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.