Página informativa
del Darwin VIL

Tabla de Contenido

Darwin VIL

Con el objetivo de aportar transparencia y darle confianza a los posibles inversores, he desarrollado esta página en la que conoceremos en profundidad la estrategia de trading en que está basado el Darwin VIL.

Si estás interesado en invertir en esta estrategia, te recomiendo encarecidamente que primero veas el siguiente vídeo y estudies el contenido de esta página.

El modelo ha sido evolucionado tras el primer año (2019) cotizando como Darwin. En el siguiente vídeo puedes ver una review del rendimiento así como las mejoras incorporadas.

¿Por qué Darwinex?

Darwinex, además de bróker, es una plataforma que conecta inversores con traders. Como bróker cumple las expectativas y además añade el elemento diferenciador de permitir a los buenos operadores obtener rendimientos por comisiones.

Su modelo de negocio comienza a posicionarse significativamente dentro del mundo del trading social y es que es una ventana con muchas posibilidades para el trader ganador.

Lo que hace Darwinex es ofrecer la operativa de sus traders mediante unos productos invertibles conocidos como “Darwins”. Sin duda se trata de una vía más en la que el dinero externo puede encontrar atractivas inversiones.

Como sabemos, para ganarse la vida con el trading necesitas capital. O bien posees una cuenta significativamente grande; o necesitarás de inversión de terceros para lograr tus objetivos. Esto último es lo que puede ofrecer Darwinex a diferencia de otros brokers.

Programa de Scouting

Si aún no estás registrado en Darwinex, puedes hacerlo a través de este enlace mediante el cual accederías a entrar como miembro referido por mi.

Únicamente necesitas registrarte a través de mi invitación. Esto no supone ningún coste para ti ni ahora ni en el futuro y sin embargo sí me ayudaría a mi ya que genera algunos rendimientos económicos.

Como ya sabes, mi compromiso con la transparencia es total.

Si te gusta el contenido de la web y el trabajo que venimos haciendo con los vídeos, es sin duda una buena oportunidad de agradecer este esfuerzo.

Por supuesto, siéntete libre en hacerlo.

Estrategia R2

Se trata de una estrategia a nivel cartera basada en un exhaustivo análisis cuantitativo.

Nace como resultado de un robusto Backtest en el que se han recogido y tratado más de 6000 eventos en los últimos 12 años sobre los pares de divisas mayores y el oro.

Curva de rentabilidad

Mejoras en la estrategia

Más de 100 años de continuo desarrollo y uso han probado el valor del método para hacer trading todo tipo de instrumentos financieros.

Este logro no debería sorprender ya que se basa en el análisis de la acción del precio y el volumen para juzgar cómo reacciona a la batalla que tiene lugar entre las auténticas fuerzas que rigen todos los cambios del precio: la oferta y la demanda.

Automatización

La estrategia, que en un principio era totalmente manual, se ha codificado y actualmente se encuentra completamente automatizada, añadiendo ese plus de confianza por la eliminación de posibles errores humanos.

Esta es la principal mejora de esta nueva versión y es que finalmente ha sido posible el desarrollo de un EA que ha permitido la automatización tanto del proceso de backtesting como de la operativa futura.

Con esto eliminamos la posibilidad del error humano tanto en el pasado a la hora de desarrollar como digo el backtest, como en el futuro a la hora de; o bien perder una operación por no estar pendiente, o bien cualquier otro tipo de contingencia a la hora de abrir, gestionar o cerrar la posición.

Como siempre digo, el eslabón más débil dentro de un sistema de trading es el factor humano y con esta medida logramos desechar este elemento de la ecuación.

Data

Inicialmente la data usada para el proceso de backtesting fue la que permite descargar la plataforma Metatrader a través de sus servidores de MetaQuotes.

El problema es que esta data es de muy mala calidad y no se corresponde con los movimientos reales del precio ocurridos en el pasado. He podido comprobar que cuanto más atrás en el tiempo vayas, peor calidad tendrán esta data.

Lo que hemos hecho ha sido adquirir data con una mayor calidad, la cual nos ha permitido simular el comportamiento de la estrategia históricamente con una mayor fiabilidad.

Tipo de estrategia

Es un tipo de estrategia híbrido entre tendencial y contra tendencial.

No se puede clasificar como una estrategia tendencial pura ya que trabaja con tomas de beneficios fijas y por tanto no cumple con la característica básica de este tipo de estrategias al no deja correr las ganancias.

Tampoco es una estrategia contra tendencial ya que no opera únicamente en contra de la tendencia principal.

Operar a favor de tendencia puede que sea lo más aconsejable; pero operar buscando la reversión de la tendencia en ocasiones proporciona los mejores beneficios.

Por tanto, es una estrategia que opera de forma indistinta a favor y en contra del movimiento dominante.

Comportamiento

Este modelo utiliza únicamente los datos del precio. Dentro de sus parámetros no incluye los datos de ningún tipo de indicador. Quizá es el punto más novedoso de la estrategia ya que la mayoría de estrategias basadas en análisis cuantitativo llevan incorporado uno o más indicadores (en ocasiones muchos).

Entonces, ¿cómo está configurada la estrategia?

Bien, el modelo se basa en un patrón del precio. Utiliza unos niveles 100% objetivos y espera a que sobre ellos se desarrolle cierto comportamiento que activaría el gatillo de entrada.

Este comportamiento no es algo aleatorio y está perfectamente codificado desde el punto de vista de cómo se mueven los mercados. Aunque no tenga en cuenta los datos del volumen, podemos decir que se basa en la ley de la oferta y la demanda.

Activos

Un aspecto muy importante es que esta estrategia, que es a nivel cartera, incluye los pares  EUR/USD, USD/JPY, GBP/USD, AUD/USD y USD/CHF y el oro (XAU/USD).

Para cada activo se ha desarrollarlo un proceso de Backtest de forma independiente con el objetivo de determinar los parámetros que mejor se ajustan a cada uno de ellos.

Cuando hablamos de parámetros únicamente me refiero al tamaño del Stop Loss; al ratio de TP; a los días de la semana y a la hora.

Esto es así porque; aun pudiendo tomar los mismos parámetros para todos, entiendo que cada uno tiene unas características propias y que sería un error no optimizarlos por separado.

Como el estudio ha determinado, cada par de divisas obtiene una mayor robustez con su propia configuración.

Marco temporal

Esta estrategia opera únicamente el marco temporal de 4 horas. Dentro de este marco temporal, cada activo opera en horarios independientes durante todo el día.

Por ejemplo, los cruces como el AUD/USD y el USD/JPY operan principalmente durante la última parte del día e incluso de madrugada (hora española). Esto tiene sentido debido a la diferencia del horario local. En esos momentos que aquí es de madrugada es normal que haya una alta participación en el mercado en dichas divisas.

Este es uno de los puntos fuertes de operar con una estrategia automatizada; que tiene la capacidad de hacerlo las 24 horas del día.

Gestión de la operación

Una vez dentro de la posición, los parámetros de gestión son extremadamente simples. En base al análisis cuantitativo realizado, se ha identificado la configuración óptima con respecto a si colocar o no la operación en Breakeven; o en qué punto exactamente realizar la toma de beneficio (TP).

El Stop Loss (SL) está siempre ubicado en el mismo sitio desde el momento de colocar las órdenes. El nivel donde se establece es siempre el mismo en términos de localización; pero no se trata de un SL fijado en un número de puntos determinado; sino que se coloca teniendo en cuenta el comportamiento del precio.

El Backtest

El período que abarca la recogida de datos comprende desde el año 2008 hasta el año 2019. Son 12 años naturales de operativa en el que se han recogido más de 6000 eventos.

estrategia r2

Tras la primera recogida de datos, el análisis de éstos con sus correspondientes filtrados ha disminuido dicha cantidad en 2714 eventosÉste es el número real de operaciones pasadas en las que se basa el modelo creado.

La distribución de resultados que maneja el modelo son los siguientes:

Con esta distribución, nos queda por saber los valores que aportan cada una para determinar si el modelo tiene una expectación matemática positiva. Estos valores son:

Lo que esto quiere decir es que a nivel cartera, esta estrategia resta 1,02 cuando aparece una pérdida y que suma 2.32% cuando tenemos una operación ganadora.

Rendimiento

Una medida importante de robustez es ver cómo de los 12 años que abarca el Backtest, no encontramos ningún año en negativo. Además, cómo el rendimiento de todos los años es como mínimo cercano al 20%.

Curva de rentabilidad por años

Curva de rentabilidad por años

Historgrama rentabilidad por años

Historgrama de rentabilidad por años

Podemos hacer un análisis aún más detallado del rendimiento mes tras mes. La siguiente tabla es muy importante para coger perspectiva.

Rentabilidad por mes

Rentabilidad por mes

A vista de pájaro observamos como más relevante el peor (-14.6%) y el mejor (+21.6%) mes de los 144 que componen el historial.

Las mejores y peores rachas en número de meses es:  6 meses consecutivos ganadores (fondo verde) y 3 meses consecutivos perdedores (fondo rojo).

Los meses perdedores son un total de 42 (29% del total) y la pérdida media es de -3.9%. Por otro lado, los meses ganadores son un total de 102 (71% del total) y la ganancia media es de 6,3%.

Como otros datos de interés, éstos son el número de meses con:

Distribución rentabilidades mensuales
Dispersión-rentabilidades-mensuales

Gestión del riesgo

Para evaluar el riesgo de la estrategia utilizaremos el VAR (Value at Risk). El VAR es una medida de riesgo que nos informa de la máxima pérdida esperada dado un nivel de confiabilidad y en un tiempo determidado. En base a una distribución de pérdidas, determinamos el límite.

El VAR mensual histórico al 95% de confianza es de -9%. Esto quiere decir que existe un 5% de probabilidad de que cada 3 meses se pierda al menos un 9% de la inversión, y un 95% de que la pérdida sea menor. O de otro modo; que 3 de cada 144 meses se va a perder al menos un 9% de la inversión.

Incluso podemos hacer un gráfico de la distribución normal de las operaciones teniendo en cuenta la media y la desviación estándar:

Distribución operaciones

Observamos cómo en estos rendimiento por operación se acota el riesgo a una máxima pérdida del 1% y a una ganancia máxima del 3%.

Gestión del capital

Actualmente el nivel de riesgo asumido por operación es del 1% del capital de la cuenta.

No se ha establecido un porcentaje determinado de riesgo simultáneo en cuenta; y por ende, tampoco un número máximo de operaciones simultáneas.

El modelo que se utilizará para operar será exponencial; ajustando el riesgo por operación en base a la cantidad disponible en la cuenta.

Análisis

Análisis de secuencias

Tener en cuenta las rachas es uno de los aspectos más importantes. En ocasiones, más incluso que la propia rentabilidad que pueda ofrecer el modelo

El análisis de secuencias realizado con los datos históricos nos descubre que hemos tenido un total de 18 eventos consecutivos negativos antes de la aparición de una operación ganadora; y que el mayor número de operaciones ganadores seguidas de forma consecutiva fue de 7.

Análisis de DrowDown

DrowDown por datos históricos

En la siguiente imagen combinamos la curva de rentabilidad y todos los drawdowns por los que ha atravesado:

Curva rentabilidad

Las cifras de interés del análisis del drawdown sobre los datos históricos son:

dispersión-drawdown

En el gráfico de dispersión diferenciamos tres zonas principalmente, la más saturada incluyen los DD promedios de hasta el -10%; la zona que incliría los 10 peores DD que va desde -10 a -18%; y la última zona del máximo drawdown (-21.89)

Hacer un análisis del drawdown es muy importante porque de sus resultados puede nacer la gestión del capital que se llevará a cabo. En caso de no aceptar el peor drawdown, el operador puede decidir reducir el tamaño de las posiciones hasta que se adecúe a su perfil de riesgo.

DrowDown por método de Montecarlo

Para llevar a cabo el análisis del DD mediante el método de Montecarlo, hemos lanzado 500 simulaciones en las que se reorganizan aleatoriamente las operaciones obtenidas en los datos históricos.

dispersion drawdown montecarlo

El promedio de estos 500 peores drawdowns es del -31.52%, quedando el peor drawdown al 95% de confianza en -44.98%.

El peor Drawdown obtenido ha sido de -66.24%. Claramente se trata de un Outlier. Como sabemos, un Outlier es un suceso extremo que tiene muy poca probabilidad de darse. Es más bien un accidente estadístico en cierto modo. Muchos autores defienden que directamente estos outliers deberías eliminarse del análisis, aunque yo prefiero considerarlos.

Como observamos en el gráfico de dispersión, la mayor concentración la encontramos en la zona entre -20/-40%. Al mismo tiempo, se observa muy cláramente cómo el Outlier se encuentra alejado del resto.

Análisis de Montecarlo

Finalmente, el análisis de Montecarlo nos confirma que el modelo tiene anclada en él una anomalía que le otorga una esperanza matemática positiva en el largo plazo.

Simulación Montecarlo. Todos los eventos

Lo que observamos en este primer gráfico son 1000 curvas de rentabilidad distintas obtenidas al reorganizar por 1000 veces de manera aleatoria los 2714 eventos originales del backtesting.

Al término, todas ellas se encuentran en positivo. Si bien es cierto que hasta las primeras 500/600 operaciones encontramos algunas con un rendimiento negativo, al darle el suficiente número de eventos, a largo plazo se muestra la anomalía anclada al modelo.

Además de la simulación que incluye todos los eventos, es interesante hacer una simulación con el número de operaciones que de promedio nos ofrece el modelo en un año:

Montecarlo curva rentabilidad año

En este caso, el promedio anual son 226 eventos; y el análisis de Montecarlo nos muestra que tenemos un 94.4% de probabilidad de acabar el año en positivo. También, que el beneficio medio rondaría el 39%.

Estas cifran parecen muy alentadoras pero hay que tener en cuenta que también tenemos un 5.6% de probabilidad de acabar en negativo; y aun así el modelo seguiría rindiendo dentro de la normalidad.