejecutar tus operaciones en niveles más deseados y en momentos más precisos. Veamos algunos de los beneficios innegables del trading automatizado.

Aumento de la Velocidad

El trading algorítmico puede ayudarte a aprovechar las oportunidades en el mercado mucho más rápido que si estuvieras operando manualmente. Para ser específicos, si no sabes qué tan rápido opera el trading algorítmico, intenta pensar en términos de milisegundos. Estos sistemas automatizados pueden procesar órdenes en dos milisegundos, y con frecuencia incluso menos.

Podrías pensar que eso no es gran cosa si eres un trader profesional. En realidad, ser un trader profesional con años de experiencia en estrategias de mercado no tiene nada que ver con esto. La verdad es que los humanos tienen limitaciones.

Mejora de la Liquidez del Mercado

El trading algorítmico puede ayudar a mejorar la liquidez del mercado proporcionando más compradores y vendedores en el mercado. Esto puede llevar a márgenes más ajustados y mejores precios para todos los inversores en general.

Es capaz de hacer esto reduciendo las fricciones y los diferentes costos del trading. Usar una estrategia más basada en la tecnología te permitirá facilitar mejor las coberturas e incluso reducir el costo del capital en general.

Reducción del Riesgo de Error Humano

Esto es muy importante y limitar el error es un beneficio obvio. Reducir el riesgo es uno de los mayores beneficios del trading algorítmico porque elimina gran parte de la emoción y el exceso de análisis de la ecuación. Cuando confías en una computadora para tomar decisiones, es menos probable que cometas errores que puedan costarte dinero.

Además, puedes esperar que las operaciones se ejecuten a mejores precios. Esto no solo significa precios reducidos; esto significa el costo general en comparación con otras opciones de acciones. No solo eso, con el trading automatizado, no solo obtienes el beneficio de la velocidad.

Estás obteniendo operaciones que están específicamente cronometradas para ser instantáneas y evitar esos molestos e impredecibles cambios de precio. Algunos traders a menudo pasan por alto el hecho de que el trading algorítmico también puede ser probado retrospectivamente.

Esto significa que puedes usar datos en tiempo real y conjuntos de datos históricos para probar diferentes estrategias y ver su viabilidad. Si te gusta identificar y probar diferentes tendencias, esto podría ser un gran beneficio para ti.

¿Cuáles son Algunos de los Riesgos Asociados con el Trading Algorítmico?

Aunque el trading algorítmico ofrece múltiples beneficios potenciales, también hay algunos riesgos de los que estar consciente. Veamos algunos de los principales riesgos.

Riesgo de Caja Negra

Cuando confías en una computadora para tomar decisiones por ti, siempre existe el riesgo de que algo salga mal. Esto podría considerarse un “riesgo de caja negra” porque estás confiando en una máquina que puede que no entiendas completamente.

Ahora, en caso de que no sepas qué significa esto, un problema de caja negra es un tipo de programa o sistema que te permitirá ver las diferentes entradas y salidas asociadas pero nada del proceso interno. Eso puede ser un poco aterrador, pero eso es parte de los sistemas de aprendizaje profundo y usarlos para hacer trading por ti.

En resumen, lo que ingresas va a una caja negra, un área donde no puedes ver lo que está sucediendo internamente. Sin embargo, puedes ver lo que sale al final. La buena noticia aquí es que tu algoritmo a menudo operará dentro de los límites de cómo está diseñado.

Esto significa que si tienes un amplio conocimiento de diferentes lenguajes de programación, puedes preparar cualquier sistema para que haga lo que le digas, en términos básicos. Por supuesto, es un poco más complicado que eso, pero alguien con experiencia en trading algorítmico y experiencia en programación puede tener un poco más de facilidad.

Una de las mejores cosas que puedes hacer en esta situación es consultar más de nuestro contenido para explorar otras formas de navegar en el trading en general. También puedes asociarte con nosotros y unirte a uno de nuestros talleres si estás interesado en simplificar cualquier algoritmo de trading y monitoreo de trading.

Interrupciones y Fallos del Sistema

Como cualquier sistema informático, un sistema de trading algorítmico es susceptible a interrupciones y fallos. Si tu sistema se cae, podrías perderte oportunidades importantes en el mercado.

Esto no es necesariamente un gran problema considerando que cualquier cosa que hagas digitalmente es susceptible a esto. Sin embargo, es algo de lo que debes estar consciente para que puedas proteger mejor tus estrategias, especialmente si vas a hacer alguna codificación sin conexión.

Riesgos de Seguridad

Debido a que el trading algorítmico implica el uso de datos sensibles y recursos financieros, también es susceptible a riesgos de seguridad como el hacking y el robo cibernético. Dado que el 63% de la población total del mundo está conectada a internet, lo cual también se traduce en negocios y operaciones remotas, esto es inevitable de alguna manera.

Entonces, esto puede no ser tanto un riesgo como parece si estás utilizando software de protección de datos adecuado para proteger tu información privada. Una de las mejores formas de hacer esto es designar a un profesional de cumplimiento de secretos comerciales.

Dependiendo de cuán grande sea tu operación de trading, esto podría ser necesario. También podrías cifrar tus archivos o cualquier software que uses para ayudar a limitar cualquier riesgo de seguridad potencial.

A pesar de estos riesgos, el trading algorítmico sigue siendo una opción viable para traders e inversores que buscan aprovechar las oportunidades del mercado.

Mapeando el Trading Algorítmico Desde su Inicio Hasta su Nivel Actual de Popularidad

El trading algorítmico ha existido por un tiempo. De hecho, el primer uso registrado data de principios de la década de 1970 cuando el Nasdaq Stock Market introdujo la idea de la coincidencia de órdenes electrónicas. Este sistema permitía a los creadores de mercado ingresar sus órdenes de compra y venta que luego se coincidían con otros traders.

Sin embargo, no fue hasta finales de la década de 1990 que el trading algorítmico realmente comenzó a despegar. Esto se debe en gran parte a los avances en tecnología y en la capacidad de procesamiento de las computadoras. Los traders comenzaron a desarrollar sistemas de trading algorítmico que podían tomar decisiones en una fracción de segundo basándose en una variedad de factores.

Antes de su inicio, los humanos tenían que tomar todas las decisiones de trading. Esto dejaba mucho espacio para el error y también para que se perdieran oportunidades de operaciones.

La popularidad del trading algorítmico continuó creciendo a principios de la década de 2000. En 2005, las firmas de trading de alta frecuencia (HFT) comenzaron a usar algoritmos para operar valores. Este tipo de trading se define como transacciones que se ejecutan a una velocidad muy rápida y que dependen de procesos de toma de decisiones automatizados.

La crisis financiera mundial de 2008 llevó a un interés aún mayor en el trading algorítmico. Muchos inversores perdieron la fe en los métodos tradicionales de inversión y buscaban nuevas formas de proteger sus carteras y ganar dinero. Piensa en ello de esta manera: un algoritmo que puede sacarte o introducirte en una nueva oportunidad de trading basándose en los parámetros que estableces también es un mecanismo de seguridad en ciertos aspectos.

Los sistemas de trading algorítmico han continuado evolucionando desde entonces. Ahora son capaces de tener en cuenta una gama más amplia de fuentes de datos y ejecutar operaciones mucho más rápido de lo que podríamos antes.

Personalmente, cuando opero futuros, probablemente el 99% de ello se basa en algoritmos, y la mayoría de ese trading está automatizado. Tengo que realizar manualmente los rollovers de los contratos de futuros, pero he descubierto que cuanta más automatización, mejor.

Cómo el Trading Puede Hacerte Perder tu Identidad: Claves para Mantener el Equilibrio por Víctor C. Urrutia

• El psicotrading es fundamental para el éxito de un trader, pero también puede llevar a la pérdida de identidad si no se maneja adecuadamente. Este artículo explora cómo encontrar un equilibrio entre el trading y la vida personal, proporcionando técnicas y consejos para mantener una mente sana y una identidad fuerte.
• Artículo publicado en Hispatrading 59.

El psicotrading es una de las piedras angulares del comportamiento de un trader en los mercados. Podríamos entender el concepto de psicotrading como la gestión emocional, cognitiva y comportamental que afecta a un trader en el momento de lanzar un trade. Este constructo ha sido objeto de controversia, ya que algunos traders consideran que representa el mayor porcentaje de responsabilidad sobre el éxito de un trader, mientras que otros lo relegan a un segundo plano, entendiendo que la gestión de capital y la técnica son los verdaderos determinantes del éxito.

En este artículo abordaremos el psicotrading desde una perspectiva ecléctica, considerándolo como un elemento integral en la vida útil del trader. Su impacto en los rendimientos va más allá de la suma de sus partes, ya que debe contemplarse siempre dentro de un entramado multifactorial que constituye la vida mental de un trader.

Aceptamos de base la idea de que el psicotrading se puede definir como la suma de todo lo que ocurre en la mente de un trader antes, durante y después de la operativa: toma de decisiones, gestión emocional, pensamientos voluntarios e involuntarios, tiempo de reacción, automatismos, voluntad sobre la conducta, disciplina, etc. Nos alejamos de la idea simplista de que el psicotrading es solo la capacidad de gestionar emociones durante la operativa, pues esto sería quedarse en la superficie.

Técnicas para Mejorar el Psicotrading

Las técnicas utilizadas para mejorar el psicotrading pueden variar desde metodologías populares como la meditación activa, hasta técnicas más avanzadas como el análisis consciente de las propias emociones y la reconducción conductual. La implementación de estrategias de gestión del riesgo adecuadas a cada perfil de trader y el desarrollo de estrategias de trading alineadas con su ratio beneficio-riesgo y tasa de acierto son factores indispensables para comprender el psicotrading y su impacto en el rendimiento.

El Peligro de Perder tu Identidad por el Trading

El trading puede ser una actividad exigente que requiere un alto nivel de concentración y atención. Al dedicar gran cantidad de tiempo al trading, es posible que un trader se sienta identificado con su trabajo y tenga dificultades para desconectar y relajarse. Esta circunstancia puede llevar a la pérdida de identidad y a sentimientos de estrés y agotamiento.

Un método sencillo para saber si tu identidad está siendo comprometida por el trading es responder a las siguientes preguntas:

• ¿He dejado de hacer actividades que me gustaban por el trading?
• ¿Pienso que hacer trading es lo más importante que debo hacer ahora mismo?
• ¿He dejado de ver a otras personas por el trading?
• ¿He tenido conflictos familiares por el trading?
• ¿Cuando estoy teniendo una conversación con alguien suelo hablar sobre trading?
• ¿Pienso que hacer otra cosa que no sea trading es perder el tiempo?
• ¿Creo que las personas que trabajan para otros son mediocres?
• ¿A día de hoy lo que más ganas tengo de hacer cuando me levanto es trading?

Si has respondido afirmativamente a una o varias de estas preguntas, ten cuidado porque podrías estar cerca de olvidar quién eras y todo lo que habías logrado antes de que el trading llegara a tu vida. Con el tiempo, podrías arrepentirte de ello.

Cómo Evitar la Pérdida de Identidad

Para evitar la pérdida de identidad por el trading, es importante seguir estos pasos:

• Establece límites de tiempo a tu trading: establece límites de tiempo para tu operativa y toma descansos regulares.
• Ten hobbies y actividades fuera del trading: es fundamental tener actividades que te permitan desconectar del trading y relajarte.
• Mantén relaciones sociales sanas: aunque pueda no apetecerte, es vital mantener relaciones sociales y tener amigos y familiares con quienes puedas compartir tus intereses y sentimientos.
• Organiza tu tiempo: planifica y organiza tu tiempo para asegurarte de dedicar suficiente tiempo a tus responsabilidades laborales, familiares y sociales.

El trading puede ser una actividad exigente, pero es esencial encontrar un equilibrio y cuidar de tu bienestar personal para evitar la pérdida de identidad y mantener una vida sana y equilibrada.

Técnicas Cognitivo-Conductuales para Recuperar el Equilibrio

Para aquellos traders que han perdido su identidad debido a su obsesión con el trading, aquí hay diez técnicas cognitivo-conductuales que podrían ser útiles:

• Reestructuración cognitiva: cuestiona la creencia de que tu valía y éxito solo se basan en los resultados de tus operaciones.
•  Establecimiento de metas fuera del trading: dedica tiempo a hobbies abandonados y actividades sociales.
• Técnicas de mindfulness: practica la atención plena en todas las áreas de tu vida.
• Establecimiento de límites y rutinas: limita el tiempo dedicado al análisis y seguimiento del mercado.
• Desafiar creencias autoidentificadas: explora otros roles e identidades que tienes más allá del trading.
• Fomentar el autocuidado: cuida tu salud física y emocional.
• Red de apoyo social: busca grupos de traders con intereses similares y mantén conexiones con amigos y familiares fuera del trading.

Si integras estas prácticas en tu rutina diaria, recordarás los motivos por los que iniciaste tu aventura en el trading. Reflexiona si realmente querías ser trader o simplemente querías tiempo para ser tú mismo.