Darwinex

Bienvenido a la página informativa del 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.

Ver webinar completo

Informe trimestral 31-03-2019

Informe trimestral 30-06-2019

Informe trimestral 30-09-2019


¿Por qué Darwinex?

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 R1

Curva de rentabilidad en modo lineal

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 12000 eventos en los últimos 19 años sobre los pares de divisas mayores.

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 de divisas mayores (EUR/USD, USD/JPY, GBP/USD, USD/CAD y USD/CHF)

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. Y dentro de este marco temporal, opera únicamente las velas de las 8:00, 12:00 y 16:00 horas.

Con el tema horario puede haber confusiones y es que, aunque la plataforma (Metatrader 4) y el bróker (Darwinex) están configurados de serie para mostrar sobre el gráfico estos horarios; realmente la vela de las 8:00 se inicia a las 07:00 horas; la vela de las 12:00 se inicia a las 11:00 y la de las 16:00 a las 15:00.

Partiendo de este punto, ¿A qué hora realmente tiene que estar el operador para ejecutar las órdenes? Pues si la primera vela se inicia a las 7:00, hasta las 11:00 horas no podremos tomar decisión sobre lo que ocurra en dicha vela. De igual manera, tendremos que estar delante de la pantalla a las 15:00 para tomar acción sobre la vela que comenzó a las 11:00; y a las 19:00 para colocar las órdenes (si procede) sobre la vela que abrió a las 15:00.

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

Tabla resumen de los resultados del modelo

El período que abarca la recogida de datos comprende desde el año 2000 hasta el año 2018. Son 19 años naturales de operativa en el que se han recogido un total de 12846 eventos.

Tras la primera recogida de datos, el análisis de éstos con sus correspondientes filtrados ha disminuido dicha cantidad en 4852 eventos. Este es el número real de operaciones pasadas en las que se basa el modelo creado.

Tanto la recogida de datos como el análisis de éstos se han hecho de forma manual apoyados de una hoja de cálculo Excel.

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

  • 52,9% Stop Loss.
  • 24,5% BreakEven.
  • 22,6% Take Profits.

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:

  • -1,01% Stop Loss.
  • -0,03% BreakEven.
  • 3,01% Take Profits.

 Lo que esto quiere decir es que; a nivel cartera, esta estrategia resta -1,01 cuando aparece una pérdida; que resta -0,03% (por las comisiones) cuando ocurre un BreakEven; y que suma 3,01% cuando tenemos una operación ganadora.

Histograma de rentabilidad por años

Una medida importante de robustez es ver cómo de los 19 años que abarca el Backtest, únicamente encontramos uno en negativo. Además, cómo el rendimiento de la mayoría de los años positivos son significantes.

Pero ojo, porque ese año en negativo es muy relevante. Nos alerta de que esto es posible que ocurra y debemos estar preparados.

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

A vista de pájaro observamos como más relevante el peor (-17,7%) y el mejor (+24,1%) mes de los 226 que componen el historial.

Las mejores y peores rachas en número de meses es:  9 meses consecutivos ganadores (bordes verdes) y 5 meses consecutivos perdedores (bordes rojos).

Los meses perdedores son un total de 82 (36,3% del total) y la pérdida media es de -4,5%. Por otro lado, los meses ganadores son un total de 144 (63,7% del total) y la ganancia media es de 7,3%.

Como otros datos de interés:

  • nº de meses con una pérdida de más del -10%: 9 meses, lo que representa el 4% de todos los meses.
  • nº de meses con una pérdida de más del -15%: 2 meses, lo que representa el 0,9% de todos los meses.
  • nº de meses con una pérdida de más del -20%: 0 meses.
  • nº de meses con una ganancia de más del 10%: 41 meses, lo que representa el 18,1% de todos los meses.
  • nº de meses con una ganancia de más del 15%: 17 meses, lo que representa el 7,5% de todos los meses.
  • nº de meses con una ganancia de más del 20%: 4 meses, lo que representa el 1,8% de todos los meses.
Gráfico de distribución de las rentabilidades mensuales
Gráfico de dispersión de las 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 -13,8%. Esto quiere decir que existe un 5% de probabilidad de que cada 4 meses se pierda al menos un 13,8% de la inversión, y un 95% de que la pérdida sea menor. O de otro modo; que 4 de cada 82 meses se va a perder al menos un -13,8% de la inversión.

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

Gráfico de distribución de las operaciones

Observamos cómo en estos rendimiento por operación se acota el riesgo a una máxima pérdida del 1% y a una ganancia máxima del 4%.

Gestión del Capital

Inicialmente comenzamos a operar el modelo arriesgando el 1% de capital de la cuenta, pero la primera modificación vendrá cuando la estrategia logre salir del drawdown, momento en el cual reduciremos el porcentaje de riesgo por operación a la mitad; 0,5%. Con esto, lograremos reducir a la mitad el peor drawdown en datos históricos.

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 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 37 eventos consecutivos negativos antes de la aparición de una operación ganadora; y que el número de operaciones ganadores seguidas de forma consecutiva fue de 6.

Análisis de DrawDown

Drawdown por datos históricos

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

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

  • Peor Drawdown: -30,22%
  • Recuperación (en nº de operaciones desde mínimos): 107
  • Duración (en nº de operaciones): 250
  • Fecha: 01/06/2007
  • Promedio de los 50 peores DD: -26,88%
Gráfico de dispersión de los 1396 Drawdowns de más de -10% en datos históricos

En el gráfico de dispersión diferenciamos dos zonas principalmente, la más saturada incluyen los DD promedios entre -10 y -20%; y la zona de los peores DD va desde -20 a -30%.

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.

Drawdown por método de Montecarlo

Para llevar a cabo el análisis del DD mediante el método de Montecarlo, hemos lanzado 200 simulaciones en las que se reorganizan aleatoriamente las operaciones obtenidas en los datos históricos.

El peor drawdown al 95% de confianza en 200 simulaciones de Montecarlo es de -61,87%, siendo el promedio de estos drawdown de -42,6.

El peor Drawdown obtenido en las 200 simulaciones es de -97,25%. 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. La representación que tiene la curva de rentabilidad con dicho Outlier es la siguiente:

Gráfico de rentabilidad del peor drawdown por Montecarlo

Si comparamos este gráfico con el que muestra la curva original del modelo, vemos cómo se han concentrado en un único momento gran parte de los drawdowns, provocando la creación de dicho Outlier.

Gráfico de dispersión de los 200 peores DD por Montecarlo

Como observamos en el gráfico de dispersión, la mayor concentración la encontramos en la zona entre -30/-55%. Al mismo tiempo, se observa muy cláramente cómo el Outlier se encuentra enormemente alejado del resto.

Análisis de Montecarlo

Simulación de Montecarlo, todos los eventos

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.

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:

Simulación de Montecarlo, eventos de 1 año

En este caso, el promedio anual son 255eventos; y el análisis de Montecarlo nos muestra que tenemos un 91,5% de probabilidad de acabar el año en positivo. También, que el beneficio medio rondaría el 34%.

Estas cifran parecen muy alentadoras pero hay que tener en cuenta que también tenemos un 4,5% de probabilidad de acabar en negativo; y aun así el modelo seguiría rindiendo dentro de la normalidad.


VIL.4.6


¿Por qué está perdiendo?

Como podemos ver más arriba, el rendimiento actual de la estrategia está siendo bastante decepcionante hasta el momento. ¿Hay algún motivo para esto? Claramente la respuesta es no. Cuando comenzamos a operar una estrategia, no podemos elegir qué distribución de operaciones tendrá. No está en nuestra mano determinar cómo queremos que vayan apareciendo dichas operaciones.

Como siempre dije, se trata de una estrategia de largo plazo. Somos conscientes de que hay que pasar por períodos de pérdidas y mientras las estadísticas se mantengan dentro de la normalidad, no hay motivos para pensar en que el modelo no funciona.

El backtest está formado por más de 4500 eventos, por lo que los resultados actuales no tienen significancia desde el punto de vista estadístico. Podremos comenzar a tomar conclusiones serias a partir de que tengamos al menos un 10% de las muestras que componen dicho backtest; es decir, 450 eventos. Cualquier conclusión que se saque antes de esto carece de validez estadística.

Gráfico de rentabilidad con regresión lineal e intervalos de confianza

Si trazamos una regresión lineal y canalizamos la curva de rentabilidad con unos intervalos de confianza observamos que en momento actual nos encontraríamos en el extremo superior; y por tanto no sería descabellado pensar en que el modelo entre en un drawdown natural antes de seguir subiendo (en caso de que el mercado se siga comportanto tal y como venía haciendo hasta ahora).

2 Comments
  1. Espectacular trabajo. En mi opinión, los Outliers, deben ser analizados. Tenemos un caso muy particular que es de plena actualidad. En el estudio del colesterol vs. infartos por países, Francia salía como Outlier (tienen elevadas tasas de colesterol, pero un % pequeño de infartos). Esto demostraba que la relación no era correcta, pero la solución fue elimarlo en la segunda publicación del estudio y gracias a eso, hoy, todos nos hemos creído la farsa del colesterol (incluso tenemos uno “bueno” y otro “malo”).
    Un saludo

    1. Gracias por comentar Mike! Como bien dices, al final un Outlier, aunque tenga una muy baja probabilidad de aparecer, está ahí. Si tienes la mala suerte de que te toca, no hay mucho que hacer.

      El análisis hecho con el gráfico de dispersión de los 200 peores DD por Montecarlo es muy representativo, por eso lo incluí. Es hasta educativo, porque ejemplifica de una manera muy precisa lo que es un Outlier.

      Me alegra que te haya gustado el informe. Creo que con este retoque mejorará el rendimiento actual. Además, ya estoy trabajando en una nueva versión del modelo que en principio mejoraría notablemente la actual.

      Un saludo!

Leave a reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *